Beiträge

Kapitel 1 – Einleitung

Die Digitalisierung dringt in die Köpfe der Entscheider – sowohl auf unternehmerischer als auch auf politischer Ebene.

Außer Veränderungen kommt alles einmal aus der Mode. Die Digitalisierung treibt zunehmend mit neuen Technologien den Handel. So verändert zum Beispiel der 3-D-Druck (1.2) nachhaltig die Wertschöpfungsketten. In der Industrie 4.0 stehen intelligente Maschinen, Anlagen und Geräte, kurz cyberphysische Systeme, in Kommunikation und Kooperation mit Menschen, Logistik und Produkten. Ziel dieser Vernetzung durch das IoT (1.14) ist die endverbrauchernahe industrielle Produktion des personalisierten Produkts, am liebsten in Echtzeit. Aber auch die VR- und AR-Technologie (1.4) beschleunigt den Handel und bringt neue Verkaufstechniken mit sich. Mithilfe von Augmented Reality können beispielsweise Möbel in Originalgröße im heimischen Wohnzimmer platziert und auf die restliche Einrichtung abgestimmt werden. Zeitgleich wird das Wissen über den Kunden durch Big-Data-Analysen (1.5) immer wichtiger, um Personalisierungsstrategien zu ermöglichen. Zu den Treibern kommen noch neue Regelungen und Gesetze hinzu, wie zum Beispiel „PSD2“ (1.13), die neue Chancen für den Handel generieren. //

Vorteil Digitalisierung

Schnelligkeit zahlt sich aus: digitale Revolution in der Konsumgüterindustrie

von Klaus Löckel

Die Konsumgüterindustrie ist ein hartes Geschäft. Verbraucher sind zunehmend weniger loyal und wechseln schnell zu anderen Marken, der Produktlebenszyklus hat sich in den letzten Jahren immer mehr verkürzt. Trotzdem wollen Einzelhändler weiterhin absatzstarke Artikel im Regal haben. Wer also am Markt erfolgreich bleiben will, muss die Produktentwicklung und Skalierung von Geschäftsmodellen beschleunigen können. Die digitale Transformation schafft Möglichkeiten, diesen Prozess innerhalb global operierender Unternehmen effizienter zu gestalten. Der internationale Konsumgüterhersteller Procter & Gamble (P&G) zum Beispiel nutzt die 3DExperience Plattform von Dassault Systèmes, um das Verpackungs- und Produktdesign, das Anforderungsmanagement sowie die Programmverwaltung des Unternehmens voranzutreiben.

Die Plattformtechnologie hilft dabei, neue Produkte und Geschäftsmodelle zu entwickeln und zu skalieren. Letztendlich tragen diese wesentlich zur Wertsteigerung bei. Auf der digitalen Plattform laufen alle Fäden zusammen. Sie unterstützt die global vernetzte Zusammenarbeit aller Beteiligten. Egal, wo auf der Welt die Mitarbeiter sitzen – sie können gemeinsam an Projekten arbeiten und haben jederzeit die Möglichkeit, Entwicklungsstadien einzusehen. Bei P&G bedeutet das: 18 000 Nutzer aus den Bereichen Forschung und Entwicklung, Produktversorgung, Qualität und anderen Disziplinen werden auf der Plattform zusammenarbeiten, um die Produktentwicklung und -konstruktion zu unterstützen. Dadurch werden die Teams weniger Zeit mit der Suche nach Daten verschwenden und haben außerdem Zugang zu konsistenteren und genaueren Verpackungs- und Produktspezifikationen.

