Künstliche Intelligenz und Digitalisierung sind als Schlagworte in aller Munde – doch wann wird die digitale Welt eigentlich intelligent und was machen Unternehmen daraus? Im zweiten Teil unseres großen Sommerinterviews spricht Prof. Dr. Prof. h.c. Andreas Dengel, Geschäftsführender Direktor des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) Kaisers-lautern und Leiter des Forschungsbereichs Smarte Daten & Wissensdienste, über den Wert digitaler Ressourcen, die Nutzbarmachung öffentlicher Datenquellen und warum KI Systeme eigentlich Fachidioten sind.

Wie kann KI in Unternehmen eingesetzt werden?

Die KI ist eine Wissenschaft, die mit viel Mathematik arbeitet, die Sensordaten aus allen Perspektiven aufnimmt, das Internet als Plattform verwendet, um das Gemessene zu interpretieren und aus dem Gemessenen heraus entweder Handlungen empfiehlt oder Aktionen ableitet. Nehmen wir die Überwachung von Motoren. Hier kann es darum gehen, zu kontrollieren, ob ein Motor zu einem gewissen Zeitpunkt eine Anomalie aufweist. Es geht darum, festzustellen, dass dort eine Fehlfunktion vorliegt und warum diese auftritt. Dazu sucht ein System Korrelationen zwischen Datenströmen. Auf Grundlage der Ergebnisse, dass ganz bestimmte, atypische Korrelationsmuster auftauchen, wird man mit KI in der Lage sein, Anomalien vorherzusagen und restriktive Maßnahmen zu ergreifen.

Das heißt, man kann den Service verständigen, um den Motor zu warten,
bevor eine zu erwartende Fehlfunktion vorliegt.

Genau. Wenn man das in der Form schafft, kommt man zu dem Thema „predictive maintenance“, also vorausschauende Wartung, in der man KI-Systeme einsetzen kann, die so etwas machen. Wir haben heute Szenarien, wo wir 200 solcher Datenströme parallel messen, aufzeichnen und genau  Maßnahmen versuchen umzusetzen, um Fehlverhalten zu vermeiden.

Der Motor selbst ist eine analoge Maschine, deren Daten gemessen und digital weiter-verarbeitet werden. Ist Digitalisierung also eine Voraussetzung für KI – ist KI die Evolution der Digitalisierung?

Digitalisierung ist heute ein Thema, das kein Unternehmen unberücksichtigt lassen kann. Man muss nur aufpassen, dass man den Begriff in seiner Breite auch richtig wahrnimmt. Es geht hier nicht nur um die Transformation analoger Signale in eine digitale Form, sondern es geht darum, dass das, was digital vorhanden ist, nicht nur Daten sind, sondern Ressourcen, aus denen man Mehrwerte schöpfen kann. Das bedeutet, datenbasierte Geschäftsmodelle zu entwickeln, die sehr eigentlichen Geschäftsprozessen korrelieren. Das  Traditionsgeschäft und Datengeschäft sein, was man zusammengeführt zu einem ganz neuen Geschäftsmodell macht.

Sie haben bezüglich der Grenzen der KI einmal gesagt, dass ein KI-System nur in der Lage ist, zu tun, wofür es trainiert wurde. Manchmal kann es Ergebnisse eines fertig trainierten neuronalen Netzes auf eine neue Aufgabe übertragen, allerdings nur für die gleiche Art von Daten. Ist das denn schon Intelligenz?

Nehmen wir an, man hat einem System beigebracht, Verkehrsschilder zu analysieren. Das System ist trainiert, Schilder bei unterschiedlicher Beleuchtung, Perspektive oder Verschmutzungsgrad wiederzuerkennen, und kann das in einem Fahrzeug selbständig machen. Man hat also Merkmale aus dem visuellen Bereich trainiert, das heißt, das System kann damit nun keine Sprache übersetzen oder die Diagnose von Motoren vornehmen. Aber es kann Bilder in gewissem Umfang interpretieren. Bildprimitive wie Ecken und Kanten sind in allen Bildern gleich, und das System hat auch Formen wie Dreiecke, Sechsecke oder Kreise gelernt. Diese Merkmale kann man auch für andere Applikationen anwenden, wie zum Beispiel für die Erkennung von Firmenlogos. Durch das Transferlernen verringert sich der Trainingsaufwand. Aber die Netze bleiben sozusagen Fachidioten. Von alleine könnten sie nicht mit anderen Datentypen arbeiten.

