KI-AGIL: Künstliche Intelligenz durch agile Arbeitsformen für Betriebe erschließen Montag, 14. März 2022

Forschung ist für unsere Hochschule in Ergänzung zur praxisorientierten Lehre profilbildend. Als Innovationstreiber für die Hochschulregion werden so Brücken zwischen Forschung, Lehre und Praxis geschlagen. Ein Beispiel ist das binationale Forschungs- und Entwicklungsprojekt KI-AGIL des Instituts für Duale Studiengänge (IDS) am Campus Lingen und der Hanzehogeschool Groningen, welches im Rahmen des INTERREG-Programms gefördert wird. Das Projekt wurde von Prof. Dr.-Ing. Wolfgang Arens-Fischer ins Leben gerufen, welcher auf deutscher Seite durch Prof. Dr. Ralf Buschermöhle, Experte für KI, und Markus Feld, wissenschaftlicher Mitarbeiter und Programm Manager, unterstützt wird. Im Interview gewährt Markus Feld spannende Einblicke in das Projekt.

Womit beschäftigt sich das Projekt KI-AGIL? Was sind die Ziele des Projektes?

Feld: Wir erforschen, wie für kleine und mittelständische Unternehmen (KMUs) in der deutsch-niederländischen Grenzregion KI-Technologien erschlossen werden können. Wir sehen, dass sich viele KMUs bisher noch nicht intensiv mit dem Thema KI auseinandergesetzt haben. Aus diesem Grund ist das Ziel des Projektes, KMUs an das Thema heranzuführen, sodass diese daraufhin eigene KI-Lösungen für ihr Unternehmen entwickeln können. Exemplarisch werden im Rahmen von KI-AGIL aktuell sechs KMUs der Grenzregion darin unterstützt, KI in ihre Geschäftsfelder zu implementieren. Zudem werden weitere Betriebe zu den Möglichkeiten der KI-Nutzung beraten.

Was ist für Sie das Besondere am Projekt KI-AGIL?

Feld: Das Projekt gliedert sich in sechs Teilprojekte, die jeweils eigene Anwendungsgebiete der KI aufgreifen und entsprechende spezifische Methoden und Konzepte der KI für die Erarbeitung von Lösungsansätzen aufgreifen. Dazu tauschen sich die KI-Experten der Teilprojektgruppen intensiv miteinander aus. Das ist sehr interessant, weil alle Beteiligten auf diese Weise einen Eindruck davon erhalten, vor welchen Herausforderungen die anderen stehen und wie diese damit umgehen. Das Spannende dabei ist, dass die Unternehmen aus den unterschiedlichen Anwendungsfeldern häufig mit ähnlichen Fragen und Hindernissen bei der Nutzung von KI konfrontiert sind, aber unterschiedliche Lösungswege umsetzen. In den Meetings können die KI-Experten und die Unternehmen ihre Erfahrungen teilen, sich gegenseitig Ratschläge geben und voneinander lernen. Der grenzüberschreitende Austausch schafft so einen Mehrwehrt für alle Beteiligten.

Das Projekt KI-AGIL gilt als Folgeprojekt von ID3AS. Inwiefern baut KI-AGIL auf dem Projekt ID3AS auf?

Feld: Das Projekt ID3AS setzte sich primär mit dem Thema Sensortechnologie auseinander. Dabei ging es zum einen um die Erfassung und zum anderen um die Verarbeitung von Sensordaten. Hierbei spielten intelligente Sensorsysteme vermehrt eine zentrale Rolle, woraus sich der Ansporn entwickelte, sich intensiver mit dem Thema KI auseinanderzusetzen. Mittels KI können die durch moderne Sensorik gewonnenen Daten analysiert werden, um daraus neue relevante Informationen zu gewinnen, weshalb hier eine Verbindung zwischen den beiden Projekten besteht. Dennoch handelt es sich um zwei eigenständige Projekte, die verschiedene Projektziele verfolgen.

Welchen Vorteil haben KI-basierende Technologien im Gegensatz zu bisherigen Auswertungssystemen?

