Branchen-Report: Echte Business-Vorteile durch KI generieren

Wegen der hohen Investitionsvolumina, die notwendig sind, experimentieren vor allem große Handelsketten wie Rewe und Penny mit Künstlicher Intelligenz.

„Für den Handel und die Rewe Group ist Künstliche Intelligenz (KI) längst nicht neu“, sagt Christoph Eltze, Chief Digital and Technology Officer (CDTO). Er ist im Vorstand der Rewe Group für technische Innovationen verantwortlich. So hat sich der Handelsriese bereits seit Jahren mit den Chancen und Risiken von Künstlicher Intelligenz beschäftigt. „Als eines der ersten Unternehmen im Handel haben wir ein KI-Manifest veröffentlicht, das konkrete Handlungsempfehlungen für unsere Developer bei der Entwicklung und Nutzung entsprechender Anwendungen liefert.“ Doch auch bei der praxisnahen Anwendung von KI will das Kölner Unternehmen ganz vorne mitspielen.

Computer Vision (maschinelles Sehen) untersucht durch intelligente Kameratechnik die Laufwege der Kunden. So werden die Effizienz der Verkaufsfläche errechnet, das individuelle Kaufverhalten analysiert und sogar Diebstähle erkannt.

Smart Shelf – mit Sensoren und Kameras ausgestattete Regale – erfassen mit KI in Echtzeit den Bestand und Kundeninteraktion. So kann KI durch automatisierte Bestandsmeldungen auch Out-of-stock-Situationen verhindern. Droht der Ausverkauf eines Produktes, wird rechtzeitig Alarm geschlagen. Auch wenn Produkte ungünstig im Regal platziert sind, läutet das KI-System die Alarmglocke.

Mehr Informationen: Handel steht vor dem KI-Wandel

Künstliche Intelligenz (KI) verändert die Prozesse in der Modebranche. Digitale Abbildungen ersetzen menschliche Models. Kunden designen und bestellen Bekleidung mit selbst entworfenen Motiven.

In der schnelllebigen Fashionbranche bahnen sich weitreichende neue Entwicklungen an. „Es ist tatsächlich so, dass wir uns gerade inmitten einer Wissensrevolution befinden, was die Modebranche betrifft“, hat Prof. Ingo Rollwagen von der AMD Akademie Mode & Design in Berlin beobachtet. Der Branchenexperte erkennt eine tiefgreifende Veränderung. Sie umfasst so gut wie alle Bereiche vom Design über die Kollektionsentwicklung, Beschaffung und Fertigung der Kleidung bis hin zu Marketing, Vertrieb und dem Kauf von Kleidung durch den elektronischen Handel – „die teilweise alle durch KI beeinflusst werden.“

Besonders auffällig sind die KI-Innovationen in den Werbeauftritten der Unternehmen. Das spanische Modeunternehmen Mango machte mit einer bemerkungswerten Kampagne für seine Sommermode auf sich aufmerksam. Die vorgeführte Bekleidung war echt, aber das Model eine KI-Kreation – und die digitale Abbildung ließ sich kaum von einer realen Person unterscheiden.

Quelle: KI peppt Modebranche auf

Wie passen eine hessische Traditionswurst und Künstliche Intelligenz zusammen? Überraschend gut! Die Lebensmittelbranche wird zunehmend digitalisiert, und KI spielt dabei eine zentrale Rolle. Von der Optimierung des Reifeprozesses bis hin zur Reduktion von Lebensmittelverschwendung –KI kann die Qualität und Effizienz in der Produktion revolutionieren. Ein faszinierendes Beispiel: Die „Ahle Wurst“, deren traditioneller Herstellungsprozess mit moderner Technologie verfeinert wird.

Per Sensor werden dabei Informationen über Raumtemperatur, Luftfeuchtigkeit oder den PH-Wert der Würste gesammelt und an einen zentralen Rechner übermittelt. Ein Programm errechnet zielgenau die nächsten Schritte. Mit Hilfe dieser Vorgaben greift das Personal in den Reifungsprozess ein. Rückmeldungen werden anschließend ins System eingegeben und verarbeitet. Auf diese Weise lernt die KI dazu.

