Wie aus Daten erfolgreiche Geschäftsmodelle werden

Die Geschäftsmodelle vieler Unternehmen stehen unter Digitalisierungsdruck. Künstliche Intelligenz (KI) ermöglicht es durch das Verknüpfen und analysieren von Daten, Wissen (oder Vorhersagen) zu generieren, aus dem neue individualisierbare Produkte und Dienstleistungen entstehen. Selten verfügen jedoch kleine oder mittlere Unternehmen (KMU) allein über die notwendigen Daten und Technologien, um datengetriebene Geschäftsmodelle zu realisieren. Zudem mangelt es ihnen oft an Kompetenzen in den Bereichen Datenanalyse und KI. Eine Kooperation mit Anbietern von Daten, Technologien und digitalen Plattformen kann helfen, das benötigte Wissen innerhalb sogenannter digitaler Ökosysteme aufzubauen und daraus Mehrwert zu schaffen. In 13 Fallbeispielen aus der Praxis zeigt die Plattform Lernende Systeme (PLS), wie das funktioniert.

Wie KMU von künstlicher Intelligenz profitieren können

Mit einer einheitlichen, vereinfachten Darstellung verschiedener Beispiele und einer Auflistung der Vorteile in tabellarischer Form erhalten KMU die Möglichkeit, die eigenen Geschäftsmodelle zu überdenken. Kann das eigene Unternehmen möglicherweise durch das Teilen von Daten und den Einsatz von KI-Methoden profitieren? Eventuell lassen sich Elemente und Zusammenhänge aus einem oder mehreren Beispielen auf das eigene Unternehmen übertragen? Von den 13 Beispielen betreffen 10 im weitesten Sinne die Fertigungsindustrie; dabei geht es um:

• Resilienz durch KI-Analyse in Fertigungslinien (Relayr): Ungeplanter Stillstand der Anlagen wird verhindert und die Risiken potenzieller Schäden durch Produktionsausfälle werden minimiert.
• Datenaustausch in der Landwirtschaft (Claas, John Deere): Maschinendaten aus landtechnischen Maschinen sollen von Agrar-Software-Apps genutzt werden, um den Landwirten eine effektiven IT-Einsatz zu ermöglichen.
• KI-basierte Services auf Basis von Smart-Meter-Daten (Fresh Energy): Private Haushalte können ihren Stromverbrauch über eine App einsehen und mithilfe von KI können anhand des Stromverbrauchs sogar einzelne Geräte/Maschinen erkannt werden.
• KI-basiertes Forecasting am Beispiel der Logistik (Fiege Logistik/Westphalia DataLab): Mithilfe von lagerlogistischen Daten und KI wird eine vorausschauende Planung der nötigen Lagerkapazitäten möglich.
• Datenplattform zum Austausch von Nachhaltigkeitsinformationen (T-Systems): Eine cloud-basierte Plattform ermöglicht Unternehmen eine einheitlichen und EU-konformen Austausch der benötigten Nachhaltigkeitsdaten entlang der gesamten Supply Chain.
• KI-basiertes Monitoring in Gewächshäusern (Bosch): Die Daten der sensorisch erfassten Umgebungsbedingungen werden in einer Cloud mit KI analysiert, um das Krankheitsrisiko für die Pflanzen einschätzen zu können.
• Intelligente Ausfallprognose in Flugzeugen (Lufthansa/Rapidminer): Durch die Integration heterogener Daten aus unterschiedlichen Quellen sowie den Einsatz maschineller Lernverfahren (ML) werden automatisch Prognosemodelle für Maschinen- und Komponentenausfälle in Flugzeugen generiert, die mögliche Probleme vorhersagen, noch bevor diese auftreten.
• KI-basiertes Steuern von Handprothesen (Otto Bock): Durch KI-Methoden (auf integrierten Microcontrollern) kann eine Prothese die Bewegungsmuster des Prothesenträgers erlernen; so können bis zu acht Bewegungen intuitiv gesteuert werden.
• AppStore für Smart Factories in der Industrie (Adamos): Eine Industrieplattform ermöglicht einen sowohl einen integrierten und herstellerübergreifenden Marktplatz für die fertigende Industrie und Entwickler von Industrie-Apps als auch horizontale App-zu-App-Kommunikation.
• Dezentrale, resiliente Edge-Cloud (Deutsche Telekom, Gaia-X): Weil die Clouds der Hyperscaler wie Google oder AWS nicht auf Resilienz ausgelegt sind, sollen verteilte Cloud-Infrastrukturen mit Redundanzen die Resilienz des Gesamtsystems erhöhen. (Lesen Sie auch: Erstes Architekturkonzept zu Gaia-X erstellt)

Datenschutz und -sicherheit sowie weitere Hürden

Grafische und tabellarische Darstellung eines der 13 Projekte – hier das Projekt KI-basiertes Monitoring in Gewächshäusern von Bosch. Plattform Lernende Systeme

Die skizzierten Fallbeispiele zeigen auch die Hürden, die Unternehmen auf dem Weg in die übergreifende Zusammenarbeit häufig nehmen müssen. Neben den hohen regulatorischen Anforderungen an Datenschutz und -sicherheit fehlt vielen Akteuren noch die Bereitschaft, ihre Daten oder Kompetenzen zu teilen. Auch mangelt es oft an der nötigen technischen Infrastruktur und an Standards für den Datenaustausch, so das Ergebnis der Untersuchung. Die Praxisbeispiele zeigen aber auch, so die PLS, dass die Zusammenarbeit und das Teilen von Daten in Geschäftsnetzwerken für Unternehmen künftig unerlässlich sind, um wettbewerbsfähig zu bleiben.

(dw)