BDI-Grundsatzpapier Künstliche Intelligenz - Handlungsempfehlungen zur Umsetzung der deutschen und europäischen KI-Strategie
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
POSITION | DIGITALPOLITIK | KI-STRATEGIE BDI-Grundsatzpapier Künstliche Intelligenz Handlungsempfehlungen zur Umsetzung der deutschen und europäischen KI-Strategie
Digitale Version Einfach den QR-Code mit dem Smartphone oder Tablet einscannen, um die digitale Version zu öffnen. www.bdi.eu/publikation/news/BDI-Grundsatzpapier-Kuenstliche-Intelligenz
Position | Digitalpolitik | KI-Strategie Inhaltsverzeichnis
BDI-Grundsatzpapier Künstliche Intelligenz
Inhaltsverzeichnis
Vorwort.......................................................................................................................................................................................5
01 Hintergrund.......................................................................................................................................................................6
02 Beispiele für industrienahe KI-Anwendungen............................................................................................... 10
03 Handlungsempfehlungen ....................................................................................................................................... 14
Impressum............................................................................................................................................................................ 18
3
00
Wir können nur eine kurze Distanz in
die Zukunft blicken, aber dort können
wir eine Menge sehen, was getan
werden muss.
Alan Turing (1912-1954)
Britischer Logiker, Mathematiker, Kryptoanalytiker und geistiger
Vater der Künstlichen Intelligenz.
4
Position | Digitalpolitik | KI-Strategie Vorwort
BDI-Grundsatzpapier Künstliche Intelligenz
Vorwort
Künstliche Intelligenz (KI) durchdringt nahezu alle Für Deutschland ergibt sich eine einmalige Chance: Die
Bereiche unseres Lebens und bringt einen Mehr- Kombination der industriellen Stärke mit den Möglich-
wert für Bürger und Gesellschaft. Zum Beispiel filtert keiten der KI können uns im internationalen Wettbewerb
KI automatisch unerwünschte Emails und erkennt mit KI-Vorreitern wie China, den USA oder Israel einen
Schadsoftware. Computern und Smartphones lassen sich entscheidenden Vorteil verschaffen. Hierfür müssen KI-
über KI-gestützte biometrische Erkennung entsperren. Technologien in die breite Fläche und in die einzelnen
Im Auto unterstützen KI-basierte Assistenzsysteme den Unternehmen getragen werden. Dazu ist ein innovations-
Fahrer dabei, die Spur zu halten und warnen bei Über- freundlicher Regulierungsrahmen erforderlich, der die
müdung. KI reduziert die Emissionen in der Strom- Chancen von KI in den Vordergrund rückt. Neben den
erzeugung und erhöht die Ressourceneffizienz durch wirtschaftlichen Aspekten muss von Beginn an auch die
die Minimierung des Ausschusses in der industriellen gesellschaftliche Dimension miteinbezogen werden. Die
Produktion. Röntgenbilder und MRT-Scans werden auto- Industrie ist sich ihrer Verantwortung bewusst und bringt
matisch auf Erkrankungen gescannt und KI unterstützt sich sowohl in die Debatte um die technisch-wirtschaft-
den Mediziner bei der Diagnostik. liche Ausrichtung als auch in die Diskussion um einen ver-
antwortungsvollen Umgang mit KI ein. Dabei besteht das
KI ist bei Politik, Medien und Wirtschaft in den Fokus leitende Prinzip darin, KI-Anwendungen im industriellen
gerückt. Es werden hohe Erwartungen geweckt, Kontext zum Wohl der Bürger, der Unternehmen und
aber auch Risiken und mögliche politische Maß- der Gesellschaft einzusetzen.
nahmen diskutiert. Häufig stehen dabei Business-to-
Consumer-Anwendungen (B2C) im Mittelpunkt der Bundesregierung und EU-Kommission haben mit ihren
Debatte. Doch gerade für den industriellen Business-to- KI-Strategien wichtige Grundsteine auf dem Weg hin
Business-Bereich (B2B) birgt KI zahlreiche wirtschaft- zu einem funktionierenden KI-Ökosystem gelegt. Diese
lich vielversprechende Anwendungsmöglichkeiten. Die Strategien müssen schnell und konsequent umgesetzt und
Digitalisierung des industriellen Hardware-Bestands – mit den richtigen Schwerpunkten und Finanzierungen
von Fabriken, Gebäuden, Energie- und Verkehrsnetzen versehen werden. Nur dann kann KI zur erhofften
– führt dazu, dass große Datenmengen erzeugt werden. Erfolgsgeschichte für Deutschland und Europa werden.
Um das wirtschaftliche Potenzial dieser Datenmengen
für Deutschland und Europa nutzen zu können, werden
Datenanalyse- und Verarbeitungstechnologien benötigt.
KI kommt dabei eine besondere Bedeutung zu. KI-
Technologien werden schon heute eingesetzt und werden
in wenigen Jahren flächendeckend in der Industrie zu
finden sein.
Iris Plöger Clemens Otte
Mitglied der Hauptgeschäftsführung Stellvertretender Abteilungsleiter
Bundesverband der Deutschen Industrie e. V. Digitalisierung und Innovation
Bundesverband der Deutschen Industrie e. V.
5
Hintergrund
Die Anpassungs- und Lernfähigkeit von intelligenten Systemen
kann das Wirtschaftswachstum der deutschen und europäischen
Industrie beflügeln.
Industrie
Künstliche Intelligenz
Know-How
6
01
Position | Digitalpolitik | KI-Strategie Hintergrund
BDI-Grundsatzpapier Künstliche Intelligenz
lernen. Statt konkrete Berechnungsschritte vorzugeben,
Was ist Künstliche Intelligenz?
wird der Computer mit Daten „gefüttert“ und trainiert.