Designzeit senken und hohen Ansprüchen gerecht werden

Es hat für Industrieunternehmen daher eine hohe Relevanz, die komplette Wertschöpfung „end-to-end“ digital zusammenzuführen, da sie vor großen Herausforderungen stehen. Bis 2019 werden weltweit drei Viertel der Industrieunternehmen ihre Wertschöpfungskette digital transformiert haben und dadurch erhebliche Produktivitätsgewinne erzielen. Wer sich nicht rechtzeitig rüstet, wird abgehängt. Mit der 3DExperience Plattform und den Branchenlösungen von Dassault Systèmes können Unternehmen über alle Abteilungen hinweg bis zur Supply-Chain einen digital durchgängigen Wertschöpfungspro­zess aufbauen und so differenzierte Kundener­lebnisse schaffen. Damit lässt sich die Designzeit von Verpackungen durch Prozessvereinfachung und Standardisierung um bis zu 50 Prozent senken.

Zudem verschwimmen durch das Internet die Grenzen zwischen B2B- und B2C-Geschäft. Industrieunternehmen müssen künftig ganz genau wissen, welche Bedürfnisse Endkunden haben. Diese sollten zum Ausgangspunkt aller Prozesse – von der Produktentwicklung über die Logistik bis zur Wartung – werden. Denn Verbraucher informieren sich über Produkte, bevor sie diese kaufen. Die Verbreitung von Social Media beispielsweise hat die Verbreitung von Verbrauchermeinungen und Produktbewertungen erleichtert. Damit steigen auch die Ansprüche an die Produkte und ihre Verpackungen.

Ein gutes Qualitätsprodukt zu einem guten Preis reicht für einige Verbraucher heute nicht mehr aus. Ein bedeutender Trend sind Produkte im Bereich „Health & Wellness“. Laut einer Studie des Markforschungsunternehmens Euromonitor International soll dieser Markt bis 2021 weltweit auf ein Volumen von 815 Milliarden anwachsen. Das bedeutet: Verbraucher suchen vor allem nach Marken und Produkten, die ihnen helfen, ein nachhaltigeres Leben zu führen. Das können z. B solche sein, die die Gesundheit fördern oder die besonders umweltfreundlich sind. Die Verbraucher sind bereit, mehr für Produkte zu bezahlen, die diese Vorteile bieten. Sie müssen an die Marke oder das Produkt glauben und sich beim Kauf der Produkte eines Herstellers gut fühlen. Und das beginnt mit der Verpackung. Gerade hier spielt Nachhaltigkeit eine immer größere Rolle, die ernst genommen werden sollte.

Optimierung ästhetischer Aspekte und Materialnutzung

Diese speziellen Kundenbedürfnisse werden über Marktforschung erfragt und erfasst. Sie fließen in das Design der Verpackungen selbst und gleichzeitig in die Konfiguration der Maschinen ein. Auch regulatorische Kriterien auf den jeweiligen lokalen Märkten gilt es zu berücksichtigen. Auf der 3DExperience Plattform haben Mitarbeiter weltweit Zugriff auf die gleichen Entwürfe und damit auf einen dokumentierten Wissensprozess bezüglich der Konformität von Rechtsvorschriften. Gleichzeitig lassen sich ästhetische Aspekte berücksichtigen, die den Kunden emotional ansprechen. Sogar Informationen über die Präsentation am Point of Sale fließen in den Designprozess mit ein. Vielversprechende Entwürfe können direkt für die Simulation und das Prototyping genutzt werden.

Eine wichtige Stellschraube im Prozess ist die Optimierung der Materialnutzung. Ziel ist erstens, Kosten durch besonders sparsamen Verbrauch zu reduzieren. Zweitens geht es darum, innovative Materialien zu erproben. Mit leistungsstarker Simulationssoftware können Hersteller jetzt in einer sehr frühen Phase simulieren, wie die Eigenschaften verschiedener Materialien sich auf Platzbedarf, Stabilität, Geometrie, Lagerfähigkeit und Transport von Verpackungen auswirken. Dadurch können die Beschaffungskosten um 30 bis 50 Prozent reduziert werden.

Shopping 4.0: In der virtuellen Realität testen, spart Kosten.

Shopping 4.0: In der virtuellen Realität testen, spart Kosten.

