Augen und Ohren der KI

Wie das geht, hat für die ITK-Branche der Rechenzentrumsausrüster Schneider Electric gezeigt. EcoStruxure IT, eine KI-gestützte DMaaS-Plattform (Data Management as a Service) aggregiert und analysiert große Mengen anonymisierter Messwerte aus den Kunden-Rechenzentren. Ziel ist es, dank des KI-Unterbaus Ausfälle zu verhindern, Service-Bedarf vorherzusagen und Kapazitätsengpässen entgegenzuwirken. Schneider Electric bindet die Fernüberwachung mittels cloudbasierter Dienste dabei in seine Serviceverträge ein und hat es so geschafft, Drittanbieter komplementärer Dienste über ein Full-Service-Geschäftsmodell in sein Ökosystem zu integrieren, wie Rhonda Ascierto und Jeffrey Fidacaro von 451 Research in ihrer Studie „The disrupted datacenter; datacenter management as a service“ beobachten.

Partnerunternehmen können eigene Mehrwertdienste rund um das Data Center entwickeln – vom Energiemanagement bis zur proaktiven Wartung – und sie an die KI-/ML-Engine des Ökosystems anbinden. Die ermöglicht es dem Kunden sogar, vom Network Operations Center des Plattformanbieters heraus hochspezialisierte externe Kompetenzen hinzuzuziehen.

Lösungen mit fortgeschrittener Sensorik entstehen auch in der Fertigungsindustrie. Unternehmen wie die mdk GmbH aus Sankt Augustin entwickeln im Auftrag IoT-Lösungen für die KI-getriebene Steuerung smarter Fabriken. Basis sind Plattformen wie ThingWorx von PTC. Prototypen nehmen dank agiler Methoden oft schon in wenigen Tagen Gestalt an.

Nicht nur Werker in den Produktionshallen, sondern auch Planer, Logistiker und Einkäufer sollen künftig kognitive, lernende Systeme nutzen können. Die Lösungen sollen die Fachkräfte in ihren Entscheidungen unterstützen, indem sie historische Erfahrungswerte zurate ziehen und Echtzeit-Messwerte auswerten. Prädiktive Analyse und Bedarfsvorhersage für die agile Produktion zählen zu den vielversprechendsten Anwendungsszenarien für Künstliche Intelligenz.

„Unternehmen integrieren Künstliche Intelligenz zunehmend in ihre Kernprozesse. Das wirtschaftliche Potenzial ist riesig“, erläutert Peter Breuer, Seniorpartner im Kölner Büro von McKinsey. „KI wird zunehmend zu einem Wettbewerbsfaktor; dies kann Unterschiede zwischen Unternehmen und Ländern, die diese Technologie einsetzen, und jenen, die es nicht tun, vergrößern.“ Dabei warnt McKinsey: Unternehmen, die KI früh implementieren, könnten ihren Cashflow verdoppeln, während die Nachzügler einen Rückgang ihres Cashflows um etwa 20 Prozent gegenüber dem heutigen Niveau verzeichnen müssten. Diese Aussage stützt McKinsey auf die Befragung von 3000 Firmen aus 14 Branchen, 400 KI-Anwendungsfälle und die Analyse des Automatisierungspotenzials von 2000 Tätigkeiten in 800 Berufen.

Die KI-Transformation fordert allerdings hohe Investitionen. Das Institut Research and Markets hat deshalb dem Markt für maschinelles Lernen zwischen 2017 und 2022 eine CAGR-Wachstumsrate von sagenhaften 44,1 Prozent pro Jahr vorausgesagt. Und laut IDC werden die Gesamtausgaben für KI und Machine Learning bereits im kommaienden Jahr die 40-Milliarden-Dollar-Marke überschreiten. Dann soll bereits die Hälfte aller Lösungen für Business Analytics auf kognitive Algorithmen setzen. Sowohl Fachanwendungen als auch IT-Infrastruktur-Lösungen sollen bis dahin immer stärker mit Künstlicher Intelligenz angereichert werden. Daraus entwickele sich „ein äußerst dynamischer und hochkomplexer Markt“, so die Analysten.