Ähnlich verfährt auch der Schweizer Lebensmittelkonzern Nestlé in seinem rheinhessischen Werk in Osthofen. Hier sorgt die Deep-Learning-Software “dStudio” der Sick AG für klare Verhältnisse in der Qualitätskontrolle, im Unternehmensbereich „Health Science“. Die dort hergestellten Dosen einer Trink- und Aufbaunahrung nimmt die KI unter die Lupe. Vor der Befüllung der Behälter kommt ein Dosierlöffel für einfache und genaue Portionierung hinzu. Bei der Qualitätskontrolle wird jede einzelne Dose geprüft, ob tatsächlich ein Löffel vorhanden ist.

Quelle: Food & Beverage: Wenn es bei KI um die Wurst geht

Künstliche Intelligenz (KI) hilft dem produzierenden Gewerbe, seine Prozesse zu verbessern, die Produktivität zu steigern und eine zuvor kaum erreichbare Effizienz zu erreichen.

Wie das in einem konkreten Business-Szenario aussehen kann, führt die Produktionsplanungs-Software eines spezialisierten Herstellers von Vakuumtechnik vor. Das Unternehmen verwaltet 1.200 Aufträge und verfügt über einen Planungszeitraum von sechs Monaten. KI berechnet den kompletten Produktionsplan mit insgesamt 28.000 Einzelschritten auf 700 Produktionsmaschinen, was auf einem Standard-PC knapp 60 Minuten dauert. Im Vergleich zur manuellen Planung verringert sich dadurch der Zeitaufwand um rund die Hälfte.

Ein Beispiel für den lernenden KI-Einsatz bei Fertigungsmaschinen ist die Entsorgung von Spänen. Späne entstehen durch Abrieb bei der Bearbeitung vor Werkstücken und sind eine häufige Ursache für Maschinenstillstände und Störungen. Der AI Chip Removal von DMG MORI analysiert die Spanmenge mithilfe Künstlicher Intelligenz und sorgt anschließend automatisch für deren Entsorgung.

Verwendet werden dafür zwei hochauflösende Kameras im Inneren der Maschine, die Aufnahmen des Arbeitsraumes liefern. Anhand dieser Bilder analysiert das System das Spanvolumen, um schließlich die optimale Reinigungsmethode einzusetzen. Die Kühlmitteldüsen passen sich automatisch an die Position der Späne an und gewährleisten auf diese Weise eine möglichst rasche Spanentsorgung.

Quelle: KI in der Produktion – wenn die Späne fliegen

Die Automobilbranche steht vor neuen Herausforderungen. „Dazu gehören neue Antriebstechnologien, komplexer zu verarbeitende Werkstoffe aus dem Leichtbau und eine Flexibilisierung der Produktion“, steht für Prof. Dr. Alexander Schiendorfer von der Technischen Hochschule Ingolstadt fest. Sein Lehrgebiet ist die KI-basierte Optimierung in der Automobilproduktion.

„Software-Werkzeuge aus der künstlichen Intelligenz erreichen einen immer höheren Reifegrad“, sagt der KI-Experte. So lassen sich durch KI, unterstützt durch relevante Daten, zahlreiche bislang nur durch Menschenhand machbare Routinetätigkeiten ausführen oder ganz automatisieren.

Als Lohn der Mühe winkt eine effiziente und ressourcenschonende Automobil-Produktion. Besonders geeignete Anwendungen findet Schiendorfer in der KI-gestützten Prognose von Ausschussteilen, der automatisierten Fehlerdiagnose oder in der optimierten Steuerung ganzer Fertigungsprozesse.

Tatsächlich ist die intelligente Prozessüberwachung in der Fertigung, etwa bei der qualitätssteigernden Vorhersage von Ausschussteilen oder in der vorausschauenden Wartung (predictive maintenance) eines der wichtigsten Themen, mit denen sich KI-Experten in der Forschung beschäftigen und die in der Automobilindustrie erprobt werden. Smarte vorausschauende Wartung reduziert Ausfallszeiten von Produktionsmaschinen auf nahezu Null und führt im Ergebnis zu besseren Abläufen und zufriedeneren Kunden.