Ein weiterer Faktor, der auf die Produktentwicklung Einfluss nimmt, ist die Globalisierung. Sie hat die Wahlmöglichkeiten der Verbraucher deutlich erweitert. Der Fluss von Ideen und Trends und Produkten ist mit dem Internet einfacher geworden. Unternehmen der Konsumgüterindustrie müssen diese Trends und Präferenzen nutzen, da sie je nach Region echte Marktchancen bieten.

Dazu zählt beispielsweise die Einführung eines beliebten Produkts aus einer Region in einen neuen Markt, um den Umsatz zu steigern. Verpackungshersteller wie auch andere Zulieferer global tätiger Markenartikler müssen daher in der Lage sein, die jeweils unterschiedlichen landesspezifischen Auflagen in ihrer Fertigung abzubilden, ohne jedes Mal lokal eine neue Fertigungsstraße zu planen und zu bauen. Mit der 3DExperience Plattform und den Branchenlösungen von Dassault Systèmes ist diese Anpassung einfach umsetzbar inklusive Einhaltung der lokalen regulato­rischen Bedingungen.

Nach der Designphase schlägt Dassault Systèmes für seine Kunden die Brücke zwischen virtueller und realer Welt. Denn der digitale Zwilling bildet die Realität exakt ab und befähigt Unternehmen dazu, genau die Maschinen zu konfigurieren, welche die zuvor virtuell entwickelten Verpackungen fertigen können. Der digitale Zwilling hat noch einen weiteren Vorteil: Wenn Produktionsabläufe zur Herstellung einer neuen Verpackung geändert werden müssen, laufen die gesamten Informationen automatisch auf der Plattform zusammen und ein neuer Zwilling ist verfügbar.

Ist die Anlage konfiguriert, beginnt der eigentliche Produktions- und Verpackungsprozess. Bei der Optimierung des Shop-Floors sind Firmen derzeit laut einer IDC Studie* zum Thema Industrie 4.0 am weitesten fortgeschritten – Stichwort Lean Production. Mithilfe von Augmented Reality kann dieser Prozess weiter optimiert werden, z. B. indem das Unternehmen kritische Übergabepunkte auf Fertigungsstraßen durchspielt oder Qualitätskontrollen durchführt, bevor ein neues Los gefertigt wird. Auch können Maschinenlaufzeiten weiter optimiert werden – z. B. durch Predictive Maintenance, wo intelligente Anlagen über Sensoren untereinander und auch mit dem Produkt, das gefertigt wird, Informationen austauschen können. Arbeiten Fertigungsvorbereitung und Fertigung dann auch noch mit der gleichen Datenbasis, können zudem Informationen über Verschleiß oder Ausschuss in der Fertigung schneller in die Entwicklung zurückgespielt und in zukünftigen Produkten berücksichtigt werden.

Mithilfe digitaler Technologien lässt sich die Produktentwicklungszeit erheblich senken.

Mithilfe digitaler Technologien lässt sich die Produktentwicklungszeit erheblich senken.

Integration der gesamten Lieferkette

Um die Integration der gesamten Lieferkette geht es dann im letzten Schritt. Denn auf der zentralen Plattform von Dassault Systèmes lässt sich das Lieferantenmanagement nach globalen Standards weltweit an allen Standorten managen, z. B. durch eine standardisierte Auswahl – und einen kontinuierlichen Evaluationsprozess für alle Lieferanten. Auf diese Weise sichern Industrieunternehmen die Qualität ihrer Produkte zuverlässig und reduzieren z. B. das Risiko von Produktrückrufen. Da das System auf Echtzeitinformationen basiert, können Materialien bedarfsgerechter eingekauft werden, Lagerbestände sinken und Anlagen lassen sich gleichmäßiger auslasten.

