Oft sind die Probleme auch nicht technischer Natur, sodass neben der technischen Machbarkeit auch die soziale Machbarkeit mit Hilfe von Soziologie, Psychologie, Verhaltensstudien usw. geprüft werden sollte. Entlang des Lebenszyklus sind dabei die wichtigsten Herausforderungen:
- Proof of Concept: Verfügbarkeit von qualitativ hochwertigen Daten
- Prototyp: Integrieren Sie mehrere Stakeholder (Fachexperten, Finanzen usw.) und deren Feedback/Erwartungen
- In-Use: Anpassung an Veränderungen
Herausforderungen bei der KI-Implementierung
Um ein Problem zu lösen, muss man zunächst wissen, was das eigentliche Problem ist. Klingt einfach, ist aber oft die erste große Hürde. Auf lange Sicht ist der Lebenszyklus und das Instandhalten und Pflegen der KI-Modelle sicher das größte Problem. Allerdings kommen viele Anwender bereits bei der Implementierung an ihre Grenzen und verlieren so den Lebenszyklus schnell aus den Augen. Der nächste Schritt ist eben meist der schwierigste. Laut ARC Untersuchungen befindet sich ein groß der Anweder im Early Adopter Mode, d.h. die meisten haben also entweder das Potenzial von KI bereits evaluiert, Prototypen entwickeln oder erste Anwendungen in Betrieb genommen. Was allerdings fehlt ist Best Practices für den Lebenszyklus. Bei einer ARC-Umfrage gaben
47 Prozent an, dass der Lebenszyklus tatsächlich der schwierigste Teil ist. Doch was macht alles rund um KI so herausfordernd?
- KI bringt IT und OT zusammen. Das bedeutet, dass Sie nicht nur KI-Spezialisten benötigen, sondern auch Menschen aus dem Werk.
- Es gibt viele Aufgaben, die vor der KI-Implementierung erledigt werden müssen. Dazu gehören die Festlegung von Zielen, die Analyse von Maschinen/Prozessen, die Datenerfassung, die Datenbereinigung, die Einrichtung der Netzwerkinfrastruktur, die Einbindung von Edge-Geräten auf die Steuerungsebene (einschließlich der erforderlichen Geräte- und Versionsverwaltung), die Einrichtung einer Cloud-Plattform und vieles mehr. Schon jetzt muss sich das Team von Anwendungsspezialisten über Software-Entwickler, Plattformspezialisten, Rechts- und Finanzabteilungen bis hin zu anderen Teams erstrecken. KI benötigt also ein funktionsübergreifendes Team und da sind Kulturelle Konflikte oft vorprogrammiert.
- KI betrifft oft mehr als nur eine Maschine, sodass auch entlang der Wertschöpfungskette, Standort und Firmenübergreifend optimiert werden muss. Neben den kulturellen Konflikten sind also auch verschiedene Geschäftsinteressen unter einen Hut zu bringen.
Natürlich ist KI etwas Neues, bei dem jeder Schritt herausfordernd erscheint. Bild 2 zeigt ein paar der größten Herausforderungen. Hierbei sehen besonders skeptische Firmen oft die Gefahr, dass KI einfach die Komplexität verlagert. Es reduziert die Komplexität auf der einen Seite, erhöht sie aber auf der anderen Seite, sodass ich zwar weniger Arbeiter brauche, dafür aber mehr KI-Experten, Data Scientists und Software Ingenieure.
Lehren und Best Practices
Es gibt eine Reihe von Lehren, die wir bei ARC immer wieder gehört haben, wenn wir mit Anwendern und Anbieter von KI gesprochen haben:
- Mangelnder Respekt und Wertschätzung gegenüber OT-Experten: Wenn sich KI-Experten arrogant verhalten und Produktionsmitarbeiter im Außendienst ignorieren, sind Projekte zum Scheitern verurteilt. Sprache und Arbeitsweise beider Gruppen sind sehr unterschiedlich. Wenn das Verhalten nicht offen ist, werden die Mitarbeiter in der Fertigung nicht zusammenarbeiten oder sogar aktiv ein Projekt sabotieren.
- Fehlen eines klaren Ziels: Sowohl KI-Experten als auch Mitarbeiter in der Fertigung haben eigentlich ein gemeinsames Ziel: die Produktion am Laufen zu halten und das richtige Produkt zu den richtigen Kosten und in der richtigen Qualität herzustellen. Fehlt dieses große Ganze, ist es oft schwierig, die beiden Gruppen von IT- und OT-Experten zusammenzubringen.
- 90 Prozent des Aufwands dreht sich nicht um KI: Das Deployment kann scheitern, wenn ein Unternehmen nicht bereit ist, das KI-Projekt mit genügend Ressourcen rund um die eigentliche Kern-KI zu unterstützen. Es werden Ressourcen benötigt, um Stakeholder zusammenzubringen, Ziele zu bewerten, Daten zu bereinigen, Netzwerk- oder Cloud-Infrastruktur einzurichten und vieles mehr. Diese Aufwände und Kosten müssen im Vorfeld einkalkuliert werden. Wenn man dem Management jedoch ein Projekt vorstellt, werden die Kosten und Herausforderungen oft bewusst gering gehalten, um das Projekt in Gang zu bringen.
Fazit
Bei der Einführung von KI gibt es in jeder Phase des Lebenszyklus viele technische und organisatorische Herausforderungen. Fehlt ein klarer Plan, ist es wahrscheinlich, dass sich Teams/Teammitglieder entweder wie kopflose Hühner verhalten oder gelähmt werden. Ein klarer Plan und eine klare Strategie sind notwendig, ebenso wie die Offenheit, diese bei Bedarf zu ändern.