Quelle: KI bei BMW und Audi: Autos melden Fehler in der Fertigung

In der Medizin steht der große Durchbruch der KI bevor. Allein in Deutschland sollen die KI-Anwendungen in den Kliniken und Krankenhäusern bis 2030 eine Verbesserung der Behandlungsqualität um 30 Prozent und eine Kostensenkung um 20 Prozent ermöglichen, wie PricewaterhouseCoopers für die stationäre Gesundheitsversorgung vorhersagt. Durch KI und Robotik sei bis zum Jahr 2026 weltweit gar mit einer Einsparung von rund 150 Milliarden US-Dollar in der Gesundheitsbranche zu rechnen, prognostiziert eine Studie von Accenture.

Ein gelungenes Beispiel für verbesserte Behandlungstechniken in der Medizin ist die Bildanalyse. In großen Krebsbehandlungszentren verwenden Strahlentherapeuten bei der Markierung von Tumorgewebe bereits KI- Algorithmen. Mit dieser Methode versucht die KI-Expertin Lena Maier-Hein mithilfe spezieller Spektralkamera-Daten die Durchblutung von Gewebe zu messen, es zu charakterisieren und zu differenzieren. Das schafft die eingesetzte Technik weitaus präziser, als es dem menschlichen Auge jemals gelingen könnte. Maier-Hein ist Professorin für computergestützte medizinische Eingriffe mit Schwerpunkt auf chirurgische Datenwissenschaft und Computergestützter Biophotonik am Deutschen Krebsforschungszentrum (DKFZ). Schon bald werden die Ergebnisse zu einer deutlichen Verbesserung der Krebsdiagnostik beitragen.

Vielversprechend sind außerdem die Ergebnisse eines Versuchs an der University of Leeds. Die Forscher haben ein KI-System mit Retina-Scans und zusätzlichen Metadaten trainiert, um an Veränderungen der Netzhaut mögliche Erkrankungen des Herzens zu erkennen.

Werden wir mithilfe von KI schneller gesund oder in Zukunft gar nicht mehr krank?

Quelle: Schneller gesund: KI hilft gegen Krebs

KI hilft Führungskräften, erfolgreichere Geschäftsentscheidungen zu treffen. Sie macht aus Zahlen nützliche Insights, bündelt operative Daten zu strategischen Aussagen.

Schon bald unterstützten smarte digitale KI-Assistenten das Management eines Unternehmens. „Künstliche Intelligenz wird bestimmte Aufgaben von Führungskräften übernehmen. Gerade die Entscheidungsfindung ist eine wesentliche Aufgabe von Führungskräften, und diese Entscheidungen basieren in den meisten Fällen auf einer Auswertung und Analyse von Daten und Informationen“, betont Prof. Dr. Tobias Kollmann, Inhaber des Lehrstuhls für Digital Business und Digital Entrepreneurship an der Universität Duisburg-Essen.

„Die hohe Akzeptanz von Künstlicher Intelligenz auf der obersten Leitungsebene ist erstaunlich“, sagt Andreas Renner, Akademischer Direktor der Steinbeis Augsburg Business School. Ein knappes Drittel der obersten Entscheidungsträger erwartet sogar, dass von der KI-Meinung abweichende Entscheidungen begründet werden sollten. Dies sei Shareholdern und staatlichen Stellen gegenüber offenzulegen.

Die Einführung von KI geschieht in vier Schritten mithilfe eines Reifegradmodells. Das Modell bestimmt den aktuellen Entwicklungsstand eines Unternehmensbereichs und beschreibt einen Pfad von der niedrigen bis zur höchsten Stufe. Auf diese Weise sollen nach und nach potenzielle Anwendungs- und Optimierungsbereiche erkannt werden.

Quelle: Besser entscheiden: Smarte KI für Manager