Seite - 229 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 229 Ebenso zählen auch Dengler und Matthes (2018) mit Blick auf den Arbeitsmarkt lernende Computerprogramme neben der Robotik, virtueller Realität und 3D-Druck zu den aktuell bedeutendsten technologischen Entwicklungen. Bereits heute nutzen viele Firmen KI-Anwendungen, um ihre Prozesse zu optimieren. Deren Einsatz ist dabei nicht nur auf Logistik, Produktion oder Marketing beschränkt. Vielmehr halten sie Einzug in alle primären und unterstützenden Aktivitäten von Unternehmen entlang der Wertschöpfungskette. Im Bereich der Logistik ermöglicht KI zunehmend intelligente und agile Lieferketten, die bei der Beschaffung von Bau- teilen vielfältige Informationen über mögliche externe Störungen einbeziehen und auf diese Weise mögliche Zukunftsszenarien wie Überbestände oder Materialeng- pässe antizipieren können. Dazu zählen beispielsweise Qualitätsprobleme bei Liefe- ranten, politische Instabilitäten in einer Region, Streiks von Beschäftigten oder ungünstige Wetterereignisse (Daugherty und Wilson 2018). Vielerorts sind bereits KI-Anwendungen im Lager und bei der Optimierung der Bedarfsplanung etabliert. Demnach nutzen beispielsweise Amazon wie auch das Logistikunternehmen FedEx  KI, um Roboter im Warenlager zu steuern, gefälschte Ware zu erkennen oder auch Verpackungen und Lieferungen für den Kunden zu optimieren (Suich Bass 2018; Metz 2018a). Walmart setzt in 50 Supermärkten mehr als 2.000 Roboter ein, um die Regale nach ausverkauften Artikeln, falschen Warenauszeichnungen und anderen Dinge zu durchsuchen, was normalerweise Aufgabe des Verkaufsperso- nals  wäre. Unterdessen testet die Metro-Gruppe maschinelles Sehen im Kassen- bereich: Die Warenkörbe der Kunden werden von Kameras aufgezeichnet und ent- sprechende Rechnungen ausgestellt. Nach Schätzungen können die unbemannten Kassen etwa 50 Kunden pro Stunde – und damit etwa doppelt so viel wie menschli- che Kassierer – bedienen (Suich Bass 2018). In komplexen Industrieprozessen wie der Fertigung übernehmen hochentwickelte KI-Systeme zunehmend kritische Funktionen wie die Wartung von Maschinen. Auf Basis von umfangreichen Statistiken über die Maschinennutzung und Umweltbedin- gungen können diese Maschinenausfälle vorhersagen, bevor sie überhaupt auftreten („predictive maintenance“). Damit müssen Wartungsarbeiter in der Fertigung sich weniger mit Routinekontrollen und Fehlerdiagnosen aufhalten. Sie können nach Daugherty und Wilson (2018, S. 30) mehr Zeit in „knifflige“ Reparaturen stecken und daraus auch mehr Motivation und Zufriedenheit ziehen. Unterdessen erlangen die Produktionsingenieure ein besseres Verständnis der die Materialbeschaffenheit von Bauteilen und möglicher Ineffizienzen in den Produktionsprozessen. Insbeson- dere solche Unternehmen mit großen Vermögenswerten und kapitalintensiven Wert- schöpfungsprozessen werden von der vorausschauenden Wartung profitieren. Dazu zählen beispielsweise Fluggesellschaften, Ölfirmen, Energieunternehmen und große produzierende Industrieunternehmen, in denen unerwartete Maschinenausfälle hohe Kosten verursachen (Suich Bass 2018).