KI als Dienstleistung – So steigen KMU jetzt ein

Künstliche Intelligenz (KI) wird bereits in einigen Unternehmen erfolgreich eingesetzt. Doch das Potenzial steckt auch an anderer Stelle. KI aus der Cloud als „as-a-Service“-Angebot eröffnet viele neue Möglichkeiten. Aktuell ist für Unternehmen vor allem das Einsatzgebiet Supply Chain Management interessant. Wie KI-as-a-Service kleinen und mittelständischen Unternehmen den Einstieg in die Automation ermöglicht, erfahren Sie in diesem Beitrag.

Die Covid19-Krise hat für viel Unruhe in den Lieferketten gesorgt. Viele Waren aus fernen Ländern trafen überhaupt nicht oder nur mit großer Verspätung ein. Die Zahl der per Schiff verschickten Güter sank im ersten Quartal 2020 um mindestens ein Fünftel, so die Marktforscher von ABI Research. Entscheider stehen vor der Frage, ob sich ihr bisheriges Supply Chain Management (SCM) als krisenfest erwiesen hat oder überdacht werden muss.

Künstliche Intelligenz optimiert Supply Chain Management

Vor allem Logistikunternehmen stehen vor der Herausforderung, sich auf rasche Veränderungen einzustellen. Große Märkte wie die Vereinigten Staaten, China, Japan und Indien sind oder waren teilweise oder vollständig im Lockdown. Logistikunternehmen müssen Optionen evaluieren, wie sie mit Unterbrechungen, Verzögerungen und erheblichen Preiserhöhungen umgehen.

Dies treibt die Investitionen in Lagereinrichtungen, Automatisierungstechnologien und Lager-Managementsysteme (WMS) zur Koordinierung und Optimierung von Operationen. Integration von Schlüsselsystemen, wie WMS, Enterprise Resource Planning (ERP), und Transport Management Systeme (TMS) zusammen mit prädiktiver Analytik und Szenariomodellierung werden immer dringlicher und lebenswichtig.

Die Giganten des elektronischen Handels wie Amazon, JD.com und Alibaba setzen bereits auf Künstliche Intelligenz aus der Cloud, um zu prognostizieren, wie die Nachfrage sein wird, planen ihren Bestand im Voraus und leiten Lieferungen um.

Wenn die Fehlermarge im Lager abnimmt, sorgt KI aus der Cloud oder auf Englisch „Artificial Intelligence-as-a-Service“ (AIaaS) für größere Schnelligkeit, Effizienz und Wettbewerbsfähigkeit. Wie bei Cloud-Angeboten üblich, müssen Unternehmen dafür keine eigene Infrastruktur bereithalten, sondern profitieren bei AIaaS von Flexibilität und Skalierbarkeit sowie Kostentransparenz.

Was steckt genau hinter Artificial-Intelligence-as-a-Service

Es gibt verschiedene Arten von AIaaS. Dazu gehören:

1. Bots und digitale Unterstützung. Chat-Bots verwenden die Algorithmen der natürlichen Sprachverarbeitung (NLP), um aus Gesprächen mit Menschen zu lernen und die Sprachmuster nachzuahmen, während sie Antworten liefern. Dadurch haben die Kundendienstmitarbeiter mehr Zeit, sich auf kompliziertere Aufgaben zu konzentrieren.
2. Kognitives Computer-APIs (Application Programming Interface). Anwendungsprogrammierschnittstellen für KI sind eine Möglichkeit für Entwickler, eine bestimmte Technologie oder einen Dienst in die Anwendung, die sie erstellen, hinzuzufügen, ohne den Code von Grund auf neu schreiben zu müssen. Zu den gängigen Optionen für APIs gehören Neuronales Lernen, Computersprache und Computerbild, Übersetzung, Wissenszuordnung, Suche und Emotionserkennung.
3. Maschinelles Lernen. Hierbei handelt es sich um Werkzeuge, mit denen Entwickler ihr eigenes Modell erstellen können, das im Laufe der Zeit aus vorhandenen Unternehmensdaten lernt. Maschinelles Lernen wird oft mit großen Datenmengen assoziiert, kann aber auch für andere Zwecke eingesetzt werden – und diese Frameworks bieten eine Möglichkeit, Aufgaben des maschinellen Lernens einzubauen, ohne die große Datenumgebung zu benötigen.
4. Vollständig verwaltete Dienste für maschinelles Lernen. Wenn Frameworks für maschinelles Lernen der erste Schritt auf dem Weg zum maschinellen Lernen sind, bietet diese Option die Möglichkeit, mit Hilfe von Vorlagen, vorgefertigten Modellen und Drag-and-Drop-Werkzeugen umfangreichere maschinelle Lernfähigkeiten hinzuzufügen, um die Entwickler beim Aufbau eines besser angepassten Frameworks für maschinelles Lernen zu unterstützen.