Feld: Solange wir mit strukturierten Daten arbeiten, lassen sich diese gut mit den klassischen Methoden verarbeiten. In der Realität ist es allerdings so, dass ein Großteil der anfallenden Daten zunächst unstrukturiert vorliegt. Das Resultat ist, dass solche Daten wenig bis gar nicht von Unternehmen ausgewertet werden. Dabei haben diese Daten oft ein großes Potenzial. Ich beziehe das Ganze jetzt einmal beispielhaft auf Sensordaten. Ein moderner Maschinenpark ist in der Regel mit vielen Sensoren ausgerüstet, die eine Reihe von unterschiedlichen Sensordaten liefern, die zunächst einmal nicht erkennbar miteinander in Beziehung stehen müssen. KI-Technologien ermöglichen nun die Analyse dieser in Summe unstrukturierten Datenmengen. Auf diese Weise können bisher unbekannte Beziehungen zwischen den Daten erkannt werden und damit z. B. neue Erkenntnisse zum Zustand der Maschinen gewonnen werden. So können beispielsweise die Maschinen effizienter und damit kostensparender betrieben werden. Gerade in großen und komplexen Datenmengen können mittels KI so auch Beziehungen identifiziert werden, die sich mit klassischen Auswertungssystemen gar nicht erfassen ließen.

Häufig fällt im Zusammenhang mit KI auch der Begriff maschinelles Lernen. Was verbirgt sich hinter diesem Begriff?

Feld: Generell gibt es viele verschiedene Arten von KI. Maschinelles Lernen ist eine davon und zugleich die Unterart, bei der derzeit das stärkste Wachstum zu beobachten ist. Wenn Sie heutzutage in der Presse etwas über neue Errungenschaften in der KI lesen, wird es sich mit sehr großer Wahrscheinlichkeit um den Teilbereich des maschinellen Lernens handeln. Beim maschinellen Lernen geht es darum, wie der Name bereits impliziert, dass die Maschine – also der Computer – selbstständig erlernt, wie er gewisse Aufgaben zu lösen hat. Das Ganze hat dann tatsächlich mehr mit Lernen als mit Programmieren im klassischen Sinne zu tun. An der Technik überwachtes Lernen lässt sich der Prozess sehr plastisch darstellen. Beim überwachten Lernen lernt die KI anhand von Beispielen. So kann z. B. eine KI darauf trainiert werden, Objekte in Bildern zu erkennen, – z. B. ein gewisses Tier. Dabei werden der KI viele verschiedene Bilder gezeigt, zusammen mit der Information, welches Tier auf dem Bild abgebildet ist: „Dieses Bild zeigt einen Hund, dieses Bild zeigt eine Katze, dieses auch einen Hund, dieses wieder eine Katze usw.“. Weitere Informationen, z. B. wo auf dem Bild der Hund oder die Katze zu sehen ist und wie sich Hund und Katze voneinander unterscheiden lassen, erhält die KI nicht. Stattdessen versucht die KI, selbstständig Regeln und Muster abzuleiten, die ihr die Erkennung des Tieres erlauben. Dies gelingt der KI umso besser, je mehr Beispiele sie erhält und je mehr Trainingszyklen sie durchläuft. Im Grunde genommen lernt die KI also genauso wie wir Menschen. Das Schöne dabei ist, dass man als Programmierer*in nicht mehr selbst den Lösungsweg programmieren muss. Die selbstlernende KI eröffnet somit neue Möglichkeiten. Die Objekterkennung in Bildern ist natürlich nur ein Beispiel von vielen. Ein praktischer Anwendungsfall im Unternehmen könnte unter anderem die Erkennung defekter Bauteile im Produktionsprozess sein. Selbstverständlich ist das maschinelle Lernen aber nicht auf die Bildverarbeitung beschränkt, sondern kann auf jede Form von Daten angewendet werden, wie z. B. Sensordaten, Textdaten usw.

In welchen Bereichen in der Wirtschaft und Gesellschaft findet KI bereits Anwendung?

