KI in der Praxis - Anwendungsbeispiele aus dem echten Leben

0 Kommentare  
13805 Aufrufe  

Künstliche Intelligenz und maschinelles Lernen haben in den vergangenen Jahren eine enorme Entwicklung durchlaufen und sind heute aus Gesellschaft, Wissenschaft und Industrie nicht mehr wegzudenken. Anwendungsfälle gibt es in nahezu jedem Bereich des Lebens – von der Medizin über die öffentliche Sicherheit, Verkehr, Transport und Logistik bis hin zu Fertigung, Wartung, Service und Support. Allein im Lösungskatalog der Intel AI Builders Community sind über 140 Lösungen zu finden.

Vielen Unternehmen fällt es jedoch schwer, konkrete Anwendungsmöglichkeiten in der eigenen Organisation zu finden. Dabei gibt es in fast allen Bereichen Anknüpfungspunkte, wie die folgenden Beispiele zeigen.

 

Kundenkommunikation

Eine individuelle Kundenansprache über alle Touchpoints und Kanäle hinweg ist heute ein wesentlicher Erfolgsfaktor. Vor allem die jüngere Zielgruppe unter 30 schätzt die persönliche Beratung auch über digitale Angebote, wie eine Umfrage von PwC zeigt. Dabei kann KI unter anderem in folgenden Bereichen helfen:

  • Chatbots. Automatische Dialogsysteme unterstützen Kundenberater und Service-Personal bei ihrer Arbeit. Sie sind rund um die Uhr verfügbar, um Kundenfragen zu Produkten zu beantworten, Bestellungen aufzunehmen oder bei der Lösung von Bedienungsproblemen zu helfen. Traditionelle regelbasierte Bot-Systeme sind jedoch sehr starr und stoßen schnell an Grenzen. Entspricht beispielsweise die Eingabe des menschlichen Dialogpartners nicht exakt einem vorgegebenen Muster, schlägt die Konversation fehl. Das Gespräch muss beendet oder an einen menschlichen Ansprechpartner übergeben werden. Intelligente KI-basierte Sprachassistenten sind dagegen nicht nur in der Lage, natürliche Sprache zu verstehen und zu verarbeiten (Natural Language Understanding / Processing, NLU / NLP), sondern auch die Absicht (Intent) des Gesprächspartners zu erkennen. Je nachdem, ob dieser beispielsweise eine Information benötigt, etwas bestellen oder umtauschen will, verzweigt der KI-Bot in die richtigen Dialoge, recherchiert die notwendigen Informationen und gibt sie an den Kunden weiter. Intelligente Chatbots können daher einen viel größeren Teil der Konversationen eigenständig abschließen als rein regelbasierte. Das entlastet nicht nur das menschliche Personal, es führt auch zu mehr Kundenzufriedenheit.
  • Dateneingabe und -verwaltung. Nahezu alle Unternehmen erfassen und aktualisieren Kundendaten wie Namens- und Adressänderungen, Konto- und Zählerstände oder Bankverbindungen. Die manuelle Verarbeitung dieser Informationen, die per E-Mail, Brief oder Telefonanruf eintreffen, ist sehr aufwendig und skaliert nicht. Zu Spitzenzeiten, etwa bei turnusmäßigen Abrechnungen, sind lange Wartezeiten oder zusätzliche Aufwände für Aushilfspersonal die Folge. Mithilfe von KI lassen sich eingehende Dokumente oder Sprachaufnahmen automatisiert auf relevante Informationen durchsuchen. Die Daten werden ohne oder mit minimalen menschlichen Eingriffen erkannt und in die Backend-Systeme überführt. Ein Zahlenbeispiel soll das enorme Einsparpotenzial verdeutlichen, das eine solche automatisierte Datenverarbeitung mit sich bringen kann: Bei einer durchschnittlichen Bearbeitungszeit von sechs bis acht Minuten pro Schreiben und einer Automatisierungsrate zwischen 20 Prozent und 40 Prozent lassen sich bei einer Million Kundenkontakte pro Jahr mehr als 2.500 Manntage an Arbeit einsparen!