Unternehmen, die durch die Anpassung und Wiederverwendung von Produktdaten auf einer gemeinsamen Datenplattform schnell agieren können, haben also enorme Vorteile gegenüber ihren Mitbewerbern. Das hat der Branchenriese Procter & Gamble frühzeitig erkannt und vergangenes Jahr mit der Implementierung der 3DExperience Plattform und der Branchenlösungen von Dassault Systèmes begonnen. Aktuell werden die Lösungen sequenziell unternehmensweit ausgerollt, um die digitale Transformation weiter- und vor allem erfolgreich voranzutreiben. //

* Quelle: IDC White Paper „Die nächste Stufe der digitalen Transformation in Deutschland: Mit Cloud-PLM zu mehr Produktinnovation und Effizienz“, November 2017

Künstliche Intelligenz

Selbstlernende Maschinen nutzen Big Data und Cloud-Computing, um laufend die abhängigen Prozesse zu optimieren.

von Andreas Fuhrich

Eine eindeutige Definition des Begriffs „Künstliche Intelligenz“ (KI) sucht man zwar vergebens, aber zumindest für den aktuellen, die Wirtschaft betreffenden Diskurs lässt er sich relativ klar skizzieren. Im Wesentlichen lässt er sich dabei in die Bereiche des maschinellen Lernens und des Cognitive Computings aufteilen:

Unter maschinellem Lernen versteht man die Fähigkeit eines künstlichen Systems, aus Erfahrung Wissen zu generieren. Dabei werden nicht nur Beispiele auswendig gelernt, sondern Muster und Gesetzmäßigkeiten erkannt, wodurch es in die Lage versetzt wird, auch unbekannte Daten beurteilen zu können. Kognitive Systeme gehen bei der Humanisierung der Maschine noch einen Schritt weiter. Neben der Fähigkeit des Lernens sind sie auch in der Lage, mit Ambiguitäten und Unschärfen umzugehen. Wichtige Voraussetzungen für eine KI beim „natürlichen“ Umgang mit menschlicher Sprache oder dem Deuten von Emotionen aus einer Gesichtsmimik.

Durch die Entwicklung der Informationstechnologie sind immer größere Datenmengen (Big Data) verfügbar. Diese enthalten oft implizites Wissen, das, wenn es bekannt wäre, große wirtschaftliche oder wissenschaftliche Bedeutung hätte. Unter Data-Mining versteht man die Suche nach potenziell nützlichem Wissen in großen Datenmengen – maschinelle Lernverfahren gehören zu den Schlüsseltechnologien innerhalb dieses Gebiets. Sie unterstützen den Data-Mining-Prozess vor allem beim Aufspüren neuer Muster und Gesetzmäßigkeiten. Andererseits unterstützt der Data-Mining-Prozess aber auch das maschinelle Lernen, indem dadurch neue Lerndaten zur Verfügung gestellt werden.
Zusätzlich profitiert das maschinelle Lernen von den Entwicklungen der Cloud-Technologie, denn flexible Rechenkapazitäten und Managed Services machen den Einsatz von Machine-Learning einfacher. Die großen Cloud-Anbieter wie Amazon, Google und Microsoft bieten Machine-Learning bereits als Schnittstelle (API) an. Durch Open-Source-Projekte wie Prediction.io oder TensorFlow steht zudem Technologie frei zur Verfügung, auf der man aufsetzen kann.

Nach aktuellen Prognosen von Crisp Research werden sich die Ausgaben für Infrastruktur, Software und Plattformen, Algorithmen-Design und verbundene Dienstleistungen von rund 1,96 Mrd. Euro in 2015 auf rund 15 Mrd. Euro im Jahr 2020 nahezu verzehnfachen.(1)
Einsatzmöglichkeiten für künstliche Intelligenz entstehen dabei für nahezu alle Branchen, weshalb sich CIOs und Digitalisierungsverantwortliche darauf gefasst machen sollten, dass nicht nur unternehmensintern diese Art von Skills nachgefragt werden. Die Anzahl an Machine-Learning-Spezialisten ist begrenzt und die Schnittmenge derjenigen, die auch noch Business-Verständnis mitbringen, umso kleiner. Für Unternehmen ist es daher umso wichtiger, sich rechtzeitig um Experten für den eigenen Betrieb zu bemühen, z. B. durch Kooperationen mit Universitäten, um unmittelbar die Nachwuchskräfte zu binden, die auf dem freien Arbeitsmarkt kaum zur Verfügung stehen werden.

