Operated by AI: Die wichtigsten Einsatzgebiete in Unternehmen

von Daniela Werthes
Cartoon robot sitting in line with applicants for a job interview
Quelle: SIphotography - iStock

Auch wenn laut einer Umfrage des Bitkom immerhin 17 Prozent der Berufstätigen in Deutschland einen oder mehrere Kollegen durch eine Artificial Intelligence (AI) ersetzen würden, muss die menschliche Belegschaft nicht um ihre Zukunft fürchten: Menschliche Intelligenz und AI arbeiten am besten zusammen, wenn sie einander ergänzen:

  • AI fokussiert sich auf konkrete IT-Anwendungen bei Aufgaben, für die normalerweise menschliche Intelligenzleistungen wie Lernen, Urteilen und Problemlösen nötig sind. KI kann diese Aufgaben mit einer sehr viel höheren Geschwindigkeit und Präzision ausführen als ein Mensch, agiert aber nur in dem Umfeld, für das sie entwickelt wurde.
  • Menschliche Intelligenz hingegen kann deutlich verschiedene Kontexte aufeinander beziehen, Intuition und andere Sinneseindrücke in die Entscheidungsfindung einbeziehen und Regeln bewusst brechen.

AI hat im Alltag bereits Einzug gehalten: In Form von Smartphones, Navigationssystemen oder Sprachassistenten. Diese Form ist eine sogenannte „schwache AI“, die mit einer immer gleichen Vorgehensweise ein definiertes Anwendungsfeld bearbeitet.

Experten schätzen Artificial Intelligence als eine Zukunftstechnologie, welche das Bruttoinlandprodukt Deutschlands bis 2030 um bis zu 4 Prozent steigern und vielfältigen Nutzen bringen kann. Da verwundert es, dass laut einer aktuellen PwC-Studie erst 6 Prozent der Unternehmen AI nutzen oder implementieren. Scheinbar können viele Entscheider die konkreten Mehrwerte noch nicht greifen. Schade, denn wertgetriebene Anwendungen für AI im operativen gibt es viele:

Artificial Intelligence im operativen Management

Produktion:

  • Predictive Maintenance: Aus riesigen Datenmengen filtert eine künstliche Intelligenz die wichtigen Informationen und erkennt Unregelmäßigkeiten. Damit lassen sich Maschinenausfälle vorhersagen und produktionsrelevante Entscheidungen auf Basis einer besseren Informationslage treffen.
  • Aktuelle und Verlässliche Stammdaten: In den meisten Fällen werden Stammdaten bei der Einführung eines ERP-Systems angelegt und danach nicht mehr aktualisiert. Durch den Einsatz von maschinellem Lernen als AI-Methode, lernt die AI realistische Wiederbeschaffungs- und Produktionszeiten und hinterlegt diese im ERP-System. Somit ist eine verlässlichere Produktion und Vorhersage der Lieferzeit möglich.
  • Qualitätsmanagement: Dieses Beispiel zeigt, wie AI und Menschen Hand in Hand arbeiten. Die AI übernimmt die eintönige Arbeit, etwa durch automatisierte Bilderkennung, und kann ohne Pause tausende Produkte nach Fehlern untersuchen. Die Mitarbeiter bewerten diese Fehler und leitet passende Maßnahmen ein.

Supply Chain Management:

  • (Absatz)Prognosen: Größere Mengen an relevanten Daten machen eine Datenbank und darauf basierende Analysen komplexer, doch die Prognosen werden durch das umfangreichere Lernmaterial zuverlässiger und entdecken neue Korrelationen in den Historiendaten. Das menschliche Gehirn ist schnell mit einer großen Menge an Daten überfordert, eine KI nicht.
  • Lagerverwaltung: Eine typische Methode zur Erhöhung der Produktverfügbarkeit ist die Erhöhung von Sicherheitsbeständen. Idealerweise gelingt dies auch bei der gleichzeitigen Reduzierung von Beständen. Der Einsatz von AI ermöglicht diesen vermeintlichen Widerspruch in die Realität umzusetzen. Sie hilft dabei, Nachschub, Warenbewegungen und Lagerhaltung zu optimieren.

