Artificial Intelligence (AI) - Threat or Chance?

January 28, 2019
How AI supports us in predicting incidents! Examples and Cases from different industries.

DE Version (EN will follow soon)

Ich bin motiviert und bin in den meisten Fällen gut drauf, wenn ich Arbeit verrichten darf, die mich herausfordert und weiterbringt. Wenn ich etwas auch für mich und mein Profil mitnehmen kann. Dazu gehört, dass ich gleichzeitig meine Stärken einbringen kann und die Arbeit aus meiner Perspektive Sinn macht. Also vereinbar ist mit meinen eigenen Wertvorstellungen.


Im Gegensatz dazu ist repetitive Arbeit für mich, wie wohl auch für die Mehrheit der Menschen, zermürbend, auf die Dauer demotivierend, reduziert die Konzentration und führt dazu, dass ich Fehler begehe.


Hier sind maschinelle Ansätze klar im Vorteil und können unterstützen! Maschinen können wiederkehrende Arbeit so verrichten, dass jeder Ablauf exakt denselben darstellt. Fehler aufgrund von Unaufmerksamkeit existieren hier nicht. Angereichert mit Maschine Learning Algorithmen sind Maschinen fähig, auf der Basis unheimlicher Mengen und jeglicher jemals gesammelten Daten (Big Data) zu lernen und schnell Entscheidungen zu treffen. Und Abläufe wiederum so weiterzuentwickeln und zu perfektionieren. Anomalien können aus Unmengen von Daten schnell detektiert werden, die ich händisch nur schwer finden würden. Sprichwörtlich helfen uns Maschinen mit entsprechenden Algorithmen die Nadel im Heuhaufen zu finden!


Dank solchen Ansätzen kann ich mich auf das fokussieren, was wir Menschen gut können und wo wir Menschen Maschinen gegenüber im Vorteil sind. zB. die Auseinandersetzung mit Arbeitskolleginnen und -kollegen. Oder mit Kundinnen und Kunden. Und das Aufnehmen derer Perspektive. Interpretieren und neue Zusammenhänge aus den gewonnenen Erkenntnissen ableiten. Neue Ideen entwickeln, wie entsprechende Ansätze im Business und zum Nutzen für die eigenen Kunden eingesetzt werden können.


Wie können da Daten und Algorithmen bei Entscheidungen unterstützen und zusätzlichen Kundennutzen generieren?


Zurück in die Zukunft

Aufgrund der Möglichkeit grosse Datenmengen schneller verarbeiten zu können (volume & velocity), der Korrelation unterschiedlicher Datenquellen (variety), angereichert mit Machine Learning Algorithmen (validity), werden Tendenzen schneller erkannt (value). Dies könnten das frühzeitige Erkennen von Performance Einbussen und je nachdem auch anstehende Störungen sein, wie sie klassisch im Monitoring von IT Systemen und Applikationen angewendet werden. Diese können bis zu 30 Minuten vor ihrem Eintreten erkannt werden. Und so den Betriebsverantwortlichen einen Vorsprung bieten, zu handeln bevor beim Kunden eine Störung bemerkbar wird. So können, dank dem Einsatz von künstlicher Intelligenz, zusätzlich Kosten eingespart  und zusätzlich die Reputation geschützt werden.


Personal richtig und rechtzeitig eingesetzt

Ähnliche Ansätze sind im Business weiterer Branche äusserst nützlich.

Zum Beispiel in Produktionsumgebungen, die aus diversen einzelnen Arbeitsschritten bestehen und stetig optimiert werden, um die Lieferzeiten zu verkürzen und Kunden schneller bedienen zu können (Prozessoptimierung). Aber auch die Überwachung der einzelnen Arbeitsschritte und die darin eingesetzten Werkzeuge sind wettbewerbskritisch.

Wenn Produktionswerkzeuge zB. über IoT (Internet of Things) Netzwerke verbunden werden, können diese gezielt aufeinander abgestimmt und entsprechende Daten zur vorausschauenden Wartung überwacht werden. So kann wiederum frühzeitig erkannt werden, sobald ein Werkzeug gefährdet ist, die Qualitätsanforderungen nicht mehr zu erfüllen. Und so eine schleichende Verschlechterung der Resultate oder gar ein Stillstand der Produktion vermieden werden. Und dies zu gleichzeitig tieferen Kosten. Denn eine Wartung wird nicht mehr präventiv vorgenommen, sondern nur dann, wenn es effektiv notwendig wird. Dank optimierter Konfigurationen verlängert dies zudem die Lebenszeit der eingesetzten Werkzeuge.


Neue, oder weniger Wege für das Pflegepersonal

Auch auf die Gesundheitsbranche können diese Konzepte direkt angewendet werden und sie haben Potential einen grossen Wert zu stiften. Zum Beispiel über 50% weniger Wegstrecken für das Pflegepersonal. Nur dadurch, dass die Messgeräte der Patienten zentral überwacht werden. Künstliche Intelligenz unterstützt darin, patientenspezifische Messwerte zu interpretieren und Schwellwerte entsprechend zu adaptieren. Sodass Notifikation zielgerichtet und vorausschauend erfolgen und das Pflegepersonal rechtzeitig interpretieren und passende Massnahmen einleiten kann.

Hier kommen die «Human Intelligent» Vorzüge klar zum Einsatz. Das Pflege- und Fachpersonal kann sich stärker auf den Austausch mit dem Patienten konzentrieren und könnte bei der Beratung, mit Unterstützung von «Artificial Intelligence», potentiell auf das Wissen von einem Verbund von Fällen auf der ganzen Welt zugreifen.

Mehr über unsere Erfahrung zum "Digital Hospital" , unserer Methodik und Referenz Cases lesen Sie aus unserem Factsheet.


Sich die Chancen zum Vorteil machen

Mit dem «DATA Crunching Fast Track Approach” stellen wir mit den «Data Mavericks» eine Zusammenarbeitsmethodik bereit, die auf HCD (Human Centered Design) Prinzipien basiert. So erarbeiten wir mit unseren Kunden, basierend auf Daten und Machine Learning Mechanismen, neue Möglichkeiten der Wertschöpfung und demonstrieren diese schnellstmöglich an konkreten MVP’s (minimum viable product). Agil, lean und iterativ in möglichst verdaubaren Schritten.

Erfahre mehr dazu auf unserer Website  «datamavericks.com» und kontaktiere uns direkt auf data.mavericks@acceleris.ch.  

Registriere dich jetzt für das MeetUp zum Thema "DATA and Machine Learning Cases - Rooftop Tales" am 4. Februar ab 16:30Uhr in Zürich, Hardturmstrasse 3 mit Gastredner Philipp Drieger, Staff Machine Learning Architect at Splunk.