“Schub für die Digitalisierung”

Machine Learning (ML) ist ein etablierter Teilbereich der künstlichen Intelligenz (KI). Die heute in der Cloud verfügbare Rechenpower hat zu einer Renaissance dieser Verfahren geführt.

Insbesondere das sogenannte ´’Deep Learning’-Verfahren für neuronale Netze, das als fortschrittlichste Anwendung der KI gilt, treibt die aktuelle Entwicklung voran und konnte einige spektakuläre Durchbrüche erzielen. Das VDMA-Netzwerk Future Business hat zum Einsatz von Machine Learning vier mögliche Zukunftsbilder entwickelt, um Gestaltungsoptionen für den Maschinenbau auszuloten und Handlungsstrategien für die Unternehmen zu entwickeln. Dr. Eric Maiser, Leiter VDMA Future Business, erwartet, dass Maschinelles Lernen für die Weiterentwicklung von Industrie 4.0 eine signifikante Rolle spielen kann und “einen Schub für die Digitalisierung im Maschinenbau” bringen wird.

KI für den Maschinenbau

KI ist in vielen Bereichen bereits erfolgreich im Einsatz: Neuronale Netze helfen etwa bei der Tomographie-basierten Diagnostik im medizinischen Bereich. In der Finanzwirtschaft nutzen Hedgefonds solche Algorithmen für Marktprognosen und Investitionsentscheidungen und suchen in einer Flut von Daten nach neuen Investitionsideen. Als Wettbewerbsvorteil gilt, dass die Technologie gleichzeitig hunderte Märkte nach relevanten Daten- und Verhaltensmustern beobachten kann. Der Mensch hingegen kann höchstens ein Dutzend Positionen im Auge behalten. Auf der Konferenz herrschte Einigkeit, dass ML auch in viele Bereiche im Maschinenbau vordringen wird und in einigen Jahren Basiswissen darstellt. Es soll helfen Produkte besser zu machen und Prognosen sowie Dienste bereitzustellen, die Geschäftsprozesse unterstützen. Vor dem Hintergrund der Plagiatsproblematik sieht man die Chance, durch weiter verbesserte Software auch zukünftig einzigartige Maschinen anbieten zu können. ML gehört daher mit auf die Innovationslandkarte der Unternehmen. Der Einsatz erfordert von den Betrieben jedoch ein Umdenken: Zukünftig ist die Verfügbarkeit von aussagekräftigen Daten für das Trainieren der Algorithmen von zentraler Bedeutung. Die erforderliche (Cloud-) Infrastruktur ist bei diversen Anbietern erhältlich und die Algorithmen sind größtenteils als Open Source verfügbar. Alleinstellungsmerkmale lassen sich nur durch die intelligente Auswertung möglichst großer Datenmengen erzielen.

Unter Realisierungsvorbehalt

Im Laufe der Konferenz wurde wiederholt hervorgehoben, dass wichtige IT-Zukunftstechnologien im Silicon Valley derzeit mit einer Mannstärke vorangetrieben würden, wie es in Deutschland kaum vorstellbar sei. Es sei daher “allerhöchste Eisenbahn” sich des Themas KI endlich anzunehmen, mahnte der KI-Experte Professor Wolfram Burgard von der Uni Freiburg. Ähnlich äußerten sich im Konferenzverlauf auch andere Redner und Teilnehmer einer Podiumsdiskussion. So forderte Dr.-Ing. Steven Peters aus der Konzernforschung der Daimler AG die Unternehmen auf, schneller zu werden beim Zusammenbringen von alter und neuer Welt. Im Zuge der Digitalisierung müsse man auch “über klassische Themen neu nachdenken.” Mit mangelndem Interesse und mangelnder Investitionsbereitschaft lässt sich das zögerliche Herangehen der Unternehmen hier in Deutschland offensichtlich nicht begründen. Burkhard Röhrig, geschäftsführender Gesellschafter der GFOS mbH und selbst erfahrener Softwareentwickler, identifizierte in seinem Vortrag die aus Sicht innovativer Unternehmen katastrophale Situation am Arbeitsmarkt als den größten Hemmschuh für die Digitalisierungsbestrebungen. Die Investitionsbereitschaft der Firmen sei groß, aber qualifizierte Softwareentwickler seien “nur sehr schwierig” und die für Maschinelles Lernen so wichtigen Business-Analysten “überhaupt nicht” am Arbeitsmarkt zu bekommen. Dass das deutsche Bildungssystem nicht zu den aktuellen technologischen Herausforderungen passt und gesellschaftliches Basiswissen über Informatik dringend erforderlich sei, wurde anschließend wiederholt in die Diskussion eingebracht.