Logistik:

  • Autonome Fahrzeuge: Diskussionen über selbstfahrende Fahrzeuge lenken die Aufmerksamkeit der breiten Öffentlichkeit auf das Thema künstliche Intelligenz. Während OEMs noch dabei sind, selbstfahrende Lkw und Pkw zu entwickeln oder zu testen, gewinnen Fahrerlose Transportfahrzeuge (FTF) in Unternehmen bereits an Bedeutung.
  • Tourenplanung: Die Routenoptimierung ist eine anspruchsvolle Aufgabe. Während ein Disponent nicht alle Informationen berücksichtigen kann, um die besten Routen zuzuordnen, ist eine KI in der Lage, Daten über Volumen, aktuelle Arbeitsbelastung, Ladung, Wetter usw. in Echtzeit zu analysieren und in die Routenplanen einfließen zu lassen. Danach wiederum liegt es bei dem Disponenten zu beurteilen, ob dies tatsächlich die beste Wahl ist.

HR:

  • Recruiting: Aktive-Sourcing-Lösungen analysieren mittels künstlicher Intelligenz Bewerbungsunterlagen, Online-Interaktionen und Social-Media-Aktivitäten im Rahmen der Datenschutzbestimmungen und ermitteln so, ob ein Bewerber dem Stellenprofil entspricht oder schlagen einen vielversprechenden Kandidaten vor. Die Treffsicherheit wird erhöht und Recruiting-Kosten minimiert. Dabei liefert KI nur Empfehlungen und Vorschläge, die Entscheidung trifft letztendlich der Mensch.
  • Workforce Management: In einer zunehmend vielseitigen Welt kann ein Dienstplaner unmöglich alle Informationen zu Mitarbeitern, Arbeitsrecht, und Betriebsvereinbarungen im Kopf verwalten, planen, geschweige denn optimieren. Künstliche Intelligenz fügt alle Daten zusammen, berücksichtigt Teilzeit, Fahrgemeinschaften, Urlaubsansprüche, Ruhezeiten und erstellt auf Basis dessen den optimalen Dienstplan und unterstützt den Planer darin, die wirklich beste Lösung für sein Unternehmen zu finden.

Fazit

Es gibt zahlreiche Beispiele wie der Einsatz künstlicher Intelligenz Unternehmen helfen kann, Prozesse und Entscheidungen zu optimieren. Alle diese Anwendungsgebiete haben eine entscheidende Gemeinsamkeit: Die künstliche Intelligenz unterstützt den Menschen. Es geht nicht darum die Menschliche Intelligenz zu ersetzen, sondern sie zu befähigen. Algorithmen dienen als Grundlage, um bessere Entscheidungen zu treffen, und ermöglichen den Menschen sich vermehrt auf wertgenerierende Aufgaben wie Unternehmenssteuerung und Innovationen zu konzentrieren.

Möchten auch Sie künstliche Intelligenz in Ihrem Unternehmen einsetzen und wissen nicht wie? Mehr dazu finden Sie in diesem Artikel.

 

 



Diese Beiträge könnten Sie auch interessieren

​​​​​​​Digital Decision Making – Die Kunst der optimierten Entscheidung

Lesen

Mit Value Engineering Artificial Intelligence sinnvoll im operativen Management einsetzen

Lesen

KFZ-Versicherungen im Jahr 2023 – Wie die Digitalisierung Risikomodelle beeinflusst

Lesen

Über den Autor

  • Daniela Werthes

    Daniela Werthes arbeitet seit 2017 bei Inform. Sie beschäftigt sich hauptsächlich mit der Frage wie Unternehmen mit Value Engineering und AI faktischen Nutzen im operativen Management realisieren können.

    Alle Beiträge dieses Autors

    Mehr über diesen Autor unter:

Unsere Autoren

Finden Sie alle unsere Autoren auf einen Blick!

Alle Autoren

Nach oben