Feld: KI ist eigentlich in allen Bereichen auf dem Vormarsch – angefangen bei den großen Themen wie z. B. dem selbstfahrenden Auto, über digitale Helferlein im Alltag wie Siri, Alexa und Co., bis hin zu Algorithmen bei Online-Anbietern, die auf Basis unseres bisherigen Kauf- und Suchverhaltens personalisierte Kaufempfehlungen generieren. In der Wirtschaft wird vermehrt versucht, Prozesse mit KI zu analysieren und zu optimieren. Mithilfe von KI lassen sich so z. B. auch potenzielle Störungen an den Maschinen erkennen, bevor diese eintreten, sodass frühzeitig auf diese reagiert werden kann. Das bezeichnet man auch als Predictive Maintenance, welches innerhalb der produzierenden Industrie sicher ein wesentliches Anwendungsfeld von KI ist.

In welchen Einsatzfeldern kann KI zukünftig in der Praxis angewendet werden? Wo gibt es Entwicklungsmöglichkeiten?

Feld: Ich glaube, dass es da kaum Grenzen gibt und dass die Entwicklung gerade erst dabei ist, richtig Fahrt aufzunehmen. Eigentlich kann man nahezu in jedem Bereich der Wirtschaft sowie auch des alltäglichen Lebens Anwendungsfälle für KI finden. Ob die Anwendung immer gut und sinnvoll ist, gilt es dann natürlich abzuwägen – Stichwort Ethik und Datenschutz. Generell bin ich mir aber sicher, dass es im Bereich KI viele Entwicklungen geben wird. Auch bei den eben angesprochenen Beispielen, ist noch sehr viel Verbesserungspotenzial vorhanden, z. B. im Bereich autonomes Fahren oder im Bereich Sprachverständnis. Hier wird sich in den nächsten Jahren sicherlich noch einiges tun.

Sie haben gerade angesprochen, dass mit dem Thema KI stets ethische Herausforderungen einhergehen. Welche Bemühungen verfolgt das Projektteam, um eine ethische und moralische Nutzung von KI zu gewährleisten?

Feld: Grundsätzlich spielt das Thema Ethik, wenn man sich mit KI-Technologien befasst, eine wichtige Rolle – auch wenn wir in unseren Projekten derzeit keine hochsensiblen Bereiche bearbeiten. Wir arbeiten weder mit Maschinen, die zu einer Gefahr werden können, wenn die KI eine falsche Entscheidung trifft, noch mit personenbezogenen Daten, sondern größtenteils mit Sensordaten, die hier als unkritisch einzustufen sind. Trotzdem beschäftigen wir uns im Projekt KI-AGIL mit der ethischen Nutzung von KI: Manchmal muss man auch den Blick über die unmittelbare Datennutzung herausheben, um ethische Bezüge erkennen zu können. Wir gehen sogar so weit, dass wir einen Leitfaden entwickeln, an dem sich die Unternehmen bei der Implementierung von KI-Technologien orientieren können. Dieser Leitfaden greift auch ethische Aspekte auf.

Was sind die Voraussetzungen für eine erfolgreiche Implementierung von KI-Methoden/-Technologien?

Feld: Grundsätzlich ist es so, dass erst einmal ein Verständnis dafür erlangt werden muss, was KI überhaupt ist. Wir arbeiten in unserem Forschungsprojekt zum Beispiel mit KMUs zusammen, die vorher wenig Berührungspunkte mit dem Thema KI hatten. Zunächst galt es also, diese darüber zu informieren, was sich hinter dem Begriff KI verbirgt, was maschinelles Lernen ist und welche verschiedenen Verfahren es gibt. Nicht jede Problemstellung lässt sich mit dem gleichen Verfahren lösen. Wie wir am Beispiel der Bilderkennung gesehen haben, benötigen wir für das überwachte Lernen geeignete Trainingsbeispiele – wir sprechen in diesem Zusammenhang von gelabelten Daten. Im Beispiel waren dies die Bilder (Daten) zusammen mit der Information, welches Tier auf den Bildern zu sehen ist (Label). Es gibt aber auch Fälle, wo keine gelabelten Daten verfügbar sind. In diesem Fall muss auf andere KI-Lernverfahren zurückgegriffen werden, wie z. B. das unüberwachte Lernen. Die Verfügbarkeit von Daten bestimmt also sehr stark, welches Verfahren einsetzbar ist und was möglich ist. Um KI erfolgreich implementieren zu können, muss also ein gewisses Grundverständnis dafür vorliegen, wann welches Verfahren sinnvoll eingesetzt werden kann. Mit diesem Grundverständnis wollen wir auch eine höhere Akzeptanz für KI-Technologien im Unternehmen schaffen. Es ist wesentlich, dass man die grundlegenden Funktionsweisen von KI versteht, um Chancen und Risiken dieser Technologie richtig einschätzen zu können.