Lernalgorithmen abstrahieren aus den Trainingsdaten
Im Allgemeinen wird unter KI der Versuch verstanden,
selbstständig allgemeine Zusammenhänge. Ein Ein-
Maschinen und Computer „intelligentes“ Verhalten bei-
satzbereich ist die Erkennung von Kreditkartenbetrug.
zubringen.1 Ziel ist es, dass Maschinen und Computer
KI-Entwickler zeigen der Software Betrugsfälle, damit
eigenständig Muster erkennen, Aufgaben bearbeiten,
sie anhand statistischer Methoden selbstständig lernt,
Probleme lösen, Vorhersagen tätigen und dabei auch
welche Datenkonstellationen auf einen Kreditkarten-
komplexe Entscheidungen treffen können. Bei KI wird
betrug hinweisen. Anschließend kann das KI-System die
zwischen schwacher und starker KI unterschieden. Eine
Erkenntnisse auf neue Daten anwenden und verdächtige
starke KI soll im Grunde zu allem fähig sein, wozu ein
Vorgänge selbständig identifizieren. In der Regel gilt: Je
Mensch ebenfalls in der Lage wäre. Die starke KI ist
mehr geeignete Trainingsdaten das System erhält, desto
es auch, die Filmemacher und Science-Fiction-Autoren
zuverlässiger funktioniert es. Das KI-System kann so
fasziniert, sie hat aber mit der Realität nichts zu tun.
gestaltet werden, dass es im Betrieb ständig weiterlernt.
Die schwache KI hingegen ist schon länger in Wirtschaft
und Gesellschaft angekommen und macht zurzeit rasante Innerhalb des maschinellen Lernens gibt es eine Viel-
Fortschritte. Sie befasst sich damit, spezifische kognitive zahl von Disziplinen, die jeweils für unterschiedliche
Fähigkeiten des Menschen auf Maschinen zu übertragen. Aufgaben gut geeignet sind. Eine Disziplin, die in den
Das allgemeine Begriffsverständnis von KI verändert sich letzten Jahren maßgeblich für die großen Innovations-
dabei im Laufe der Zeit. Galten früher Schachcomputer sprünge in der Sprach-, Bild- und Videoverarbeitung
als Maßstab für KI, sind es heute vor allem Systeme verantwortlich war, ist das Deep Learning. Es basiert
zur Sprach-, Bild- und Mustererkennung. Diese Fähig- auf künstlichen neuronalen Netzen, deren Funktions-
keiten sind für Menschen selbstverständlich, aber für weise vom menschlichen Gehirn inspiriert wurden. Deep
Maschinen hochkomplex. Learning eignet sich gut für Anwendungen, bei denen
besonders große, qualitativ hochwertige Datenbestände
Eine Kerntechnologie der KI ist das maschinelle zur Verfügung stehen, aus denen sich Muster und Modelle
Lernen. Mit Hilfe des maschinellen Lernens kann ableiten lassen.
ein Computer aus Beispielen oder Erfahrungswerten
1
Der Begriff ist nicht eindeutig abgrenzbar, da es bereits an einer genauen
Definition von „Intelligenz“ mangelt.
Künstliche Intelligenz
Quelle: BDI
Künstliche
Intelligenz Maschinelles
Lernen Deep
Learning
7
Position | Digitalpolitik | KI-Strategie Hintergrund
BDI-Grundsatzpapier Künstliche Intelligenz
KI ist Schlüsseltechnologie Der Einsatz von KI kann bis zum Jahr 2035 ein zusätz-
der Industrie liches jährliches Wachstum der Bruttowertschöpfung
von bis zu 2 Prozent im Durchschnitt über alle Branchen
Auch wenn KI von den umfassenden Möglichkeiten hinweg auslösen. Die stärksten Impulse werden mit
menschlicher Intelligenz weit entfernt ist, kann sie 2,3 Prozent innerhalb des produzierenden Gewerbes
in spezifischen Anwendungsfeldern äußerst effizient erwartet.2 Aufgrund seiner industriellen Stärke kann
sein. Einmal trainiert, können KI-Systeme im Ver- Deutschland somit überproportional von KI profitieren.
gleich zu Menschen höhere Datenmengen in kürzerer
Zeit mit besseren Ergebnissen erfassen, analysieren Gute Voraussetzungen für
und auswerten. Dadurch erreichen sie eine erhebliche Deutschland im B2B-Bereich
Bedeutung für die Industrie.
Deutschland verfügt insgesamt über gute Voraus-
Die Anwendungsbereiche sind vielfältig. KI wird ein- setzungen, die Potenziale von KI zu heben. Auch
gesetzt, um Produktionsprozesse zu optimieren, die wenn Länder wie China oder die USA im B2C-Bereich
Energieausbeute aus Windparkanlagen zu verbessern weit voraus sind, kann Deutschland im industriellen
oder die Stickstoffemissionen aus Verbrennungs- B2B-Bereich eine Vorreiterrolle einnehmen. Deutsche
anlagen zu reduzieren. In der Entwicklung unterstützt Industrieunternehmen sind bei verschiedenen KI-
KI Ingenieure dabei, neue Produkte und Systeme hin- Anwendungsfeldern, wie z. B. intelligente Auto-
sichtlich Leistungsfähigkeit und Ressourceneffizienz zu matisierung, intelligente Sensorik und Robotik
optimieren. Auch in unterstützenden Bereichen wie bei- weltweit führend.
spielsweise Marketing und Vertrieb, Personalwirtschaft
oder Kundendienst bietet KI zahlreiche Möglichkeiten.
In wenigen Jahren wird KI in zahlreichen Produkten,
Prozessen und Dienstleistungen eingebettet sein.
2
Vgl. iit (2018): Potenziale der Künstlichen Intelligenz im Produzierenden
Gewerbe in Deutschland. Studie im Auftrag des BMWi.
