Fragen wir die KI! Erprobte Einsatzmöglichkeiten für generative KI – wie KI unterstützen und Erleichterung schaffen kann (Nachbericht)

Künstliche Intelligenz (KI) bietet vielfältige Anwendungsmöglichkeiten, die Aufgaben des täglichen Geschäfts in verschiedenen Bereichen erleichtern und ergänzen können.

Im Dschungel der zahlreichen KI-Anwendungen und der schnellen technologischen Entwicklungen fällt es jedoch oft schwer, den Überblick zu behalten und zu beurteilen, wo generative KI sinnvoll eingesetzt werden kann und wo nicht. Besonders populär ist aktuell der Einsatz bei der Content-Generierung sowie im Servicebereich (z. B. Chatbots). Im Bereich der Vorhersagen (Predictions) ist generative KI noch weniger geeignet. Andere Methoden aus dem Data Science Bereich, wie Zeitreihenvorhersagen, bieten dem Vertrieb und in der Produktion großes Potential. Ein Beispiel hierfür ist die verbesserte Planung durch KI, etwa bei der Wartung von Maschinen.

Derzeit werden viele KI-Projekte initiiert und erste Trainings durchgeführt. Dennoch schaffen es 80 % dieser Projekte nicht über den Proof of Concept (POC) hinaus. Laut einer aktuellen Studie von Heise liegen die Hürden vor allem in fehlender Expertise, unklarer Rentabilität, zu wenig verfügbaren Daten und Datenschutzproblemen. Bereits 50 % der befragten Unternehmen greifen auf das Fachwissen externer Partner zurück. 51 % sehen ihre IT-Architektur noch nicht für KI-Projekte gerüstet, und 30 % klagen über fehlende Ressourcen. Um das volle Potenzial von KI-Projekten auszuschöpfen, empfiehlt sich daher die Unterstützung durch externe Expertise.

„Unsere Studie zeigt, dass Entscheider verstanden haben, dass GenAI-Anwendungen den größten Mehrwert bringen, wenn sie Teil einer unternehmensweiten Strategie sind. Das ist der erste Schritt zum sinnvollen GenAI-Einsatz. Bei der Umsetzung ist eine Vielzahl an Faktoren zu beachten, von der technischen Infrastruktur, der Entscheidung zwischen individuellen Lösungen oder Standardlösungen über Cybersecurity, Data Governance bis hin zu Compliance- und Regulatorik-Themen. Erfahrene und zertifizierte externe Dienstleister wie Ascent leisten wertvolle Unterstützung bei der effizienten Integration und können dabei helfen, Unternehmen ‚GenAI ready‘ zu machen“, sagt Christoph Platzer, Managing Director von Ascent DACH.

Projektstudien:
Bei Wewelka (bekannt durch die Marke Tante Fanny) konnte durch Machine Learning die Produktionsgenauigkeit auf 90 % gesteigert werden. Das Startup „Schrankerl“, das Kühlschränke mit Snacks bestückt, nutzt einen Optimierungsalgorithmus, um die optimale Bestückung der Kühlschränke zu gewährleisten. Dadurch konnten Ressourcen geschont und Kosten gesenkt werden.

Use Cases:
Im Bereich der Energieversorgung konnte durch ein KI-Modell die Rückgewinnung von Kunden verbessert werden. Mithilfe von KI-Features war es möglich, Kundenverhalten vorherzusagen (z. B. ob ein Kunde wechseln möchte) und sie durch personalisierte Botschaften zu halten. Bei RHI Magnesita wurde mit KI der optimale Wartungszeitraum für Stahlkessel ermittelt.

Methoden:
Um Unternehmen optimal zu unterstützen, führt Ascent Workshops durch, in denen gemeinsam mit dem Kunden Use Cases entwickelt und auf die jeweiligen Bedürfnisse abgestimmt werden. Dabei wird herausgearbeitet, wo der Geschäftsnutzen groß und der Aufwand gering ist. Anschließend wird eine Roadmap erstellt.
Eine weitere Methode ist der sogenannte „Predictabilty Check“. Erste gesammelte Daten eines Kunden werden dabei auf die Implementierungsmöglichkeiten für definierte Use Cases bewertet. Eignen sich die Daten, oder fehlt noch etwas? Ist KI für den Use Case geeignet, oder wäre der Einsatz einer anderen Methode sinnvoller? Experten können hier beratend zur Seite stehen.
(Fachlicher Input: Philipp Danninger, Data Scientist Ascent)

Dachser wurde 1930 in Kempten (DE) gegründet und ist mittlerweile mit 34 000 Mitarbeitenden auf der ganzen Welt tätig. Allein in der IT sind rund 800 Mitarbeitende beschäftigt, die von externen Experten zusätzlich unterstützt werden.

Die neuen Technologien entwickeln sich rasant weiter, doch nicht alle eignen sich für den Einsatz in der Logistik. Daher steht die Frage nach dem tatsächlichen Mehrwert stets im Mittelpunkt. Der Dreh- und Angelpunkt aller KI-Entwicklungen sind dabei die Daten.

Bei Dachser werden eigene KI-Entwicklungen eingesetzt, zum Beispiel für Prognosen (Forecasts) bei Disponenten. Diese Tools ermöglichen es, bis zu 25 Wochen in die Zukunft zu blicken und die Verteilung optimal anzupassen.

Weitere KI-Anwendungen:

• @ILO ist ein eigens entwickeltes Bilderkennungsmodell zur Vermessung von Versandstücken. Der digitale Zwilling wurde mit dem Deutschen Logistikpreis 2023 ausgezeichnet. Optische Scaneinheiten identifizieren, lokalisieren und vermessen die Packstücke in Echtzeit.
• Celonis ist ein Prozessdatentool (Process Mining), das Muster in Abläufen von digitalen Fußandrücken erkennen kann.
• DeepL ist ein Online-Übersetzungstool. Dieses kann mit entsprechenden Lizenzen auch im vollen Umfang nach GDPR genutzt werden. Dachser hat ein eigenes Übersetzungstool entwickelt, welche die API von DeepL sowie Microsoft Translate nutzt.
• smapOne ermöglicht mithilfe von Prompts die Entwicklung eigener Apps, z. B. zur Fahrzeugkontrolle. Dabei handelt es sich um eine NO-Code Plattform.
• RAG ist ein eigenes Large Language Model (LLM) für Mitarbeitende, das interne Anfragen beantwortet (z. B. „Wie verlade ich Sendungen?“).
• M365 Copilot unterstützt bei Büroarbeiten, indem es beispielsweise E-Mails zusammenfasst, Teams-Meetings protokolliert und die wichtigsten Punkte herausstellt.

Es ist wichtig, die Mitarbeitenden umfassend zu schulen und die Vorteile dieser Technologien aufzuzeigen. Neue Technologien sollten als Unterstützung und nicht als Ersatz gesehen werden.
(Fachlicher Input: Jürgen Sakry, Department Head Shared Services Corporate Digital Innovation & Development DACHSER)***