Effectief gebruik maken van KI-bronnen in de bedrijfsvoering

De door het Bundesministerium voor Milieu, Natuur en Nucleaire Veiligheid (BMU) opdracht gegeven studie »Potentieel van zwakke Kunstmatige Intelligentie voor de operationele hulpbronnenefficiëntie« onderzoekt concrete toepassingsmogelijkheden van KI om de hulpbronnenefficiëntie vooral in kleine en middelgrote ondernemingen (KMO) te vergroten.

Op 5 mei was het weer zover: de Aardoverlastdag in Duitsland. Sinds een maand leven we weer ten koste van het milieu en toekomstige generaties. We handelen buiten de planetaire grenzen en verbruiken meer hulpbronnen dan onze aarde kan regenereren. Dat was het slechte nieuws.

En nu het goede: Duurzaam ondernemen wordt steeds meer erkend als een noodzaak – ook om de toekomstbestendigheid van het midden- en kleinbedrijf te waarborgen. De drijvende krachten zijn onder andere de eisen van klanten, investeerders en de samenleving, evenals verscherpte voorschriften en regelgeving van de wetgever. Dit zorgt ervoor dat steeds meer bedrijven actief worden.

Ondersteuning bij de implementatie in het bedrijf

Het is dus hoog tijd om onze productie- en levensstijl duurzaam te maken. Daar hoort bij dat de hulpbronnenefficiëntie aanzienlijk wordt verhoogd. In hoeverre methoden van Kunstmatige Intelligentie geschikt zijn om de natuurlijke hulpbronnen water, energie, materiaal in de verwerkende industrie efficiënt te gebruiken en daarmee broeikasgassen te vermijden, onderzoekt de nu verschenen studie van het Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA en de bedrijfsadviesorganisatie Deloitte Artificial Intelligence & Data. De focus ligt daarbij op KMO. Want vooral voor KMO is het moeilijk om de juiste aanpakken voor het inzetten van KI te identificeren. Vaak ontbreken tijd en personeel om een overzicht te krijgen van de mogelijkheden van KI en de daarbij horende methoden en technologieën. Ook het benodigde vakkennis voor de selectie en implementatie van KI-projecten in het eigen bedrijf is vaak niet aanwezig. Zo vormt de implementatie en uitvoering van KI vaak een grote uitdaging. De studie toont daarom niet alleen KI-voorbeelden voor de operationele hulpbronnenefficiëntie, maar biedt ook praktische hulp bij de implementatie in het eigen bedrijf.

Onderzoeksvragen

De studie is gebaseerd op de volgende vragen:

- Welke technologieën en methoden van zwakke KI kunnen KMO in de verwerkende industrie gebruiken om hun operationele hulpbronnenefficiëntie te verhogen?
- Welke potentieel biedt zwakke KI voor de hulpbronnenefficiëntie in KMO van de verwerkende industrie?
- Welke toepassingsscenario’s van zwakke KI zijn het meest veelbelovend om de hulpbronnenefficiëntie in KMO te verbeteren?
- Welke succesfactoren en belemmeringen bestaan er voor de systematische toepassing van zwakke KI om de hulpbronnenefficiëntie in KMO te verhogen?
- Welke implementatievoorbeelden bestaan er voor een succesvolle verhoging van de hulpbronnenefficiëntie in KMO door inzet van zwakke KI?

Concurrentievoordelen en unique selling points voor KMO

Aangezien de analyse van grote hoeveelheden data en de daaruit afgeleide mogelijke optimalisatiemaatregelen vaak alleen mogelijk is door de invoering van digitaliseringsoplossingen, wordt digitalisering al geruime tijd beschouwd als een centraal instrument voor het verbeteren van de duurzaamheid van productiebedrijven. »De integratie van methoden van KI is de logische volgende stap op weg naar het benutten van hulpbronnenefficiëntiepotentieel in productieomgevingen«, zegt professor Alexander Sauer, hoofd van het Fraunhofer IPA en het Instituut voor Energie-efficiënte Productie (EEP) van de Universiteit Stuttgart. »Juist ook voor KMO bieden zich kansen door gerichte inzet van KI, om concurrentievoordelen te behalen en unique selling points te versterken of te vestigen.«

De in opdracht van het Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit (BMU) opgestelde studie werd gecoördineerd door het VDI Zentrum Ressourceneffizienz (VDI ZRE) en uitgevoerd door het Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA samen met Deloitte Artificial Intelligence & Data. De studie is op 7 juni 2021 verschenen en werd voor het eerst publiek gepresenteerd tijdens de 25e netwerkkonferentie »Kunstmatige Intelligentie – kansen en uitdagingen voor hulpbronnenefficiëntie«.

De studie »Potentieel van zwakke Kunstmatige Intelligentie voor de operationele hulpbronnenefficiëntie« is beschikbaar voor download via: https://www.ressource-deutschland.de/fileadmin/user_upload/downloads/studien/VDI-ZRE_Studie_KI-betriebliche-Ressourceneffizienz_Web_bf.pdf

Wat is zwakke KI?

Over het algemeen wordt onderscheid gemaakt tussen »zwakke« en »sterke« KI (Engels: artificial narrow intelligence vs. artificial general intelligence). Sterke KI wordt vooral gekenmerkt door het bezit van cognitieve vaardigheden die de mens in bijna alle opzichten zullen overtreffen of gelijkwaardig zijn. Daarentegen kan zwakke KI weliswaar de mens overtreffen, maar is dat meestal alleen in de gebieden waarvoor ze expliciet is geprogrammeerd en getraind. Zwakke KI richt zich op het oplossen van concrete toepassingsproblemen op basis van bekende methoden uit de wiskunde en informatica. De ontwikkelde systemen zijn daarbij in staat tot zelfoptimalisatie.