Inwiefern spielen agile Arbeitsformen dabei eine Rolle?

Feld: Agile Methoden stellen nicht unbedingt eine Voraussetzung für die Implementierung von KI-Methoden dar, aber das Projekt trägt natürlich nicht ohne Grund den Titel KI-AGIL. Da viele Unternehmen beim Thema KI in Neuland vordringen, ist eine agile Vorgehensweise definitiv ratsam. Agil vorzugehen bietet die Möglichkeit, zu Beginn zunächst mit einer Produktvision oder einer Idee des Anwendungsfalls zu starten und sich dieser dann kleinschrittig anzunähern. So können sich die Unternehmen Schritt für Schritt in das unbekannte Terrain einarbeiten und aus jedem Fortschritt Erkenntnisse erlangen, die wiederum für das weitere Vorgehen von Nutzen sind. Wir können jetzt im Projekt feststellen, dass durch diese Rückkopplungen nicht nur das Verständnis von KI, sondern auch die Technologieakzeptanz und darüber hinaus das Verständnis des eigentlichen Problems verbessert wird.

Wie gelangt das Wissen über die neue Technologie und die damit einhergehenden Themenfelder in die Betriebe? Wie wird die Theorie in die Praxis transferiert?

Feld: Im Projekt gehen wir so vor, dass die teilnehmenden Betriebe zu Beginn eine Grundschulung über das Thema KI von uns erhalten, um im nächsten Schritt gemeinsam den eigentlichen Kern des Problems und mögliche Anwendungsfelder für die KI identifizieren zu können. Das Ziel liegt zunächst also vor allem darin, Verständnis dafür aufzubauen, was überhaupt möglich ist und was nicht. Relativ häufig treffen wir auf zwei verschiedene extreme Ansichten: Es gibt die eine Seite, die der Meinung ist, dass die KI eine Black Box sei, die schlaue Antworten liefere, für die man quasi nichts machen müsse – frei nach dem Motto: „KI kann alles“ – und dann gibt es die andere Seite, die KI für so hochkomplex hält, dass sie keine Einsatzmöglichkeiten in ihrem kleinen oder mittelständischen Unternehmen sieht. Beide Ansichten sind falsch. Aus diesem Grund besteht der erste Schritt darin, den Unternehmen die Möglichkeiten sowie die Grenzen von KI aufzuzeigen. In der Folge wird die KI auf die ausgewählten Anwendungsfälle des jeweiligen Unternehmens vertiefend angewendet und es werden unterschiedlichste Methoden entwickelt. Diese finden natürlich auch Eingang in unsere dualen Studiengänge. Da die dual Studierenden auch immer Mitglieder in Unternehmen sind, tragen sie so diese Methoden auch in ihre Betriebe.

Was kommt als Nächstes? Was folgt auf das Projekt KI-AGIL? Gibt es Schnittmengen zu weiteren Projekten?

Feld: Wir befinden uns derzeit noch mitten in der Bearbeitungsphase, aber natürlich überlegen wir schon, wie folgende Projekte aussehen könnten. Kern wird auf jeden Fall weiterhin die enge Zusammenarbeit mit Unternehmen bleiben, denn hier gibt es einen hohen Bedarf, von dem zu erwarten ist, dass er weiter zunimmt. Insofern wird sich unser nächstes KI Projekt damit beschäftigen, Methoden und Verfahren der KI weiterzuentwickeln und an den unterschiedlichsten Anwendungsfeldern der Unternehmen zu erproben.

Am 22.03. findet im Rahmen von NetzwerkING ein Impulsvortrag zu KI-AGIL statt. Einen Monat später, am 26.04., folgt der zugehörige, vertiefende Workshop. Interessierte Unternehmensvertreter*innen können an dem Vortrag oder/und am Workshop teilnehmen. Schreiben Sie dazu bitte an w.arens-fischer@hs-osnabrueck.de.