 

Produktion

Ziel der modernen Fertigung ist es, Produkte in höchster Qualität, schnell, kostengünstig und individualisiert anbieten zu können. Hier einige Beispiele, wie KI dieses Ziel unterstützen kann:

  • Produktentwicklung: In vielen Branchen ist die Entwicklung neuer Produkte langwierig, aufwendig und kostenintensiv. KI kann diesen Prozess wesentlich beschleunigen. So hat beispielsweise Intel zwei KI-basierte Lösungen entwickelt, um das Halbleiter-Design zu verbessern und schneller zu machen. CLIFF (Coverage LIFt Framework) beschleunigt die Entdeckung neuer Funktionen im Vergleich zu Standard-Regressionstests um mehrere Größenordnungen. ITEM (Intelligent Test Execution Management) stellt sicher, dass die Teams bei Fehlersuche und Funktionsabdeckung die kosteneffektivsten Tests durchführen und reduziert die Anzahl der erforderlichen Tests drastisch.
  • Qualitätssicherung: Intelligente Kamerasysteme kombinieren Machine Vision (MV) und Machine Learning (ML), um fehlerhafte Teile oder Endprodukte zu identifizieren und so für eine geringere Ausschussquote zu sorgen. Intel sammelt beispielsweise während der Fertigung Bilder aus mehreren Kanälen und berechnet Tausende von Merkmalen. Sie werden nicht nur für die Fehlerklassifizierung verwendet, sondern ermöglichen es auch Prozesse zu identifizieren, die bestimmte typische Fehler erzeugen. So ließ sich die Qualitätssicherung bei der Wafer-Herstellung für Intel Xeon-Prozessoren deutlich verbessern.
  • Vorausschauende Wartung (Predictive Maintenance): Der Ausfall von Maschinen kommt produzierende Unternehmen oft teuer zu stehen. Ist der Fertigungsprozess erst einmal gestoppt, dauert es selbst nach der Reparatur oft Stunden oder gar Tage, bis die volle Produktionskapazität wieder erreicht ist. Mit KI lassen sich Probleme erkennen und beheben, bevor es zu gravierenden Ausfällen kommt. Erkennt das System beispielsweise bei einer Maschine eine Laufunruhe oder Unwucht, wird deren Drehzahl automatisch reduziert und das Service-Team benachrichtigt.

 

Weitere Einsatzgebiete

Doch das sind nur einige Bereiche, die besonders stark von KI und Machine Learning profitieren. Hier noch einige weitere Einsatzszenarien:

  • Banken und Versicherungen nutzen KI unter anderem zur Betrugsprävention. Dank maschinellem Lernen können sie ungewöhnliche Kontobewegungen schneller und zuverlässiger erkennen. Mit Künstlicher Intelligenz lässt sich außerdem ein Risikoprofil eines Kunden erstellen. So können Finanzdienstleister maßgeschneiderte Produkte anbieten.
  • Energieversorger überwachen Pipelines, Kraftwerke oder Windkraftanlagen mit KI-gestützten Methoden wie Machine Vision und Predictive Maintenance, um Probleme zu erkennen, bevor es zu Funktionsstörungen kommt.
  • Im Bereich Transport und Logistik lassen sich mittels KI und Machine Learning Transportrouten und Personaleinsatz, aber auch die Packungsdichten von Containern und Lieferfahrzeugen optimieren.
  • Durch KI-gestützte Vorhersagemodelle können Call und Contact Center Service- und Support-Anfragen schneller an den richtigen Ansprechpartner routen und so die Kundenzufriedenheit steigern.
  • Die Automobilbranche arbeitet an autonomen Fahrzeugen, die mit einer Vielzahl von Sensoren und Analysesystemen ausgestattet sind, und in denen KI-Systeme die Steuerung übernehmen können.

 

Fazit: Die richtige Lösung für jeden Anwendungsbereich

Einsatzmöglichkeiten für Machine Learning und KI gibt es in nahezu jeder Organisation. Intel bietet mit dem AI Builders Program ein Ökosystem aus unabhängigen Softwareanbietern (ISVs), Systemintegratoren (SIs) und Geräteherstellern (OEMs), die für nahezu jeden Anwendungsfall die notwendigen technischen Ressourcen und das Know-how zur Verfügung stellen. Ein Lösungskatalog erlaubt es, schnell und effizient die passenden Partner zu finden. Die Lösungen sind zu rund 80 Prozent bereits vorgefertigt und lassen sich in kurzer Zeit den individuellen Anforderungen eines Unternehmens anpassen.

Informieren Sie sich jetzt auf dem Intel AI Builders Portal!