Die Hemmnisse der KI-Nutzung im Mittelstand
Quelle: WIK (2019): Künstliche Intelligenz im Mittelstand
Einschätzung der Hemmnisse der KI-Nutzung im Mittelstand durch die Experten in gewichteter, absteigender Reihenfolge (n= 33)
Fehlendes Know-how
Mangelnde Datenbasis
Datensicherheitsbedenken
Mangelnder digitaler Reifegrad im Unternehmen
kein
Unzureichende digitale Infrastruktur
Hemmnis
Mangelnde Akzeptanz in die geringes
KI-gesteuerte Entscheidungsfindung Hemmnis
mittleres
Fehlende Marktreife von KI-Lösungen Hemmnis
starkes
Mangelnde Akzeptanz unter den Mitarbeitern Hemmnis
sehr starkes
Begrenzte finanzielle Ressourcen Hemmnis
0 20 40 60 80 100
8Position | Digitalpolitik | KI-Strategie Hintergrund
BDI-Grundsatzpapier Künstliche Intelligenz
Positiv sind auch die Voraussetzungen in der Forschung KI-Strategien von Bundesregierung
zu bewerten. Europa hat viele exzellente Forscher und und EU-Kommission sind wichtige
Forschungsgruppen in der KI. In Deutschland und Grundsteine für KI „made in Europe“ –
Europa entwickelte KI-Algorithmen finden weltweit
Umsetzung muss jetzt erfolgen
Anwendung. Rund 30 Prozent aller KI-Publikationen,
die in den Jahren 2013 bis 2017 veröffentlicht wurden, Die hohen Erwartungen an KI haben verschiedene
stammen aus Europa.3 Allerdings holen andere Regionen Länder frühzeitig dazu bewegt, nationale KI-Strategien
auf. Gleichzeitig wandern europäische Wissenschaftler zu entwickeln. In Deutschland wurde im November
zunehmend in den außereuropäischen Privatsektor und 2018 eine umfangreiche KI-Strategie veröffentlicht mit
an international führende Eliteuniversitäten ab. Gründe dem Ziel, Deutschland zu einem weltweit führenden
hierfür sind unter anderem die guten Gehaltsaussichten Standort bei der Erforschung von künstlicher Intelligenz
und eine hohe Gestaltungsfreiheit in der Forschung.4 zu machen. Zur Sicherung der Wettbewerbsfähigkeit
von Forschung und Wirtschaft sowie des Gemeinwohls
Fehlendes Know-How größte enthält die KI-Strategie eine Reihe von KI-spezifischen
Herausforderung für KMU Maßnahmen, wie z. B. die Unterstützung von kleinen
und mittleren Unternehmen im Bereich KI sowie
Aufgrund des hohen Potenzials findet KI zunehmende die Förderung des wissenschaftlichen Nachwuchses,
Verbreitung in der deutschen Industrie. Rund 25 Prozent der Forschung und der Lehre. Zur Umsetzung dieser
der Großunternehmen des produzierenden Gewerbes Maßnahmen sind bis zum Jahr 2025 insgesamt drei
setzen bereits KI-Technologien ein. Bei kleinen und Milliarden Euro an staatlichen Mitteln vorgesehen.7
mittleren Unternehmen (KMU) fällt dieser Anteil mit
15 Prozent jedoch erheblich geringer aus.5 Auch die EU-Kommission widmet sich verstärkt dem
Thema KI. Im April 2018 hat sie eine europäische KI-
Fehlendes Know-how und fehlende Fachkräfte sind Strategie und im Dezember 2018 einen koordinierten
dabei das größte Hemmnis für die Implementierung Plan für die Entwicklung und Nutzung künstlicher
von KI-Lösungen im Mittelstand. KI-Experten sind Intelligenz veröffentlicht und alle Mitgliedsstaaten
rar auf dem Arbeitsmarkt und mittelständische Unter- dazu aufgerufen, bis Mitte 2019 nationale KI-Strategien
nehmen können häufig nicht dieselben Gehälter zahlen zu entwickeln. Ziel der EU-Kommission ist es unter
wie Großunternehmen. Auch die mangelnde Daten- anderem, öffentliche und private KI-Investitionen der
basis insbesondere für Anwendungen des maschinellen Mitgliedsstaaten bis 2028 auf 20 Milliarden Euro pro
Lernens wird als erhebliches Hemmnis gesehen. Mittel- Jahr zu steigern.8
ständische Unternehmen verfügen insgesamt über
eine kleinere Datenbasis und Daten werden weniger Bundesregierung und EU-Kommission haben mit den
systematisch erfasst als in Großunternehmen.6 KI-Strategien dringend notwendige Grundsteine für „KI
made in Europe“ gelegt. Zwar gab es auch schon vor-
her vereinzelt KI-Förderprogramme, aber es fehlte ein
übergreifendes Gesamtkonzept für Forschung, Transfer
und Anwendung von KI in Deutschland und Europa.
Die einzelnen angekündigten Maßnahmen müssen
konsequent weiterverfolgt und zügig umgesetzt werden.
3
Vgl. Elsevier (2018): Artificial Intelligence: How knowledge is created,
transferred, and used.
4
Vgl. Ebenda 7
Vgl. Die Bundesregierung (2018): Strategie Künstliche Intelligenz der
5
Vgl. iit (2018): Potenziale der Künstlichen Intelligenz im Produzierenden Bundesregierung.
Gewerbe in Deutschland. Studie im Auftrag des BMWi. 8
Vgl. European Commission (2018): Coordinated Plan on Artificial
6
Vgl. Ebenda Intelligence.
902
Beispiele für industrienahe
KI-Anwendungen
Die vielfältigen Einsatzmöglichkeiten
machen KI zu einer der wichtigsten Schlüs-
seltechnologien in der Industrie.
Optimierung
Automatisierung
Technologien
Steuerung Digitaler
von Gasturbinen Laborassistent
Siemens setzt maschinelles Lernen ein, um die Steuerung Evonik entwickelt den ersten sprachgesteuerten Labor-
von Gasturbinen zu optimieren. Nach einigen Wochen assistenten COATINO™ für die Coatings-Industrie.