Überblick aktueller Anbieter von AIaaS

Die vier Hauptanbieter von AIaaS sind Amazon Web Services (AWS), Microsoft Azure, Google Cloud und IBM Cloud. Jeder Anbieter stellt verschiedene Arten von Bots, APIs und Machine-Learning-Frameworks bereit. Auch andere bekannte Technologieunternehmen haben eigene Angebote, darunter SAP, Oracle, BMC und SalesForce.

Es gibt unzählige Start-ups, die sich ebenfalls auf AIaaS konzentrieren. Wie in allen Branchen ist es nicht ungewöhnlich, dass die größeren Unternehmen die kleineren Firmen aufkaufen, um die entwickelten Dienstleistungen in ihr Portfolio aufzunehmen.

Die Vor- und Nachteile von AIaaS

Wie andere „as-a-Service“-Angebote bietet AIaaS viele der gleichen Vorteile, darunter:

1. Fortschrittliche Infrastruktur zu einem Bruchteil der Kosten. Erfolgreiche KI und maschinelles Lernen erfordert hohe Rechenleistung und entsprechend große Investitionen. Mit AIaaS können Unternehmen die Leistungsfähigkeit des maschinellen Lernens zu deutlich geringeren Kosten nutzen.
2. Transparenz. Hand in Hand mit geringeren Kosten gibt es innerhalb von AIaaS eine große Transparenz: Sie zahlen für das, was Sie nutzen. Obwohl das Maschinelle Lernen sehr viel Rechenleistung erfordert, benötigen Sie diese Leistung möglicherweise nur für kurze Zeit und müssen die KI nicht ununterbrochen laufen lassen.
3. Benutzerfreundlichkeit. Viele KI-Angebote sind Open-Source und nicht immer benutzerfreundlich. Das bedeutet, dass Ihre Entwickler Zeit mit der Installation und Entwicklung der Technologie für maschinelles Lernen verbringen müssen. AIaaS ist stattdessen nach einfachem „Klick-and-drop-Prinzip“ sofort einsatzbereit – so können Entwickler die Leistungsfähigkeit der KI nutzen, ohne vorher zu Experten zu werden.
4. Skalierbarkeit. AIaaS ermöglicht es Ihnen, mit kleineren Projekten zu beginnen, um zu lernen, ob es für bestimmte Projekte geeignet ist. Wenn Sie Erfahrungen mit Ihren eigenen Daten sammeln, können Sie Ihren Dienst optimieren und nach oben oder unten skalieren, wenn sich die Projektanforderungen ändern.
5. Mittelstandstauglichkeit. Sie müssen keine Unsummen investieren, um mit AIaaS loszulegen. Sie können mit einer kleinen Lösung beginnen und allmählich aufstocken, wenn sich diese bewährt.

Auch die Nachteile sind ähnlich wie bei anderen „as-a-Service“-Angeboten: Sicherheit, Compliance und Datenschutz müssen ebenso gewährleistet sein wie Verfügbarkeit und Zuverlässigkeit. Fakt ist aber: Unternehmen, die diese Services einsetzen, sind vorne.

Qualitätsüberwachung mit KI aus der Cloud

Ein anschauliches Beispiel, wie mit KI die Qualitätsüberwachung in der Produktion verbessert werden kann, zeigen die Experten von Axians im nachfolgenden Video.

Axians hat in diesem Projekt als Platinum Partner von IBM beim Referenzkunden Heraeus die optischen Prüfsysteme mit einer IBM PowerAI Maschine mit der Software IBM PowerAI Visual Insights verbessert und für viele Einsatzszenarien erfolgreich eingesetzt.

Fazit

AIaaS ermöglicht es jedem Unternehmen, unabhängig vom jeweiligen Wissensstand, Künstliche Intelligenz in den Unternehmensprozessen zu nutzen. Für die Entwickler stehen dafür einfache APIs zur Verfügung und die verantwortlichen Personen in den Unternehmen können ohne Programmierkenntnisse mit einer grafischen Benutzeroberfläche mit detaillierten Anweisungen eine Datenverarbeitungspipeline zusammen „klicken“ – im Grunde einfaches „Klick-and-drop“. Die Algorithmen sind zwar oft eine Blackbox. Die zugrunde liegende Hardware aber nicht. Achten Sie bei der Wahl des AIaaS-Providers einfach auf den eingesetzten Stack und die Hardware.

Quelle Titelbild: iStock / fotografixx