Eine Wirtschaftszeitung hat zuletzt geschrieben, es gebe zu wenige Start-up-Unternehmen im Bereich KI und zu wenig Mut in Deutschland. Ist das auch Ihr Eindruck?

Das DFKI ist ein Hub für Start-ups, wir haben schon über 90 Start-ups aus dem DFKI heraus gegründet. Die Erfahrung der vergangenen 30 Jahre zeigt tatsächlich, dass Mut da ist, aber es liegen andere Rahmenbedingungen als in den USA vor. Dort werden Ideen viel schneller aufgegriffen. Das reicht von Investoren über Fördermaßnahmen bis hin zur beschleunigten Time-to-Market-Dauer. Diese Rahmenbedingungen und eine entsprechende Fehlerkultur gibt es bei uns nicht. Aber wir haben in den vergangenen Jahren im DFKI auch Modelle für Jungunternehmer entwickelt, mit denen wir vieles agiler bewerkstelligen können. Das betrifft beispielsweise das Teaming oder Partnermodelle mit Auftraggebern, um einen finanziellen Rückhalt zu generieren.

Wie ist Deutschland generell im internationalen Vergleich aufgestellt?

Deutschland verfügt historisch über sehr reichhaltige Datenschätze, wie sie in den Landesämtern und dem Bundesamt für Statistik oder bei den Leibniz-Instituten liegen. Die Länder haben schon sehr früh 3D-Geodaten als Open Source zur Verfügung gestellt. Viele Unternehmen wissen weder, was es an öffentlichen Datenquellen gibt, noch wo man sie finden kann. Doch diese öffentlich zugänglichen Daten können sie mit den eigenen Spezialdaten so veredeln, dass sie neue Geschäftsmodelle generieren, die raum-zeitliche oder saisonale Daten mitberücksichtigen. Hier gibt es neuerdings sehr intensive Bemühungen, eine Dateninfrastruktur in Deutschland zu schaffen oder sie als Datenlandkarte verfügbar zu machen.

Welche KI-Themen werden Sie in den kommenden Jahren beschäftigen – ist das in dem agilen Gebiet überhaupt absehbar?

Von den Themen her gesehen, ist das ziemlich mannigfaltig. Wir dringen in fast alle Anwendungsbereiche vor, die Nachfragen sind einfach da. Wir sind zunehmend unterwegs, mit den Unternehmen gemeinsam Optionen ein-zurichten, wie wir das Know-how aus dem DFKI auch in Unternehmensumfelder hineinbringen. Wir haben jetzt sogenannte Transfer-Labs am DFKI, wo Unternehmen auch Mitarbeiter für eine gewisse Zeit hierher entsenden, die hier durch gemeinsames Arbeiten im Rahmen von Projekten auch mit dazulernen und dann nach einer gewissen Zeit zurückgehen in die Unternehmen und das Wissen dort weitergeben. Da können grundsätzlich alle Unternehmen mitmachen. Wir haben auch über das Wirtschaftsministerium Rheinland-Pfalz ein Transfer-Lab-Konzept für Mittel-ständler entworfen und diskutieren gerade, wie wir das implementieren. Im Moment haben wir eine ganze Reihe von solchen Transfer-Labs mit großen Unternehmen, nicht nur deutschen, sondern auch japanischen, und wir sind da sehr stark im Aus- und Aufbau dieses Konzeptes.

Wie sieht es auf der wissenschaftlichen Seite aus – woran werden Sie forschen?

Von der wissenschaftlichen Seite aus gibt es einige Trends, die wir absehen können. Das ist lernender Systeme.
Daten aus einer Produktionslinie entstehen zwar im Zusammenhang mit der Produktion bestimmter Güter, sie entstehen aber auch im Kontext von Raum und Zeit, zum Beispiel in einer Saison zu einer bestimmten Tageszeit, im Rahmen einer Schicht und unter bestimmten Wetterbedingungen. Das heißt, die Luftfeuchtigkeit oder die Sonnen-einstrahlung auf die Dächer der Fabrikationsanlagen könnte eine beeinflussende Rolle spielen. Und solche Daten, wie sie aus einer Produktionslinie kommen, in den Kontext solcher raum-zeitlichen Aspekte wie Umgebungs-parameter zu setzen, ist eine Tendenz, um besser zu verstehen, wie diese Daten letztendlich im Zusammenhang wirken.

stock.adobe.com – Alexander Limbach