Lernzeit konnte die KI die Brennersteuerung über- Der digitale Assistent hilft Kunden der Lackindustrie
nehmen und den Stickoxid-Ausstoß um 20 Prozent mit gezielten Produktempfehlungen auf der Basis
reduzieren. von maschinellem Lernen und soll so umständliches
Suchen ersparen.
Qualitätskontrolle Robuste
Glasbrucherkennung
Volkswagen setzt künstliche neuronale Netze für die
Qualitätskontrolle in der Produktion ein. Anhand von Infineon wendet Deep Learning in einem System zur
Bilddaten können Produktionsfehler, die mit dem Glasbrucherkennung an. Das System verarbeitet die
menschlichen Auge nicht schnell und zuverlässig genug Signale eines Mikrofons und eines Drucksensors, um zu
geprüft werden können, früh im Produktionsprozess erkennen, ob eine Fensterscheibe eingeschlagen wurde.
erfasst und korrigiert werden. Durch die Kombination und Auswertung der Sensoren
mit dem gleichen Verfahrensprinzip kann die Anzahl
der Falschmeldungen (z. B. bei Bruch eines Trinkglases,
Hundegebell) signifikant reduziert werden.
10Position | Digitalpolitik | KI-Strategie Beispiele für industrienahe KI-Anwendungen
BDI-Grundsatzpapier Künstliche Intelligenz
Erkennung von Pflanzenschäd- Neue Medikamente
lingen und Nährstoffmangel entdecken
Durch Pflanzenkrankheiten und Schädlinge gehen Mit dem ungarischen Startup „Turbine“ arbeitet Bayer
weltweit noch immer rund 30 Prozent der jährlichen an einer KI, die simuliert, wie sich Krebszellen auf der
Ernten verloren. Die kostenlose App „Plantix“ des Molekularebene verhalten und auf Wirkstoffe reagieren.
Startups PEAT aus Hannover hilft, Pflanzenschäd- Laborexperimente können so virtuell vorgenommen
linge und Nährstoffmangel zu erkennen – mit einem werden, was deutlich schneller und günstiger ist.
einzigen Handyfoto. Die neuronalen Netze der Ent-
wickler erkennen typische Muster, ordnen sie einer Automatische
bestimmten Erkrankung zu und schlagen passende Qualitätskontrolle
Gegenmaßnahmen vor. Je mehr Nutzer mitmachen,
desto besser lernt „Plantix“. IBM wendet Deep Learning an, um eine automatische
Kontrolle von Werkstücken durchzuführen. Das
Navigationssystem System macht Videoaufnahmen von den Werkstücken,
für Sägen um sie auf Kratzer oder andere Beschädigungen zu
kontrollieren. So konnte bis zu 80 Prozent der ursprüng-
Flüssigere Arbeitsabläufe, weniger Fehler und höherer lich für die Qualitätskontrolle veranschlagten Zeit
Output. Das Bediener-Assistenzsystem von HOMAG eingespart werden.
erkennt mittels Kamera und Machine Learning, was
der Bediener macht – und führt ihn Schritt für Schritt
durch den Zuschnittprozess. Weicht der Bediener vom Batterieprognose
geplanten Ablauf ab, passt der „intelliGuide“ die Sägen
abläufe an oder korrigiert den Bediener. Audi Motorsport setzt neuronale Netze für die
Modellierung von Batterieverhalten im Rennwagen ein.
Optimierung der Anfahrphase Mittels Zeitreihenmodellen kann der Zusammenhang
eines Glasziehprozesses zwischen Ladestand, Entladung und Fahrverhalten
gelernt und somit für die Optimierung des Fahrver-
Das Fraunhofer IOSB hat eine intelligente Regelung für haltens eingesetzt werden.
die Anfahrphase eines Glasziehprozesses entwickelt.
Die KI erkennt automatisiert das verwendete Roh- Kategorisierung von Anfragen
material sowie dessen Qualität und passt darauf auf- im Kundenservice
bauend die Geschwindigkeit sowie die Temperatur der
Anlage an. Der entstehende Ausschuss beim Anfahren SAP Service Ticket Intelligence ermöglicht, Kunden-
des Prozesses konnte so signifikant reduziert werden. anfragen an den Kundendienst schneller und mit
verbesserter Qualität zu lösen. Dabei können ent-
Benutzerführung im Com- sprechende KI-Modelle Tickets aus allen Kanälen vor-
puter-Aided-Design (CAD) sortieren und zu den richtigen Bearbeitern und Teams
weiterleiten. Zusätzlich werden Lösungen auf Basis ver-
Bei CAD Software wird KI bereits eingesetzt, um gangener Kundenanfragen vorgeschlagen.
anstehende Arbeitsschritte vorherzusagen und die
Benutzeroberfläche vorausschauend zu aktualisieren.
Damit wird der Einsatz der Software effizienter.
11Position | Digitalpolitik | KI-Strategie Beispiele für industrienahe KI-Anwendungen
BDI-Grundsatzpapier Künstliche Intelligenz
KI-gestützte Intelligente
Werkstoffprüfung Kommissionierung
Die MTU Aero Engines verwendet Deep Learning zur Das Warehouse Management System von Jungheinrich
automatisierten Werkstoffprüfung im Flugtriebwerks- prognostiziert mittels KI die voraussichtliche Erfüllbar-
bau. Mittels neuronaler Netze kann eine IT-gestützte keit der Lieferzeit aller Aufträge und schließt daraus
Gefügeanalyse in Bildaufnahmen von Werkstoffen selbstständig, ob der geplante Lieferzeitpunkt erreicht
durchgeführt werden. Im Vergleich zur herkömm- werden kann. Ist dies nicht der Fall, so reagiert das
lichen Gefügeanalyse können so Bildauswertezeiten auf System und stellt somit sicher, dass die Aufträge trotz-
wenige Sekunden reduziert und Metriken standardisiert dem zeitgerecht das Lager verlassen. Das System lernt
nutzbar gemacht werden. selbstständig im Produktivbetrieb.
