Revolution deiner Product Data Journey – mit KI zu mehr Dateneffizienz, -qualität und Conversion-Uplifts Anmelden und live dabei sein
Anhand von Use Cases erfahren Sie, wie KI Produktdaten und -Assets entlang der Product Data Journey effizienter organisiert, qualitativ aufgewertet und einen Conversion-Uplift am Customer Touchpoint erzeugt.
Anmelden und live dabei sein
Countdown zur digitalen Barrierefreiheit – was 2025 auf Unternehmen zukommt Anmelden und live dabei sein
Barrierefreiheit ist keine unüberwindbare Hürde, sondern ein echter Erfolgsfaktor für die digitale Zukunft. Erfahren Sie, wie Sie Barrierefreiheit 2025 souverän angehen können und dabei auch noch davon profitieren!
Anmelden und live dabei sein
Künstliche Intelligenz

Cloudbasierte KI-Plattformen: Chance für KMUs

08.04.2021 Um künstliche Intelligenz nutzen zu können, braucht ein Unternehmen nicht zwingend einen ausgewiesenen Fachmann. Eine Fraunhofer-Studie zeigt, wie kleine und mittlere Unternehmen stattdessen vorgehen können und vergleicht die vier größten Anbieter von Machine-Learning-as-a-Service-Plattformen.

 (Bild: Mudassar Iqbal auf Pixabay)
Bild: Mudassar Iqbal auf Pixabay
Kleinen und mittleren Unternehmen fehlt oft die Expertise, um Künstliche Intelligenz (KI) nutzen zu können. Dabei kann diese Zukunftstechnologie helfen, Produktionsabläufe zu optimieren und Geld zu sparen. Sie können dann zwar die nötigen Daten sammeln, scheitern jedoch oft an deren Analyse. Hier können große Cloud-Anbieter wie AWS zur Homepage dieses Unternehmens Relation Browser , Google zur Homepage dieses Unternehmens Relation Browser , IBM zur Homepage dieses Unternehmens Relation Browser und Microsoft zur Homepage dieses Unternehmens Relation Browser helfen. Sie bieten einfache digitale Werkzeuge, die große Datensätze verarbeiten und KI-Lösungen liefern - sogenannte 'Machine-Learning-as-a-Service-Plattformen'. Ohne große Erfahrung können so auch kleinere Unternehmen in die Künstliche Intelligenz einsteigen und sich Modelle entwickeln lassen, die etwa fehlerhafte Werkstücke automatisch erkennen.

AWS, Google, IBM und Microsoft im Vergleich

Die Stuttgarter Fraunhofer-Institute für Produktionstechnik und Automatisierung IPA zur Homepage dieses Unternehmens Relation Browser Dienstleister-Dossier einsehen und für Arbeitswirtschaft und Organisation IAO zur Homepage dieses Unternehmens Relation Browser Dienstleister-Dossier einsehen haben die Ansätze der vier größten Anbieter - AWS, Google, IBM und Microsoft - miteinander verglichen und untersucht, welche Plattform für welche Aufgabe geeignet ist. Sie setzten Lösungen für vier Anwendungsfälle um, die in der Praxis häufig vorkommen und vier Kategorien von Daten umfassen: Tabellarische Daten, Text-, Bild- und Zeitreihendaten:

  • Kundenabwanderung: Für Hotels ist es vorteilhaft, frühzeitig zu wissen, bei welchen Gästen eine Stornierung droht. Möglicherweise steckt in den tabellarischen Buchungsdaten bereits ein Hinweis. KI kann ihn aufspüren und einen entsprechenden Algorithmus entwickeln.
  • Textkategorisierung: Texte können verschiedenen Sparten zugewiesen werden, etwa Kultur, Sport und Politik. So kann zum Beispiel eine Presseagentur automatisch ein Archiv pflegen.
  • Bilderkennung: Bei der Produktion spielt die Bildanalyse eine wichtige Rolle. So lassen sich mit Kamerasystemen Defekte auf dem Werkstück feststellen. KI hilft dabei, diese Kontrolle zu automatisieren. Aus einer Vielzahl mit Metadaten versehener, sogenannter annotierter Bilder lernt die KI, Fehler zu erkennen.
  • Werkzeugabnutzung: Einen Fräskopf zum richtigen Zeitpunkt auszutauschen, spart Geld. Wer zu früh eingreift, verschenkt Material, wer zu spät eingreift, riskiert einen langen Stillstand der Produktion. KI lernt, die Zeitreihendaten von Vibrationen und Stromverbrauch zu deuten, um den Zustand des Fräskopfs richtig abzuschätzen.

In der Regel gelte für KI-Lösungen: Je mehr Daten zur Verfügung stehen und umso besser die Qualität der Daten ist, desto zuverlässiger arbeitet das gewonnene Modell. Beim Vergleich der Plattformen haben die Fraunhofer-Wissenschaftler stets den zugänglichsten Lösungsweg gewählt. Dabei mussten oft lediglich die Datensätze hochgeladen und mit einer Annotation versehen werden: Bei der Bildverarbeitung hieße das etwa, jedes Bild mit dem Zusatz korrekt oder fehlerhaft zu versehen. Die Plattform lieferte dann das gewünschte Modell samt der Vorhersagegenauigkeit.

Kein tiefes Fachwissen nötig

Ergebnisse: Die Fraunhofer-Studie hat ergeben, dass die Lösungen aller Anbieter Stärken aufzeigen und kein tiefes Fachwissen voraussetzen. Manche Plattformen lassen sich intuitiver bedienen als andere. Auch laufen manche KI-Modelle nur auf der Cloud des Anbieters, andere können auch exportiert und auf unternehmenseigenen Servern installiert werden. Die genauen Ergebnisse liefert die Studie 'Cloudbasierte KI-Plattformen - Chancen und Grenzen von Diensten für Machine Learning as a Service' zur Homepage dieses Unternehmens Relation Browser .
Neuer Kommentar  Kommentare:
Schreiben Sie Ihre Meinung, Erfahrungen, Anregungen mit oder zu diesem Thema. Ihr Beitrag erscheint an dieser Stelle.
alle Veranstaltungen Webcasts zu diesem Thema:
Dienstleister-Verzeichnis Agenturen/Dienstleister zu diesem Thema: