Vom 10./11. März 2020 findet das 27. Münchner Management Kolloquium statt. Unter dem diesjährigen Thema: „Neue Geschäftsmodelle - Künstliche Intelligenz - Maschinenlernen“ werden Ihnen über 80 renommierte Führungskräfte aus unterschiedlichen Branchen ihre Lösungskonzepte vorstellen.
Was ist Machine Learning?
Einfach gesagt bedeutet maschinelles Lernen, dass der Computer sinnvolle Dinge tut, ohne explizit darauf programmiert worden zu sein. Der Schachcomputer der damals Garri Kasparow schlug, war nicht künstlich intelligent. Obgleich es eine beeindruckende Leistung war, war er einzig und alleine darauf programmiert worden, Wahrscheinlichkeiten anhand der momentanen Spielsituation zu ermitteln. Deep Blue – so hieß der maschinelle Gegenspieler – war einfach ein Rechengenie. Maschinelles Lernen heißt, der Computer hat keine Logik einprogrammiert, sondern er erfasst die Umweltdaten und versucht dann in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen. Das Ziel ist es, Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen. Mustererkennung funktioniert nur mit Daten. Das System wird etwa mit der gesamten verfügbaren Datenflut aller Kunden gespeist und beginnt dann, nach Auffälligkeiten zu suchen. Bei genügend Daten aus unzähligen Kaufvorgängen von vielen 1000 Kunden erkennt der Computer plötzlich Muster und kann zukünftige Kaufentscheidungen ziemlich gut vorhersagen. In diesem Fall ist eine Begründung auch zweitrangig – es genügt die Tendenz zur Kaufwahrscheinlichkeit. Maschinelles Lernen bedeutet also Erkenntnisgewinn durch statistische Zusammenhänge anstatt logischer Schlussfolgerung. Künstliche Intelligenz kann den menschlichen Verstand also immer dann schlagen, wenn viele Einflüsse zu berücksichtigen sind und die Datenmenge groß ist.
Wie können Unternehmen davon profitieren?
Die Anwendungsfelder im Unternehmen reichen von der Produktion über die Logistik bis in hinein in den Vertrieb und die Auftragsabwicklung in der Verwaltung. Shop- und Officefloor werden demnach beide transformiert werden. Predictive Maintenance – also vorrausschauende Instandhaltung - ist eine Anwendung mit hohem Reifegrad. thyssenkrupp schafft es Ausfallzeiten von Aufzügen durch Echtzeitdiagnostik und einer Mustererkennung aus Betriebsdaten und Ausfallmustern zu reduzieren. Verkürzt gesagt, kommt Mustererkennung immer dann zum Zug, wenn es schwierig ist, mit analytischen Formeln aus einem Ereignis ein anderes Ereignis vorherzusagen und Reaktionsmuster abzuleiten. Deswegen macht Machine-Learning auch Sinn, wenn Sie die Kooperation zwischen Mensch und Maschine am Montageband verbessern wollen. Sollen in den Werkshallen der Zukunft Roboter mit Menschen zusammenarbeiten, müssen die Cobots auch lernen können. Bei einer gemeinsamen Montage können sich Menschen auf die Arbeitsgeschwindigkeit und die Bewegungsabläufe des jeweiligen Kollegen aus Fleisch und Blut einstellen. Da menschliche Kooperation in kleineren Gruppen etwas ist, dass seit der Steinzeit in unseren Genen verankert ist, fällt uns das auch intuitiv einfach. Roboter müssen das aber lernen und das geht nur durch Mustererkennung und Übung. Sollen Cobots und Menschen ohne Schutzzaun zusammenarbeiten, ist es dann etwa sinnvoll, wenn der Roboter Ermüdungsanzeichen beim Menschen erkennt und dadurch etwa die Bewegungsdynamik auf eine neue Risikosituation anpasst. Durch den Einsatz von KI-Technologien können sich auch Logistikanbieter nicht nur vom Wettbewerb differenzieren, sondern auch den Ertrag erhöhen. Die intelligente Analyse der Datenmengen, die auf allen Stufen der Supply Chain anfallen, macht es möglich, bisher ungesehene Zusammenhänge zu erkennen, realistische Szenarios für die nahe Zukunft zu entwickeln und den Warenfluss insgesamt weitaus agiler und weniger anfällig für Störungen zu gestalten. Aber auch in der Verwaltung kann künstliche Intelligenz Nutzen stiften. Software-Roboter wickeln hochpräzise, fehlerfrei und unnachahmlich schnell immer wiederkehrende, regelbasierte Routineprozesse etwa in der Buchhaltung, im Einkauf oder Personalmanagement ab, die bei manueller Bearbeitung intensiv Ressourcen binden oder fehleranfällig sind.
Die Liste der Anwendungsfelder des Maschinenlernens wächst beständig. Lernen Sie am 27. Münchner Management Kolloquium Best-Practices und die Erfolgsmuster erfolgreicher Unternehmen kennen!
Es referieren unter anderem:
Senden Sie bitte dazu eine E-Mail an: mail@tcw.de
Mehr Informationen zum aktuellen Münchner Management Kolloquium und seinen Referenten finden Sie unter:
www.management-kolloquium.de
Was ist Machine Learning?