Optimale Bestückung von Positionierung
Werkzeugmagazinen von Autotüren
Bei Werkzeugmaschinen wird mit Hilfe von KI das Erium nutzt maschinelles Lernen, um die richtige Ein-
Programm zu Bearbeitung eines Werkstücks analysiert bauposition von Autotüren zu ermitteln und reduziert
und das Werkzeugmagazin daraufhin optimal bestückt. dadurch aufwendige Nacharbeit. Die intelligente Ver-
Die Produktivität des Fertigungsprozesses kann somit bindung von Expertenwissen und KI ermöglicht es, auch
um bis zu 20 Prozent gesteigert werden. bei schwieriger Datenlage in Echtzeit auf eine varianten-
reiche Fertigung zu reagieren. Dadurch werden lang-
Vorausschauendes Erkennen fristige Schwankungen der Spalt- und Versatzmaße in
von Fehlern und Wartungsbedarf Autotüren vollständig eliminiert.
Balluff verwendet maschinelles Lernen, um anhand
von Sensordaten Fehler und Wartungsbedarf in einer
Fertigungsanlage frühzeitig zu detektieren. Das System
lernt die Zustände der Anlage und erkennt Anomalien
wie z. B. defekte oder abgenutzte Anlagenteile. So kann
die Wartung effizienter geplant und dadurch Stillstand-
zeiten minimiert werden.
KI unterstützt Menschen dabei, die stetig
wachsende Datenflut zu beherrschen und
viele Arbeitsschritte effizienter zu gestalten.
12Position | Digitalpolitik | KI-Strategie Beispiele für industrienahe KI-Anwendungen
BDI-Grundsatzpapier Künstliche Intelligenz
Automated Machine
Learning Service Glasfaser-Ausbauplanung
Die Automated Machine Learning Service von Die Deutsche Telekom entwickelt gemeinsam mit
Weidmüller ermöglicht es Maschinen- oder Prozess- Fraunhofer IPM eine KI zur Ausbauplanung von Glas-
experten, eigenständig Maschinendaten zu ana- faserkabeln. Ein spezielles Fahrzeug sammelt über ver-
lysieren und Modelle z. B. zur Fehlervorhersage zu schiedene Sensoren und Laser-Scanning-Technologie
erstellen, auch wenn sie über kein Data-S cience- präzise Daten über die für Erweiterungen ausgewählte
Expertenwissen verfügen. Umgebung. Das System lernt Landschaftsmerkmale wie
Häuser, Gras, Bäume usw. hinsichtlich ihrer Planungs-
Wiederbeschaffungszeiten relevanz zu erkennen und nutzt diese Fähigkeit, um
intelligent planen automatisiert Vorschläge für ideale Routen für unter-
irdische Kabel zu erstellen.
INFORM setzt bei Industriekunden maschinelles
Lernen ein, um die Wiederbeschaffungszeiten von Bau-
teilen besser zu planen und Produktionsstillstände zu
vermeiden. Mit speziellen Algorithmen können anhand
vorhandener Daten präzise Vorhersagen über die Liefer-
zeit eines benötigten Bauteils gemacht werden. Fehler in
der Schätzung von Wiederbeschaffungszeiten können
so um bis zu 42 Prozent reduziert werden.
1303
Handlungsempfehlungen
Der Schwerpunkt der KI-Förderung sollte
auf industrienahen Anwendungsfeldern
liegen, um Deutschland und Europa im
internationalen Wettbewerb einen Vorteil
zu verschaffen.
Forschung
Edge Computing
Vernetzung
Deutschland weiter vom Ziel, 3,5 Prozent des BIP für
Zusätzliche Haushaltsmittel
1 Forschung und Entwicklung aufzuwenden. Die Bundes-
bereitstellen und Schwer- regierung sollte zumindest an dem Drei-Milliarden-Euro-
punkt auf industrienahe Ziel festhalten und hierfür zusätzliche Haushaltsmittel
Anwendungsfelder legen zur Verfügung stellen. Die Förderschwerpunkte sollten
dabei auf den industrienahen Anwendungsfeldern liegen.
Die Bundesregierung hat angekündigt, bis einschließ-
Jede Region hat bei KI unterschiedliche Kompetenzen
lich 2025 insgesamt etwa drei Milliarden Euro für die
und Schwerpunkte. US-amerikanische Unternehmen
Umsetzung der KI-Strategie zur Verfügung zu stellen.
dominieren datengetriebene Anwendungen und
Allerdings sind im Haushaltsentwurf 2020 und der
Plattformen im B2C-Bereich. China ist u. a. in den
Finanzplanung bis 2023 bisher nur eine Milliarde Euro
Anwendungsbereichen nationale Sicherheit und Online-
an Fördermitteln vorgesehen.9 Die restlichen Mittel
Handel stark aufgestellt. Deutschland und Europa
sollen zum Teil über die Umschichtung der Ressort-
werden sich im internationalen Wettbewerb nicht
etats finanziert werden. Dies ist der falsche Weg. Die
behaupten können, wenn sie auf die gleichen Schwer-
Förderung von Künstlicher Intelligenz sollte nicht zu
punkte setzen. Bundesregierung und EU-Kommission
Lasten bestehender Fördertöpfe erfolgen. Dies entfernt
sollten den Auf- und Ausbau von Kompetenzen in KI-
Bereichen mit strategischer Bedeutung für die Industrie
9
Vgl. Bundesfinanzministerium (2019): Eckwertebeschluss der
Bundesregierung zum Regierungsentwurf des Bundeshaushalts 2020
und zum Finanzplan 2019 bis 2023.Position | Digitalpolitik | KI-Strategie Handlungsempfehlungen
BDI-Grundsatzpapier Künstliche Intelligenz
wie z. B. Robotik, datenarme KI oder hybride KI 10 gezielt enger Abstimmung mit den europäischen Mitgliedsstaaten
fördern. Diese Bereiche sollten in enger Zusammen- eine koordinierte Forschungsroadmap erarbeiten, um die
arbeit mit der Industrie systematisch identifiziert und insgesamt gute Ausgangsposition in der KI-Forschung
fortlaufend neu bewertet werden, z. B. in Form eines nicht zu gefährden. Um die Forschungsroadmap umsetzen
jährlichen Kompetenzmonitorings. zu können, müssen internationale Top-Wissenschaftler
gehalten bzw. angeworben werden. Hierfür sollten
Indikatoren für die Erfolgsmes- Forschungseinrichtungen im Spitzensegment mehr Spiel-
2 sung der KI-Strategie festlegen räume bei Personal- und Budgetstrukturen erhalten.
