KI-gestützte Handlungsempfehlungen

Mehr Stabilität in Krisenzeiten

In den vergangenen Jahren ist der Krisenzustand fast normal geworden. Künstliche Intelligenz kann Unternehmen helfen, in diesen Zeiten Stabilität zu gewinnen. Das BMWK-Forschungsprojekt Pairs zeigt, wie das gelingen kann.

(Bild: ©IBEX.Media/stock.adobe.com)

Das Hochwasser im Ahrtal, die Corona-Pandemie, die Havarie der Ever Given im Suezkanal, der Ukraine-Konflikt sowie Katastrophen im Zuge der Klimakrise haben in den letzten Jahren die Verwundbarkeit globaler Lieferketten aufgezeigt. Und das hat spürbare Auswirkungen auf die Wirtschaft. Unternehmen mit unsteten Lieferketten und einer hohen Abhängigkeit von ausländischen Lieferanten und Produktionsstandorten sind einem höheren wirtschaftlichen Risiko ausgesetzt sind. Obwohl Krisen nicht immer vorhersehbar sind, können sich Unternehmen darauf vorbereiten, etwa mit künstlicher Intelligenz.

Krisen vorhersagen

Das Projekt Pairs (Privacy-Aware, Intelligent and Resilient CrisiS Management), das im Rahmen des KI-Innovationswettbewerbs des BMWK gefördert wird, hat zum Ziel, mithilfe seiner lernenden KI-Plattform Krisen schneller zu identifizieren und zu managen. Die Plattform richtet sich an Unternehmen, Betreiber kritischer Infrastrukturen sowie Entscheidungsträger aus Politik, Wirtschaft und Gesellschaft. Die KI-Hybrid-Technologie ist in der Lage, das initiale Krisenereignis aufgrund der zur Verfügung stehenden Daten zu analysieren und zu erkennen Darüber hinaus berücksichtigt die Technologie auch die Reaktionen verschiedener Akteure auf das Ereignis.

Hidden Problem Detector

Zwei Use Cases aus dem Projekt sollen das Potenzial der Technologie verdeutlichen. Der sogenannte Hidden Problem Detector nimmt sich etwa den frühen Stadien der Lieferkette an. Der Detector setzt auf die graphentheoretische Analyse. Dabei werden Stücklistendaten in einen Wissensgraphen umgewandelt, der mit historischen und aktuellen Marktdaten angereichert wird. Durch die Analyse von Knotenpunkten können Nutzer kritische Komponenten, Hersteller oder Lieferanten identifizieren. Das Modell ermöglicht zudem die Überwachung von Veränderungen in Lieferzeiten, Verfügbarkeiten und Preisen, um auf potenzielle Probleme in der Lieferkette zu reagieren. Für die Praxis entwickelten die Projektbeteiligten einen Service-Prototypen, der speziell für die Sensorherstellung gedacht ist. Dieser besteht aus einem Programm, in das Nutzer Dateien hochladen können.

In der Folge erhalten sie eine Liste von Komponenten mit zusätzlichen Informationen, etwa wer die Komponenten herstellt und wie wichtig sie sind. Darüber hinaus gibt das Programm Marktinformationen zu den Komponenten aus, beispielsweise wie oft sie verkauft werden oder wie sich der Preis entwickelt hat. Erkennt das Modell Probleme, werden die betroffenen Komponenten hervorgehoben und eine Warnung ausgegeben. Durch die Anwendung der graphentheoretischen Analyse -einem Teilgebiet der diskreten Mathematik und der theoretischen Informatik – auf komplexe Lieferketten können Fertigungsunternehmen kritische Zustände von Komponenten, Herstellern oder Lieferanten frühzeitig erkennen und reagieren.

Datum:15. Mai 2023

Autoren:Dr. Steffen Wischmann ist Leiter der Begleitforschung zum Innovationswettbewerb ‘Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme’ des BMWK und Gruppenleiter ‘Künstliche Intelligenz und Zukunftstechnologien’ im Bereich Gesellschaft und Innovation der VDI/VDE Innovation+Technik GmbH.

Themen: Industrie 4.0, Technik

Schlagwörter: plus

Webseite: www.bmwi.de

Downloads: