Chronischer Datenmangel

Künstliche Intelligenz benötigt möglichst viele Daten, um sinnvoll arbeiten zu können. Gerade kleine und mittelständische Unternehmen stehen hier vor einem Problem. Zudem sind KI-Lösungen heute keine Out-of-the-Box-Lösungen und müssen individuell konzipiert und programmiert werden. Das ist kostspielig und lässt vor allem kleinere Unternehmen zögern. Dazu kommt: Nicht allein auf die Menge kommt es an. Schlechte Daten führen zu schlechten Ergebnissen.

„Die Größe spielt sicherlich eine Rolle, aber noch viel mehr die Typologie des Unter­nehmens“, betont ProAlpha-Geschäftsführer Michael Finkler. Ein Großserienfertiger habe eine völlig andere Datenbasis als ein Sondermaschinenhersteller. Der Großserienfertiger bearbeite, auch als kleines Unternehmen, meist eine sehr große Zahl von Aufträgen, während es beim Sondermaschinenfertiger vielleicht nur fünf Aufträge im Jahr seien. Das reiche nicht immer für eine sinnvoll nutzbare Datenbasis.

„Eine große Herausforderung für die Unternehmen besteht darin, genügend Daten in passender Qualität verfügbar zu machen“, so Finkler. Zum Beispiel nutzten viele Unternehmen bis heute Maschinen, die nicht mit ausreichender Sensorik ausgestattet sind. Dies sei jedoch notwendig, um die Daten in benötigter Menge erheben und auswerten zu können. „Für ERP-Anbieter gilt: Ihre Systeme müssen die KI-gestützten Prozesse integrieren und die geeigneten Algorithmen zur Verfügung stellen. Hier lohnt sich meist die Nutzung der cloudbasierten IoT-Plattformen, die sowohl verschiedene Algorithmen als auch große Rechenleistung für das Training der Modelle und für die Analyse der Daten mitbringen.“

Für Sage-Mann Oliver Henrich ist die Datenspeicherung ein zentrales Problem. „Die meisten KMUs verfügen in der Regel in Summe über ausreichend Datenmaterial, um damit auf Basis von KI und Machine Learning entsprechende Analysen durchführen zu können. Oft liegen diese Informationen aber nicht in einer einheitlichen Datenbank vor, da etwa für die Steuerung der Produktion, die Lagerverwaltung und den Einkauf Insellösungen, also eigenständige Systeme mit voneinander getrennten Datenbanken im Einsatz sind.“ Eine wichtige Voraussetzung für den Einsatz von KI und Machine Learning ist also die Migration aller vorhandenen ERP-Daten in eine konsolidierte Datenbank.

„Es gibt keine größere Verschwendung als das Falsche richtig gut zu machen“, so Godelef Kühl. In den allermeisten Anwendungsfällen reichten die Datenmengen des ERP für einen erfolgreichen Einsatz intelligenter Technologien schlicht nicht aus und er kenne kaum Anwender, die bereit seien, ihre Daten zu teilen. „Vor allem fehlt ihnen noch die Einsicht, dass sie vom Teilen ihrer Daten selber profitieren.“ Hier werde die Zeit aber die richtige Antwort geben. „Schade ist nur, dass die meisten erst dann aufwachen, wenn sich Wettbewerber bereits signifikante Vorsprünge erarbeitet haben.“

Für Oracle-Manager Wagner stellt die Datenbasis kein nennenswertes Problem dar: „Aus der Praxis wissen wir, dass selbst ein kleines Start-up mit wenigen Mitarbeitern eine Datenmenge hervorbringen kann, die diejenige von mittelständischen Unternehmen weit übertrifft. Aber grundsätzlich ist auch eine kleine Datenbasis kein Kriterium, das die Nutzung von Machine Learning ausschließt. Fehlen wichtige Entscheidungsgrundlagen, bietet Oracle auch Data as a Service an, um eine ausreichend große Basis bereitzustellen.“