und Datenlage verbessern Forschung und Anwendung von KI sollte aber nicht nur
in speziell darauf ausgerichteten Instituten der Informatik
Die KI-Strategie der Bundesregierung enthält viele und Mathematik erfolgen, sondern auch innerhalb der
richtige Ziele und Maßnahmen. Allerdings mangelt es Forschungsagenden und Curricula der anwendungs-
an der Umsetzung. Die Ziele und Maßnahmen sind in orientierten Fachrichtungen wie Maschinenbau, Elektro-
weiten Teilen zu allgemein formuliert, unzureichend technik, Medizin, Bauingenieurwesen etc. Zudem gilt es,
operationalisiert und mit wenigen messbaren Indikatoren die KI-Kompetenzen an Fachhochschulen stärker auszu-
unterlegt. Für eine erfolgreiche Steuerung und Erfolgs- bauen. Sie sind ein wichtiger Kooperationspartner ins-
messung der Maßnahmen sollte die Bundesregierung besondere für mittelständische Unternehmen.
geeignete quantitative Output-Indikatoren für relevante
Bereiche, wie z. B. KI-Verbreitung in der Wirtschaft Transfer in kleine und mittlere
4
oder Forschung und Entwicklung festlegen. Hierfür ist Unternehmen stärken
unter anderem eine tiefgehende, quantitative Stärken-
Schwächen-Analyse des KI-Standorts Deutschlands not- Deutschlands wirtschaftliche Stärke basiert auf den
wendig. Allerdings gibt es zu wenige belastbare Kenn- dezentralen Wertschöpfungsstrukturen des deutschen
zahlen, um ein aussagekräftiges und differenziertes Mittelstandes. Jeder zweite „Hidden Champion“ welt-
Lagebild zu erstellen. Unter anderem ist die Datenlage weit kommt aus Deutschland. KI kann nur zur erhofften
zur unternehmensinternen KI-Forschung und zur wissen- Erfolgsgeschichte werden, wenn es mittelständischen
schaftlich-wirtschaftlichen KI-Forschungskooperation Unternehmen gelingt, die Technologie in eigene Produkte
stark verbesserungswürdig. Die Bundesregierung sollte und Prozesse zu integrieren. Die in der KI-Strategie
Wirtschaftsforschungsinstitute bzw. statistische Ämter angekündigten Maßnahmen, wie z. B. der Einsatz von KI-
damit beauftragen, in enger Zusammenarbeit mit Wissen- Trainern oder die Einrichtung von KI-Testfeldern zielen
schaft und Wirtschaft entsprechende Kennzahlen zu ent- in die richtige Richtung. Bei den Maßnahmen sollte der
wickeln und kontinuierlich zu erheben. konkrete Nutzen von KI im Vordergrund stehen und nicht
die Technologie selbst. KMU sollten unter anderem für
Europäische Forschungs Anwendungsmöglichkeiten von KI mit einer niedrigen
3 roadmap für KI entwickeln und technologischen und wirtschaftlichen Eintrittsschwelle
Attraktivität für internationale sensibilisiert werden. Zudem gilt es, regionale und über-
regionale Vernetzungsinitiativen mit IT-Dienstleistern und
Top-Wissenschaftler steigern KI-Startups zu etablieren. Viele Unternehmen können
Im Zeitalter der KI rücken Wissenschaft und Wirtschaft keine eigenen KI-Experten beschäftigen und benötigen
enger zusammen. Praxistaugliche KI-Lösungen basieren Realisierungspartner, die sie bei der Entwicklung von
häufig auf Verfahren, die kurz zuvor noch als grundlegende KI-Anwendungen unterstützen.
Forschungsergebnisse angesehen wurden. Eine Führungs-
rolle bei KI kann die Wirtschaft nur erreichen, wenn
ein wechselseitiger Austausch mit einer leistungsfähigen
KI-Forschungslandschaft stattfindet. In Ergänzung zum
„Coordinated Action Plan“ sollte die EU-Kommission in
10
Unter hybrider KI versteht man KI-Modelle, in denen menschliches
Expertenwissen und maschinelle Lernmethoden kombiniert werden
mit dem Ziel, die Robustheit von KI-Systemen zu verbessern.