Künstliche Intelligenz: Trends

Digitale Assistenten
Bei digitalen Assistenten mit Spracherkennung hat es in den letzten Jahren ein wahres Wettrüsten gegeben. Siri, Cortana und OK Google stritten um das beste System und mit Alexa von Amazon ist jetzt auch noch ein neuer Player auf den Markt gekommen. In Zukunft werden solche digitalen Assistenten für Geschäftsprozesse immer wichtiger werden. Typische Sekretärs-Aufgaben, wie das Anlegen von Terminen oder das Buchen von Geschäftsreisen werden immer häufiger durch solche Systeme vorgenommen.

Smart Cars
Smart Cars bieten jetzt schon einige auf künstlicher Intelligenz beruhende Möglichkeiten. Bremsassistenten sind in der Lage, auf plötzliche Hindernisse oder Stauenden zu reagieren. Tempomaten erkennen Verkehrsschilder und regeln die Geschwindigkeit selbstständig. Auch das voll automatische Einparken ist keine Zukunftsmusik mehr. Fleißig geforscht wird noch am komplett autonom fahrenden Auto, welches schon in naher Zukunft Marktreife erlangen dürfte.

Smart Farming
Unter Smart Farming versteht man verschiedene, teils zusammenarbeitende intelligente Systeme in der Landwirtschaft. Sowohl Daten von Wetterdiensten als auch die eigener Sensoren, die beispielsweise den Säuregehalt im Boden messen, nutzen intelligente Systeme, um Dünger optimal zu dosieren oder die Felder durch automatische Anlagen zu sprenkeln. Selbst Landmaschinen können basierend auf den analysierten Daten zu den richtigen Zeiten autonom die Felder bewirtschaften.

Cobots
Unter Cobots versteht man autonom operierende Roboter, die in unmittelbarer Umgebung des Menschen eingesetzt werden können. Dabei dienen sie beispielsweise in der Montage als Assistenten, in dem sie selbstständig erkennen, welche Teile oder Werkzeuge der Monteur für seinen nächsten Schritt benötigt, diese herbeischaffen und dem Monteur anreichen. Cobots sind ein wichtiger Bestandteil von Industrie-4.0-Konzepten, welche ohne künstliche Intelligenz nicht denkbar sind.

Empathie
Um optimal mit Menschen interagieren zu können, werden kognitive Systeme in Zukunft immer besser in der Lage sein, auch auf das emotionale Befinden des Gegenübers reagieren zu können. Der Teilbereich des Affective Computings beschäftigt sich mit der Simulation von Empathie. Hierzu können beispielsweise die Gesichtsmimik, aber auch die Wortwahl und Stimmfärbung des menschlichen Gegenübers analysiert werden. Empathische Systeme werden beispielsweise in Pflege- oder pädagogischen Einrichtungen eingesetzt.

Geschäftsmodelle im Fokus

Chatbots für den Support
Auf Cognitive Computing beruhende Chatbots sind in der Lage, einen menschlichen Gesprächspartner zu simulieren. Die virtuellen Assistenten können einfache Kundenanfragen beantworten, Informationen zum Angebot des Unternehmens liefern oder sogar Bestellungen entgegennehmen. Dabei lassen sich die Chatbots nicht nur auf der eigenen Homepage oder in der eigenen App betreiben, sondern auch in Messenger-Dienste wie WhatsApp oder soziale Netzwerke einbinden. Durch Chatbots kann die Kundenbindung verbessert werden, da diese beispielsweise im Support unmittelbar Fragen beantworten können. Ein Geschäftsmodell könnte in Zukunft darin bestehen, Kunden solche Chat­bots als Service zur Verfügung zu stellen. Eine Abrechnung könnte dabei nach tatsächlich erfolgten Anfragen erstellt werden.