Einfach gesagt bedeutet maschinelles Lernen, dass der Computer sinnvolle Dinge tut, ohne explizit darauf programmiert worden zu sein. Der Schachcomputer der damals Garri Kasparow schlug, war nicht künstlich intelligent. Obgleich es eine beeindruckende Leistung war, war er einzig und alleine darauf programmiert worden, Wahrscheinlichkeiten anhand der momentanen Spielsituation zu ermitteln. Deep Blue – so hieß der maschinelle Gegenspieler – war einfach ein Rechengenie. Maschinelles Lernen heißt, der Computer hat keine Logik einprogrammiert, sondern er erfasst die Umweltdaten und versucht dann in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen. Das Ziel ist es, Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen. Mustererkennung funktioniert nur mit Daten. Das System wird etwa mit der gesamten verfügbaren Datenflut aller Kunden gespeist und beginnt dann, nach Auffälligkeiten zu suchen. Bei genügend Daten aus unzähligen Kaufvorgängen von vielen 1000 Kunden erkennt der Computer plötzlich Muster und kann zukünftige Kaufentscheidungen ziemlich gut vorhersagen. In diesem Fall ist eine Begründung auch zweitrangig – es genügt die Tendenz zur Kaufwahrscheinlichkeit. Maschinelles Lernen bedeutet also Erkenntnisgewinn durch statistische Zusammenhänge anstatt logischer Schlussfolgerung. Künstliche Intelligenz kann den menschlichen Verstand also immer dann schlagen, wenn viele Einflüsse zu berücksichtigen sind und die Datenmenge groß ist.
Wie können Unternehmen davon profitieren?
Die Anwendungsfelder im Unternehmen reichen von der Produktion über die Logistik bis in hinein in den Vertrieb und die Auftragsabwicklung in der Verwaltung. Shop- und Officefloor werden demnach beide transformiert werden. Predictive Maintenance – also vorrausschauende Instandhaltung - ist eine Anwendung mit hohem Reifegrad. thyssenkrupp schafft es Ausfallzeiten von Aufzügen durch Echtzeitdiagnostik und einer Mustererkennung aus Betriebsdaten und Ausfallmustern zu reduzieren. Verkürzt gesagt, kommt Mustererkennung immer dann zum Zug, wenn es schwierig ist, mit analytischen Formeln aus einem Ereignis ein anderes Ereignis vorherzusagen und Reaktionsmuster abzuleiten. Deswegen macht Machine-Learning auch Sinn, wenn Sie die Kooperation zwischen Mensch und Maschine am Montageband verbessern wollen. Sollen in den Werkshallen der Zukunft Roboter mit Menschen zusammenarbeiten, müssen die Cobots auch lernen können. Bei einer gemeinsamen Montage können sich Menschen auf die Arbeitsgeschwindigkeit und die Bewegungsabläufe des jeweiligen Kollegen aus Fleisch und Blut einstellen. Da menschliche Kooperation in kleineren Gruppen etwas ist, dass seit der Steinzeit in unseren Genen verankert ist, fällt uns das auch intuitiv einfach. Roboter müssen das aber lernen und das geht nur durch Mustererkennung und Übung. Sollen Cobots und Menschen ohne Schutzzaun zusammenarbeiten, ist es dann etwa sinnvoll, wenn der Roboter Ermüdungsanzeichen beim Menschen erkennt und dadurch etwa die Bewegungsdynamik auf eine neue Risikosituation anpasst. Durch den Einsatz von KI-Technologien können sich auch Logistikanbieter nicht nur vom Wettbewerb differenzieren, sondern auch den Ertrag erhöhen. Die intelligente Analyse der Datenmengen, die auf allen Stufen der Supply Chain anfallen, macht es möglich, bisher ungesehene Zusammenhänge zu erkennen, realistische Szenarios für die nahe Zukunft zu entwickeln und den Warenfluss insgesamt weitaus agiler und weniger anfällig für Störungen zu gestalten. Aber auch in der Verwaltung kann künstliche Intelligenz Nutzen stiften. Software-Roboter wickeln hochpräzise, fehlerfrei und unnachahmlich schnell immer wiederkehrende, regelbasierte Routineprozesse etwa in der Buchhaltung, im Einkauf oder Personalmanagement ab, die bei manueller Bearbeitung intensiv Ressourcen binden oder fehleranfällig sind.
Die Liste der Anwendungsfelder des Maschinenlernens wächst beständig. Lernen Sie am 27. Münchner Management Kolloquium Best-Practices und die Erfolgsmuster erfolgreicher Unternehmen kennen!
Es referieren unter anderem:
- Dr. Roland Busch (stellvertretender Vorstandsvorsitzender, Siemens AG)
- Hans-Bernd Veltmaat (Senior Vice President CSO, AGCO)
- Oliver Zipse (Vorsitzender des Vorstands, BMW AG)
- Manfred Grundke (Geschäftsführender Gesellschafter der Knauf Gruppe Iphofen, Gebr. Knauf KG)
Senden Sie bitte dazu eine E-Mail an: mail@tcw.de
Mehr Informationen zum aktuellen Münchner Management Kolloquium und seinen Referenten finden Sie unter:
www.management-kolloquium.de
