Künstliche Intelligenz: Nur neuer Hype oder verstecktes Potenzial?

Ende vergangenen Jahres stellte die deutsche Bundesregierung ihre KI-Strategie mit einer Fördersumme von insgesamt 3 Milliarden Euro vor. Das Fachmagazin Process bezieht sich in einem Artikel auf eine Studie der EITO, nach der sich Europas KI-Markt bis 2022 verfünffachen soll. Das Thema künstliche Intelligenz scheint derzeit in aller Munde zu sein. Doch was genau ist gemeint, wenn wir von künstlicher Intelligenz sprechen? Wer genau profitiert von ihrem Einsatz und wo versteckt sich das Potenzial für die Industrie?

Angewandte künstliche Intelligenz

Das Erste, was einem Laien in den Sinn kommt, wenn man ihn nach künstlicher Intelligenz fragt, ist wohl die aus Science-Fiction und Co. bekannte Superintelligenz, die dem menschlichen Intellekt in allen Belangen überlegen ist. Der Fachmann hingegen bezieht sich in der Regel auf die schwache künstliche Intelligenz, die heute bereits Anwendung findet. Diese ist dabei keine universelle Intelligenz, sondern auf einen bestimmten Anwendungsfall beschränkt. Dabei unterscheiden wir künstliche Intelligenz von herkömmlichen Algorithmen über eine Reihe von Aspekten, die diese leisten sollte. KI sollte zum Beispiel zum Lernen, Planen und zu logischem Denken in der Lage sein.

Berechtigte Skepsis

Die Process berichtet, dass 17 Prozent der deutschen Unternehmen mit mehr als 50 Beschäftigten eine kritische oder ablehnende Haltung gegenüber KI-Technologien haben. Eine gewisse Skepsis gegenüber dem Thema lässt sich leicht nachvollziehen. Zunächst ist das Thema künstliche Intelligenz an sich nichts Neues. Betrachten wir den Bottom-Up-Ansatz an die KI, nämlich künstliche neuronale Netze, die versuchen, die Funktionsstruktur eines organischen Gehirns nachzubilden, werden wir feststellen, dass die Grundlagen bereits in den 1940er Jahren von Warren McCulloch und Walter Pitts erforscht wurden. Auch in der Industrie sind längst zum Beispiel selbstlernende Regler bekannt. Der Hype um die KI ist historisch immer wieder aufgetaucht. So zuletzt 1997, als es IBMs Deep Blue gelang, den damaligen Schachweltmeister Garri Kasparov zu schlagen. Zur wirklichen Marktreife hingegen haben es nur wenige Anwendungen gebracht.

Was ist dieses Mal also anders?

Auch in den letzten Jahren ist der KI-Trend erneut aufgelebt. Mediale Aufmerksamkeit erfuhren vor allem die Go-spielenden KIs von der Google Tochter DeepMind „Alpha Go“ und „Alpha Go Zero“. Aber auch Technologien wie autonomes Fahren machen in letzter Zeit durch neue KI-Ansätze schnellere Fortschritte. Immer leistungsfähigere Hardware ermöglicht es mittlerweile, immer tiefere neuronale Netze effizienter zu trainieren. Mittlerweile können auch versierte Privatpersonen auf ihren Heimrechnern künstliche Intelligenzen entwickeln und den Fortschritt vorantreiben. Letzteres ist nichtzuletzt auch performanten Open-Source-Projekten wie Tensorflow, Keras und Torch zu verdanken. Mit dem Thema KI können sich dieses Mal nicht nur Theoretiker auseinandersetzen.

Potenzial für die Prozessautomatisierung

Welche Chancen bietet die Anwendung der KI also in der Prozessindustrie und welche konkreten Anwendungsfälle würden besonders profitieren? Eine Grundregel für lernende Algorithmen ist: Je mehr Trainingsdaten vorhanden sind, desto besser ist es. In der automatisierten Anlage fallen täglich große Datenmengen an, welche aufbereitet, dargestellt und abschließend über Jahrzehnte archiviert werden. Im besten Fall werden diese Daten bereits zur Optimierung der Anlage verwendet. Das Erkennen dieses Optimierungspotentials in hochdimensionalen Datensätzen, welche vom Menschen nicht mehr durchschaubar sind, ist für KI-Algorithmen in Echtzeit machbar. Die Anwendungsfälle hierfür sind zahlreich. Eine exemplarische KI könnte mit historischen Daten trainiert werden, um den zeitlichen Ablauf eines Batchprozesses zu optimieren. Der Einsatz im Alarmmanagement zur Sortierung und Filterung der dem Anlagenfahrer angezeigten Alarmmeldungen wäre ebenfalls vorstellbar. Auch zum Beispiel im Bereich der IT-Security ist der Einsatz von KI zur Überwachung von Kommunikationsstrukturen in der Anlage und dem Erkennen von Cyber-Attacken möglich.

Lernen ohne Daten

Sogar für den Fall, dass eine Anlage noch in Planung ist und es keine vergleichbaren Daten zum Training einer KI gibt, die zum Beispiel beim Designprozess unterstützen würden, kann der Einsatz dieser sinnvoll sein. Auch Googles „Alpha Go Zero“ ist ohne Daten ausgekommen. Allein durch die Beschreibung der Spielregeln und dem Ansatz des bestärkenden Lernens war sie in der Lage, ihren Vorgänger 100:0 zu schlagen. Das bestärkende Lernen ließe sich vom Go-Spiel auch auf eine Prozessanlage übertragen. Nur die Beschreibung der Spielregeln wäre komplexer und könnte zum Beispiel durch rigorose Prozesssimulationen übernommen werden.

Risiken

Während der richtige Einsatz von KI, die Wahl von geeigneten Algorithmen und Parametern für den Anwendungsfall und geschicktes Feature Engineering großes Potenzial haben, so birgt dieser doch Risiken. Es können sich zum Beispiel systematische Fehler des Menschen im Rahmen der Trainingsdaten dauerhaft auf den gelernten Algorithmus auswirken. Auch ist die Denkweise einer hinreichend komplexen KI nicht mehr vom Menschen nachzuvollziehen und stellt damit eine Black-Box dar.

Beim Einsatz der KI muss zwischen Chancen und Risiken abgewogen werden. Vor allem in der Prozessautomatisierung, wo Zuverlässigkeit einer der wichtigsten Faktoren ist, ist die Etablierung von KI-Technologien mit Vorsicht umzusetzen. Gleichzeitig ist gerade in dieser Branche viel ungenutztes Potenzial zu finden, was den Einzug der künstlichen Intelligenz in den kommenden Jahren unvermeidbar macht.

Eine Zusammenarbeit, viele Erfolge

Digitale Transformation secure mitgestalten, Zukunft definieren

Panta Rhei – alles fließt