15Position | Digitalpolitik | KI-Strategie Handlungsempfehlungen
BDI-Grundsatzpapier Künstliche Intelligenz
Potenziale von Edge Entwicklungsgrundsätze wie Security by Design und
5 Computing nutzen Privacy by Design, die im Bereich der Hard- und Soft-
wareentwicklung schon lange zum Tragen kommen,
KI-Systeme werden heute meistens zentral, z. B. auf müssen an die spezifischen Herausforderungen von KI
Cloud-Plattformen realisiert. Nicht immer ist es aber angepasst werden. Zudem müssen eine Verschlüsselung
machbar und oft auch gar nicht sinnvoll, alle Daten auf dem Stand der Technik sowie die sichere Fertigung
zwischen der Quelle ihrer Entstehung und einer Cloud- und Lieferung von Hardware Grundlage des KI-Öko-
Plattform hin und her zu bewegen. Edge Computing bietet systems werden. Um das Vertrauen von Industrie und
mit den heute verfügbaren erhöhten lokalen Speicher- Verbrauchern in KI-basierte Systeme und Anwendun-
und Leistungskapazitäten durch mehr Dezentralität gen nachhaltig zu stärken, bedarf es europaweit ein-
große technische Vorteile hinsichtlich Latenzzeiten, heitlicher Sicherheitsanforderungen für KI-Systeme und
Security, Zuverlässigkeit und Robustheit. Zudem kann deren Komponenten innerhalb der gesamten Liefer-
Edge Computing bei eingeschränkter Verfügbarkeit kette und des gesamten Lebenszyklusses. Richtig umge-
und Bandbreite der digitalen Kommunikationsinfra- setzt, kann die Cybersicherheit KI-basierter Systeme
struktur eingesetzt werden. Auch beim Datenschutz zum Standortvorteil und Qualitätsmerkmal von „KI
und der Datensicherheit bietet Edge Computing große made in Germany“ werden.
Potenziale, da nicht alle Daten zentral gespeichert und
analysiert, sondern am Ort der Erhebung verarbeitet Bedarfsgerechte Regulierung
7
werden. Edge Computing ersetzt nicht das Cloud sicherstellen – Sektorspezifika
Computing, sondern ergänzt es. Wegen der in Zukunft beachten
riesigen Anzahl an dezentralen Edge Devices ist das
Wachstumspotenzial für dezentral verarbeitete Daten In Politik, Wirtschaft und Gesellschaft werden intensive
und die dafür benötigte Rechenkapazität enorm. Einer Debatten über die ethischen und rechtlichen Heraus-
vertrauenswürdigen, passgenauen Hardware wie z. B. forderungen von KI geführt. Diese Debatte ist richtig
Mikroelektronik-Chips (u. a. Sensoren, Prozessoren und und wichtig. Sie darf aber nicht zu einer vorschnellen
Aktoren) mit optimierter Rechenleistung und niedrigem horizontalen Regulierung führen. Dies würde ins-
Energieverbrauch am Anwendungsort kommt dabei besondere KMU vor große Herausforderungen stellen
eine besondere Bedeutung zu. und die Innovationsspielräume unnötig einschränken.
Bisher bekannte kritische KI-Anwendungen können
Cybersicherheit für bereits über das bestehende nationale oder europäische
6 KI-Systeme gewährleisten Recht wirksam reguliert werden (z. B. DSGVO, Anti-
diskriminierungsgesetz, Produktsicherheitsrichtlinie).
Die Sicherheit der Daten und das Vertrauen in KI-Algo- Zusätzliche Regelungen und Verfahren dürfen nur in
rithmen kann nur auf Basis vertrauenswürdiger, siche- Betracht gezogen werden, wenn ein konkreter Bedarf
rer Hardware in Kombination mit vertrauenswürdiger besteht. Zudem gilt zu beachten, dass die ethischen
Software gewährleistet werden. Insbesondere bei sicher- und rechtlichen Herausforderungen bei KI je nach
heitskritischen Anwendungen (z. B. autonomes Fahren, Einsatzzweck und -kontext sehr unterschiedlich sind.
Medizintechnik, Steuerung von Großanlagen) müssen Ethische Fragen stellen sich nur dann, wenn KI-Systeme
KI-Systeme manipulationssicher sein und mit einer nied- kritische Entscheidungen über Menschen treffen. In der
rigen Ausfallwahrscheinlichkeit zur Verfügung stehen. industriellen Nutzung spielen solche Systeme nur eine
Unter anderem besteht das Risiko, dass manipulierte untergeordnete Rolle. Zudem sollte die Bundesregierung
Trainingsdaten in das System eingeführt werden, die spä- die angekündigten Reallabore zügig realisieren, um
ter im Anwendungsfall zu fatalen Fehlentscheidungen eine passgenaue und bedarfsgerechte Regulierung von
führen können. Ein Beispiel hierfür ist die Konstruk- KI-Systemen sicherzustellen. Sie sind ein geeignetes
tion von sogenannten „Adversarial Examples“. Hierbei Instrument, um theoretische Annahmen im realen
berechnet der Angreifer Änderungen für Eingabedaten, Applikationskontext direkt zu verifizieren und zu
die für einen Menschen nicht wahrnehmbar sind, aber validieren. Darüber hinaus sollten Bundesregierung und
im KI-System eine Fehlklassifizierung verursachen. Folg- EU-Kommission verstärkt die Möglichkeiten einer Ko-
lich können KI-Algorithmen im Vergleich zu anderen Regulierung nutzen. Hierbei entwickeln Unternehmen
IT-Komponenten zusätzliche Schwachstellen aufweisen. Verhaltensregeln anhand von Best Practices, die von
16Position | Digitalpolitik | KI-Strategie Handlungsempfehlungen
BDI-Grundsatzpapier Künstliche Intelligenz
den Aufsichtsbehörden als rechtskonform anerkannt Passgenaue und zielgerichtete
9
und ggf. als allgemeingültig erklärt werden können. Kooperationsstrategie verfolgen
Kontrolle von Algorithmen an Damit die deutsche KI-Strategie zum Erfolg wird,
8 bestehende Institutionen und ist es notwendig, die europäische und internationale
Prozesse andocken Zusammenarbeit zu vertiefen. Die Bundesregierung