Kognitive Beratung
Sogenannte Robo-Advisors sind schon seit einigen Jahren ein disruptives Geschäftsmodell in der Finanzbranche. In der Regel wird dabei ein Portfolio für den Kunden erstellt und in gewissen Intervallen ein automatisches Rebalancing durchgeführt. Bisher funktioniert das Rebalancing auf einem einfachen statischen Algorithmus, aber in Zukunft könnten dabei selbstlernende Systeme zum Einsatz kommen. Kognitive Systeme könnten dabei nicht nur den Algorithmus stetig verbessern, sondern zudem noch richtige Beratungsgespräche führen. Das Führen von Beratungsgesprächen lässt sich auch auf andere Dienstleistungen übertragen, sodass wir in Zukunft nicht nur das Geschäftsfeld des Kognitiven Finanzberaters haben dürften, sondern auch des Kognitiven Versicherungs-, Steuer- oder Rechtsberaters, selbst ein Kognitiver Universalberater könnte entstehen.

„Machine Learning as a Service“ (MLaaS)
Die großen Cloud-Anbieter bieten mittlerweile bereits MLaaS-Dienste an, ohne dass man sich selbst Kenntnisse von komplexen Machine-Learning-Algorithmen aneignen muss. Über eine einfache Oberfläche unterstützen die Anbieter einen bei der Erstellung eines zugeschnittenen Algorithmus. Dieser lässt sich dann durch einfache APIs mit den eigenen Anwendungen verbinden. Auf diese Weise lassen sich dann Milliarden von Prognosen nach einem skalierbaren Bedarf erstellen. Zusätzlich gibt es sogar die Möglichkeit einer automatischen Skalierung, die ebenfalls auf selbstlernenden Systemen aufbaut und wobei stetig der Bedarf des Kunden prognostiziert wird.

Taxi 2.0
Durch die Möglichkeiten der künstlichen Intelligenz werden Fahrzeuge in die Lage versetzt, völlig autonom zu fahren. Das autonom fahrende Auto, welches den Nutzer zu seinem Ziel chauffiert, steht kurz vor der Realisation, wodurch auch das Geschäftsmodell des völlig autonomen Taxibetriebs entstehen dürfte. Bezahlt werden könnte, wie dies bei Car-Sharing-Anbietern bereits jetzt schon der Fall ist, über ein Abomodell. Vielfahrer zahlen dabei eine höhere Grundgebühr, aber weniger Kilometergeld. Die Flotte des Anbieters nutzt dabei neben anderen verkehrsrelevanten Daten auch die eigenen Bewegungsprofile, um mittels selbstlernender Systeme die stets optimale Route hinsichtlich Geschwindigkeit oder Treibstoffverbrauch und Verschleiß zu ermitteln. Zusätzlich lassen sich die autonomen Autos auch als Kurierdienst nutzen, ohne dass ein menschlicher Kurier notwendig ist.

Content-Generatoren
Auf News-Portalen können kognitive Systeme dazu genutzt werden, Content zu generieren. Dazu können verschiedene Quellen in Bezug auf ihren Informationsgehalt untersucht und ein eigener Text erstellt werden. Auch Prognosen können die Systeme liefern und dafür bspw. auch Daten aus sozialen Netzwerken verwenden. Sportergebnisse, Wahlausgänge oder Aktienkurse könnten so kontinuierlich vorhergesagt und dem Leser in einfacher Textform angeboten werden. Selbst müsste man den Content der Seiten nicht mehr verwalten, sogar auf Kommentare könnten Chatbots reagieren. Geld erwirtschaftet man wie üblich durch Ads oder Premiuminhalte für Abo-Kunden. //

 

Autorenvita Andreas Fuhrich

 

(1) „Künstliche Intelligenz und echte Profite – Machine Learning auf dem Weg in den Mainstream“, von: Carlo Velten, 2016,
URL: https://www.crisp-research.com/kunstliche-intelligenzund-echte-profite-machine-learning-auf-dem-weg-den-mainstream/ (Abgerufen: 24.November 2016).
Der Text ist unter der Lizenz CC BY-SA 3.0 DE verfügbar.
Lizenzbestimmungen:
https://creativecommons.org/licenses/by-sa/3.0/de/