Kleinen und mittleren Unternehmen fehlt oft die Expertise, um Künstliche Intelligenz (KI) nutzen zu können. Dabei kann diese Zukunftstechnologie helfen, Produktionsabläufe zu optimieren und Geld zu sparen. Sie können dann zwar die nötigen Daten sammeln, scheitern jedoch oft an deren Analyse. Hier können große Cloud-Anbieter wie AWS
, Google
, IBM
und Microsoft
helfen. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern - sogenannte 'Machine-Learning-as-a-Service-Plattformen'. Ohne große Erfahrung können so auch kleinere Unternehmen in die Künstliche Intelligenz einsteigen und sich Modelle entwickeln lassen, die etwa fehlerhafte Werkstücke automatisch erkennen.
AWS, Google, IBM und Microsoft im Vergleich
Die Stuttgarter
Fraunhofer-Institute für Produktionstechnik und Automatisierung IPA
und für
Arbeitswirtschaft und Organisation IAO
haben die Ansätze der vier größten Anbieter - AWS, Google, IBM und Microsoft - miteinander verglichen und untersucht, welche Plattform für welche Aufgabe geeignet ist. Sie setzten Lösungen für vier Anwendungsfälle um, die in der Praxis häufig vorkommen und vier Kategorien von Daten umfassen: Tabellarische Daten, Text-, Bild- und Zeitreihendaten:
- Kundenabwanderung: Für Hotels ist es vorteilhaft, frühzeitig zu wissen, bei welchen Gästen eine Stornierung droht. Möglicherweise steckt in den tabellarischen Buchungsdaten bereits ein Hinweis. KI kann ihn aufspüren und einen entsprechenden Algorithmus entwickeln.
- Textkategorisierung: Texte können verschiedenen Sparten zugewiesen werden, etwa Kultur, Sport und Politik. So kann zum Beispiel eine Presseagentur automatisch ein Archiv pflegen.
- Bilderkennung: Bei der Produktion spielt die Bildanalyse eine wichtige Rolle. So lassen sich mit Kamerasystemen Defekte auf dem Werkstück feststellen. KI hilft dabei, diese Kontrolle zu automatisieren. Aus einer Vielzahl mit Metadaten versehener, sogenannter annotierter Bilder lernt die KI, Fehler zu erkennen.
- Werkzeugabnutzung: Einen Fräskopf zum richtigen Zeitpunkt auszutauschen, spart Geld. Wer zu früh eingreift, verschenkt Material, wer zu spät eingreift, riskiert einen langen Stillstand der Produktion. KI lernt, die Zeitreihendaten von Vibrationen und Stromverbrauch zu deuten, um den Zustand des Fräskopfs richtig abzuschätzen.
In der Regel gelte für KI-Lösungen: Je mehr Daten zur Verfügung stehen und umso besser die Qualität der Daten ist, desto zuverlässiger arbeitet das gewonnene Modell. Beim Vergleich der Plattformen haben die Fraunhofer-Wissenschaftler stets den zugänglichsten Lösungsweg gewählt. Dabei mussten oft lediglich die Datensätze hochgeladen und mit einer Annotation versehen werden: Bei der Bildverarbeitung hieße das etwa, jedes Bild mit dem Zusatz korrekt oder fehlerhaft zu versehen. Die Plattform lieferte dann das gewünschte Modell samt der Vorhersagegenauigkeit.
Kein tiefes Fachwissen nötig
Ergebnisse: Die Fraunhofer-Studie hat ergeben, dass die Lösungen aller Anbieter Stärken aufzeigen und kein tiefes Fachwissen voraussetzen. Manche Plattformen lassen sich intuitiver bedienen als andere. Auch laufen manche KI-Modelle nur auf der Cloud des Anbieters, andere können auch exportiert und auf unternehmenseigenen Servern installiert werden. Die genauen Ergebnisse liefert die Studie
'Cloudbasierte KI-Plattformen - Chancen und Grenzen von Diensten für Machine Learning as a Service'
.