sollte die internationale Zusammenarbeit auf spezi-
In der politischen Debatte zu KI wird die Einrichtung fische Sektoren konzentrieren und thematisch nicht
neuer staatlicher Stellen und neutraler unabhängiger zu breit anlegen. Interessant sind vor allem Bereiche,
Prüfinstitutionen zur Kontrolle algorithmischer Ent- in denen potenzielle Partnerländer besondere Stärken
scheidungen diskutiert. Eine etwaige Kontrolle von aufweisen, wie z. B. E-Health in Dänemark oder
algorithmischen Verfahren sollte jedoch in erster E-Government in Estland oder Bereiche, die deutschen
Linie an bereits existierende Institutionen (z. B. BaFin, Unternehmen ein hohes Markterschließungspotenzial
BNetzA, BSI, KBA, Datenschutzaufsichtsbehörden) bieten, wie z. B. KI-Anwendungen in der Produktion in
angedockt werden. Die Übertragung von Prüfaufgaben China. Konkrete forschungs- und wirtschaftsgetriebene
an beliehene Stellen, wie zum Beispiel technische Prüf- Kooperationsprojekte sind gezielt zu fördern. Darüber
stellen, sind weitere Lösungsansätze. Die Bewertung hinaus sollten KMU und Startups finanziell unterstützt
algorithmischer Verfahren sollte immer in Hinblick werden, um an internationalen Standardisierungsver-
auf den jeweiligen Einsatzzweck und -kontext erfolgen. fahren teilzunehmen. Die Bundesregierung sollte aktiv
Zum Beispiel unterliegen Maschinen, in denen KI zur an der Gestaltung der im Rahmen von Horizon Europe
Anwendung kommt, bereits heute den gesetzlichen geplanten Partnerschaft zu KI mitwirken und deren Aus-
Anforderungen zur Produktsicherheit mit etablierten richtung auf praxisnahe und industrierelevante Themen
Kontrollmechanismen und Aufsichtsbehörden. Um eine sicherstellen. Bei ethisch sensiblen KI-Anwendungen
sachgerechte und unabhängige Prüfung ein- und durch- sollte eine Zusammenarbeit mit Ländern, die bei der
führen zu können, müssen die bestehenden Behörden Entwicklung und Anwendung von KI ähnliche ethische
und Institutionen dringend mit den notwendigen und demokratische Werte vertreten wie Europa,
personellen, technischen und finanziellen Ressourcen priorisiert werden.
ausgestattet werden. Darüber hinaus sind Kontroll-
pflichten in keinem Fall mit Offenlegungspflichten Strategische Vision für ein
10
gleichzusetzen, insbesondere wenn schützenswürdiges digitales Deutschland entwickeln
Know-How von Unternehmen betroffen wäre. Zudem
ist eine Offenlegung des Quellcodes gegenüber Kontroll- Insbesondere in Zeiten disruptiver Veränderungen
behörden oder gar der Öffentlichkeit in der Regel nicht bedarf es eines breiten gesellschaftlichen Konsens, einer
zielführend, denn selbst für Experten ist der Quellcode geteilten digitalen Zukunftsvision, die Technologieent-
nicht immer nachvollziehbar. Zudem reicht der Quell- wicklung und Werteverständnis in Übereinstimmung
code ohne die zugrundeliegenden Daten nicht aus, bringt. Solch eine Vision könnte der Gesellschaft
um die Wirkungsweise eines KI-Systems ganzheitlich Orientierung bieten und würde die Veränderungsbereit-
bewerten zu können. Häufig wirksamer sind funktions- schaft des Einzelnen im Prozess des oft mit Ängsten
orientierte Black-Box-Analysen mit deren Hilfe geprüft behafteten digitalen Wandels erhöhen. Zugleich böte
wird, ob ein System auf eingegebene Daten zuverlässig sie einen klaren Bezugsrahmen für strategische Einzel-
und korrekt reagiert. Einen richtigen Impuls, wie Trans- maßnahmen, die sich dadurch zu einer kohärenten
parenz mit Hilfe von Black-Box-Analysen möglich ist, Gesamtstrategie zusammenfügen würde. Ein solcher
gibt die Studie „Datenspende“ der Bayerischen Landes- Konsens ist kein Selbstläufer. Er muss politisch gewollt
zentrale für neue Medien (BLM).11 und im Dialog von Staat mit Wirtschaft, Wissenschaft
und zivilgesellschaftlichen Akteuren entwickelt werden.
Nur dann kann das wirtschaftliche und gesellschaft-
liche Potenzial neuer Technologien in Gänze gehoben
werden. Die „Society 5.0“-Strategie der japanischen
Regierung könnte dabei als Blaupause dienen.
11
Vgl. BLM (2018): Abschlussbericht zum Forschungsprojekt #Datenspende.
17Position | Digitalpolitik | KI-Strategie Impressum
BDI-Grundsatzpapier Künstliche Intelligenz
Impressum
Herausgeber
Bundesverband der Deutschen Industrie e. V.
Breite Straße 29
10178 Berlin
T.: +49 30 2028-0
www.bdi.eu
Redaktion
Dr. Thomas Koenen, Abteilungsleiter
Abteilung Digitalisierung und Innovation
Clemens Otte, Stellvertretender Abteilungsleiter
Abteilung Digitalisierung und Innovation
Konzeption & Umsetzung
Sarah Schwake, Referentin
Abteilung Marketing, Online und Veranstaltungen
Layout
Michel Arencibia, Art Director
www.man-design.net
Druck
Das Druckteam
www.druckteam-berlin.de
Verlag
Industrie-Förderung Gesellschaft mbH, Berlin
Bildnachweis
S.1: 42420183 © adimas | stock.adobe.com
S.4: 267083581 © Gorodenkoff | stock.adobe.com
S.6: 296803721 © Mykola | stock.adobe.com
S.10: 202863122 © murmakova | stock.adobe.com
S.13: 292340919 © Gorodenkoff | stock.adobe.com
S.14: x5Jg_f1nBpE | unsplash.com
Stand
Dezember 2019
BDI-Publikations-Nr. 0094
18Der BDI in den sozialen Netzwerken Verfolgen Sie tagesaktuell unsere Beiträge in den Sozialen Medien. Wir freuen uns über Likes, Retweets und Kommentare. Twitter YouTube @Der_BDI www.youtube.com/user/bdiberlin Facebook Newsletter www.facebook.com/DerBDI bdi.eu/media/newsletter-abo
Sie können auch lesen
