Die Problemlöserin und ihre unsichtbaren Assistenten: Daten als Treibstoff Künstlicher Intelligenz

Mit zunehmender Digitalisierung erhöht sich auch die Datenmenge, die in Unternehmen entsteht – und das in schier unvorstellbarem Maße. Wie lässt sie sich noch händeln? Dieser Frage begegnet Lydia Nemec jeden Tag. Zusammen mit ihren Teams verarbeitet sie diese riesigen Datensätze, zieht aus ihnen die wichtigsten Informationen und hilft somit Mitarbeitenden, der Kundschaft sowie Konsumierenden, ganz konkrete Probleme zu lösen. Eine ihrer wichtigsten Helferinnen dabei: Künstliche Intelligenz.

„Ich habe gemerkt: Diese Computer können mir helfen. Aber ich hatte null Ahnung, was ich tat, war wirklich noch klein und nichts hat funktioniert“, so die KI-Kennerin: „Bis ich das System so weit hatte, dass es alle Multiplikationsaufgaben lösen konnte, hatte ich das Einmaleins längst selbst gelernt – und das System gar nicht mehr gebraucht.“

Heute, 30 Jahre später, ist Nemec in ihrer Position als Head of AI Accelerator bei ZEISS in einer Schnittstelle zwischen Daten, Software und KI gelandet, wie sie sagt: „Hier sind die Probleme etwas relevanter.“ Es geht zum Beispiel darum, Produkte zu optimieren oder gar neu zu entwickeln, Fehler in Prozessen ausfindig zu machen oder die Abläufe etwa in der Kundenansprache zu verbessern.

Aber auch die Problemlöserinnen und Problemlöser brauchen Hilfe – und die erhalten sie von unsichtbarer Stelle: aus dem Datensatz, der im Unternehmen entsteht. Schließlich ist es so: Je weiter die digitale Transformation voranschreitet, desto mehr Daten laufen in den Organisationen auf. Damit allein ist aber noch niemandem geholfen. Dieser Datensatz muss in Informationen übersetzt werden. Erst dann liefern Daten dem Unternehmen hilfreiche Erkenntnisse.

Bei ZEISS setzen Lydia Nemec und ihre Teams dabei auf eine weitere Unterstützerin: „Künstliche Intelligenz ist sehr gut darin, Informationen effizient zu extrahieren. Zum Beispiel durch maschinelles Lernen, das beim Prozessieren von Abläufen hilft, oder durch Deep Learning, damit der Computer vereinfacht gesagt aus Beispielen selbstständig lernt“, erklärt Nemec. „Daten einsammeln und speichern verursacht einfach nur Kosten. Sinnvoll wird es erst, wenn Informationen herausgezogen werden.“

In ihrer täglichen Arbeit bei ZEISS begegnen ihr Momente wie damals im Studium immer wieder. Allerdings hat sie durch ihre Arbeit Systeme entwickelt, die ihr dabei helfen, diese Probleme effizient zu lösen – dank Daten und KI. So liefert beispielsweise eine moderne Produktion in der Industrie 4.0 eine große Anzahl an Daten. Entsprechend trainiert, kann ein Algorithmus etwa erkennen, wann eine Maschine Gefahr läuft, kaputt zu gehen, oder welches Bauteil nicht das erforderte Qualitätslevel erreichen wird.

Außerdem werden insbesondere bei ZEISS Geräte gefertigt, die unglaublich große Datenmengen generieren: bildgebende Geräte wie Mikroskope zum Beispiel oder auch Messmaschinen oder Medizintechnik. „Mit diesen Daten lassen sich ganz unterschiedliche Themen adressieren“, sagt Nemec: „Wir können zum Beispiel herausfinden, wie die typische Arbeitsweise dieser Maschinen ist oder wie die Kundinnen und Kunden unsere Produkte tatsächlich nutzen.“ Diese Informationen helfen später beispielsweise in der Produktentwicklung dabei, Geräte zu verbessern, oder dienen dem Service, wenn es darum geht, Wartungen oder Reparaturarbeiten einzuplanen.