Deutschland soll Vorreiter der KI werden

Unternehmen aus Deutschland gelten als Nachzügler bei KI und Machine Learning. Dabei ist die nötige Infrastruktur breit verfügbar.

Vom Ottomotor bis zum Zuse Z1: Deutschland besitzt traditionell eine Menge Erfindergeist und hat das Ingenieurswesen zu einer Kunstform entwickelt. Dennoch ist Deutschland leider nicht das Silicon Valley. Wir sind ein Hardwareland. Wenn es sich dreht, schaltet oder bewegt, sind wir ganz groß. Mit Software tut sich Deutschland dagegen etwas schwerer. Die großen Innovationen und Marktgewinner kommen hier fast immer aus den USA. Dies soll sich jetzt ändern.

Künstliche Intelligenz und Machine Learning sind die Top-Trends. Nicht nur der IT, sondern vor allem auch der Industrie. Die Begriffe werden gerne synonym zueinander verwendet, auch „Deep Learning“ gehört noch mit dazu. Gemeint ist damit, Software mittels Algorithmen und Beispielen zu „trainieren“ und damit sogenannte Modelle zu erzeugen. Beispielsweise, damit eine Software mittels einer Kamera zuverlässig ein bestimmtes Objekt erkennen kann. KI-Algorithmen können jedoch auch große Mengen Daten strukturieren.

Im Alltag überall, in der Wirtschaft Neuland

Von selbst fahrenden Autos bis hin zu automatisierten Reportings von wichtigen Metriken in Unternehmen: Viele Zukunftsthemen hängen davon ab, Algorithmen zu entwickeln, große Datenmengen parallelisiert zu verarbeiten und intelligente Modelle zu trainieren.

Die praktischen Anwendungen der KI begegnen uns überall: von der Rechtschreibkorrektur über die automatische Optimierung von Smartphone-Fotos bis hin zu Empfehlungsalgorithmen in Onlineshops und Streamingdiensten. Machine Learning ist im Alltag überall in der Hosentasche mit dabei.

In der deutschen Wirtschaft sind Machine Learning und darauf basierende Anwendungen jedoch noch nicht in diesem Maße präsent wie im Alltag. Nur 25 Prozent der deutschen Konzerne und nur 15 Prozent kleiner und mittlerer Unternehmen setzen KI-Technik ein.

Künstliche Intelligenz ist nicht nur ein technologisches Prestigethema: Laut einer Studie des Bundeswirtschaftsministeriums könnte allein das produzierende Gewerbe in Deutschland bis 2023 damit eine Wertschöpfung von 30 Milliarden Euro erreichen. Deshalb will die Bundesregierung Deutschland auf diesem Gebiet nach vorne bringen. Dabei geht es der Politik vor allem um die praktische Anwendung der Technologien.

Potenziale entdecken

Denn die aktuell noch geringen Nutzungszahlen zeigen, dass KI oder Machine Learning für viele Unternehmen in Deutschland ein eher abstraktes Konzept ist. Eine wichtige Anwendung ist clevere Automatisierung in der Produktion: Mit trainierten Modellen können Roboter und Produktionsanlagen dazulernen. Produktionsfehler und Toleranzüberschreitungen werden damit entweder zuverlässiger erkannt oder von Beginn an vermieden.

Predictive Maintenance ist ein weiterer Anwendungsfall. Dies bedeutet, fällige Wartungen und sich anbahnende Defekte durch smarte Überwachung automatisch präventiv zu erkennen. Algorithmen können anhand trainierter Muster beispielsweise erkennen, dass eine Maschine minimal unrund läuft. Wenn diese Modelle richtig trainiert sind, weiß das System, welche Maschine bald ausfallen könnte. Bevor ein Techniker dies bemerken könnte und bevor ein Defekt auftritt und einen kostenintensiven Ausfall verursacht. Dies sorgt dafür, dass Wartungsintervalle und Reparaturen nur noch dann geschehen müssen, wenn sie tatsächlich notwendig sind. Ausfälle werden verhindert. Dies spart Geld und sorgt für bessere Auslastung der Anlagen.

Automatisierte Lagerhäuser und Logistik sind ebenfalls Anwendungsfälle, die für verbesserte KI prädestiniert sind. Diese Zukunftsmodelle sind bereits heute in Teilen Realität. Mit Machine Learning können Logistikroboter lernen, Objekte zu erkennen, Unfälle zu vermeiden und Abläufe zu erlernen. Anstatt vorprogrammierte Abläufe zu befolgen, können Roboter und Maschinen in der Logistik besser mit variablen und unvorhergesehenen Umständen umgehen, bessere Entscheidungen treffen.

Quelle: Bitkom Research 2020

Was hält Unternehmen ab?

Manchmal mag es an der fehlenden Strategie mangeln, um ML-Projekte zu starten. Dies kann an fehlendem Grundlagenwissen liegen oder an der konkreten Vorstellung, wie neue Potenziale genutzt werden können. Auch Fachkräfte sind in diesem Bereich gesucht und rar. Eine Herausforderung haben jedoch beinahe alle Unternehmen gemeinsam: Machine Learning besteht nicht nur daraus, Algorithmen zu entwickeln und Modelle zu trainieren. Algorithmen für Modell-Training können Unternehmen zukaufen oder auf offene Forschungsergebnisse zurückgreifen.

Das größere Problem ist dabei oft das aufwändige Training der Modelle für den konkreten Anwendungszweck und die dazu nötige Hardware. Machine Learning und Deep Learning erfordern eine Menge sehr spezifischer Rechenleistung, die in Unternehmens-IT deutscher Mittelständer fehlt. Nur damit können die Algorithmen mit Tausenden Beispielen zur Analyse gefüttert werden, um spezifische Modelle für den jeweiligen Einsatzzweck zu schaffen.

GPU-Power aus der Cloud

KI-Anwendungen und vor allem das Training von Machine-Learning-Modellen profitieren von GPU-Leistung (Graphics Processing Units). Mehr über den Nutzen von GPUs für KI, ML etc. lesen Sie hier.

Doch sind Investitionen in eigene Hardware hoch und zunächst ist unklar, wie viel Rechenpower man benötigt. Daher sollten interessierte Unternehmen GPU-Rechenpower flexibel aus der Cloud beziehen. Hier zahlen sie lediglich für die konkrete Nutzung und haben keinen Aufwand mit der technischen Infrastruktur. Die Fachabteilungen und die IT können sich somit ganz auf die Innovationsprojekte konzentrieren.

plusserver bietet mit pGPU eine Lösung, dedizierte GPU-Power in der Cloud zu mieten. Mit deutschen Rechenzentren für minimale Latenzen und höchste Standards bei Sicherheit und Datenschutz. Damit erhalten Unternehmen skalierbare Fließkomma-Rechenpower für Rendering, Modellierung oder Echtzeitanwendungen, sodass Machine Learning, Big-Data-Analysen oder andere GPU-lastige Anwendungen zukünftig zum Standard im deutschen Mittelstand werden können.

Titelbild von kiquebg auf Pixabay