Die Attraktivität von KI liegt auf der Hand: Als innovative Technologie verspricht sie signifikante Effizienzsteigerungen und durch selbstständiges Lernen vielleicht sogar bahnbrechende, so nicht erwartete Entwicklungen. Auch wenn das Technologiefeld wohl noch einige Zeit von großer (Investitions-)Skepsis einerseits und unrealistischen Erwartungen andererseits geprägt sein wird, sprechen die bereits erzielten Ergebnisse für sich. Doch die Auswahl des KI-Modells, das den jeweiligen Anforderungen entspricht und einen echten Mehrwert schafft, ist entscheidend.
KI ist nicht gleich KI
Den Überblick bei der Fülle an Angeboten zu wahren, ist herausfordernd. Was steckt hinter den jeweiligen Ausprägungen der Künstlichen Intelligenz? Bei einem derart losen Begriff, der so plötzlich so präsent ist, drängt sich die Frage nach dem Zweck, dem Ansatz, der Herangehensweise auf. KI ist nicht gleich KI, das Label mitunter mehr Schein als Sein. Aber KI zum begrifflichen Hygienefaktor eines Systems verkommen zu lassen, wird der Technologie bei weitem nicht gerecht. Darüber hinaus sind wir uns wohl alle einig, dass KI gerade im industriellen Umfeld weit mehr umfasst als den Einsatz populärer Large Language Models, die über API-Schnittstellen in Software integriert werden können. Generative KI, wie das bereits erwähnte ChatGPT, ist die aktuell populärste Ausprägung des Feldes. Zweifellos gibt es attraktive Anwendungsbereiche, aber im industriellen Umfeld, insbesondere in der Intralogistik, versprechen andere Ausprägungen einen größeren Mehrwert. Denn der zielgerichtete Einsatz von KI hängt stark von den spezifischen Prozessen und Bedürfnissen des jeweiligen Unternehmens ab. In komplexen Lagerprozessen, die von vielen externen Faktoren beeinflusst werden können, sind klar definierte Strukturen, historische Daten und darauf tief „trainierte“ Modelle notwendig, um echte Verbesserungen in den Prozessabläufen zu erzielen.
KI ist nur so gut wie ihr Input
Effizienz ist das A und O in der intralogistischen Praxis. Die Frage sollte immer lauten: Ist der Einsatz sinnvoll und wirtschaftlich? KI-Lösungen müssen also einen konkreten Mehrwert bieten. Aber auch hier gilt: Echte Verbesserungen gibt es nicht auf Knopfdruck, der Weg dorthin führt über Analyse und Prognose – wie immer. Die kompetente Umsetzung der maschinellen Mustererkennung ist dafür der Schlüssel. Bei KI gilt, was auch sonst in Politik, Wirtschaft und Gesellschaft nahezu unumstritten ist: Das Ergebnis stimmt nur dann, wenn die investierte Vorarbeit mit Sinn und Verstand durchgeführt wurde. KI-Modelle liefern Ergebnisse basierend auf den ihnen zugrunde liegenden Daten. Daher ist die Qualität und Aufbereitung dieser Daten sowie deren Verstrickungen in Prozessen entscheidend für den Erfolg solcher Lösungen – nicht nur, aber eben auch in der Intralogistik.
Um echte Wow-Effekte bei den Ergebnissen zu ermöglichen, muss die Maschine die komplexen Prozesse und Anforderungen wirklich durchdringen. Dies erfordert ein tiefes Verständnis der Data Science und des spezifischen Anwendungsbereichs. Je konkreter maßgeschneidert das KI-Modell, desto besser. Mithilfe von Machine Learning können Muster in Betriebsabläufen erkannt und komplexe Zusammenhänge aufgedeckt werden, die sonst selbst Experten mit langjähriger Erfahrung in der schieren Datenmenge verborgen bleiben. Solche industriellen KI-Anwendungen können dann selbstständig nach besseren Lösungen suchen und konkrete Vorschläge für eine effizientere Gestaltung des Arbeitsalltags liefern. Es geht darum, Erkenntnisse zu gewinnen, die das Spiel entscheidend verändern können.
Mit KI-Kompetenzvernetzung zu besseren Lösungen
Als Software-Spezialist mit dem Anspruch, hochleistungsfähige Intralogistiklösungen auf dem neuesten Stand der Technik zu liefern, traf uns das vehemente Aufkommen des Themas KI nicht unvorbereitet. Neben dem Aufbau eigener Kompetenzen, die beispielsweise im KI-Innovationswettbewerb Baden-Württemberg als Packoptimierung Früchte trugen, haben wir als TUP frühzeitig den Weg eingeschlagen, das Thema in seiner ganzen Tiefe in die Intralogistik einfließen zu lassen.