Wie Unternehmen künstliche Intelligenz nutzen

Artikel-TagsPrognoseGlobalLänderanalyseTechnologie

ChatGPT und generative künstliche Intelligenz (KI) sind in den letzten Monaten zu einem heißen Thema geworden, aber Verbraucher und Unternehmen nutzen KI bereits seit mehreren Jahren. Es wird verwendet, wenn Amazon oder Netflix Empfehlungen geben oder durch den Einsatz von Sprachassistenten wie Siri oder Alexa. In diesem Artikel wird untersucht, wie viele verschiedene Branchen und Unternehmen KI bereits als Teil ihrer täglichen Geschäftsprozesse und Angebote nutzen.

KI verändert die Zukunft der Landwirtschaft

KI in der Landwirtschaft wird auf drei Arten zur Verbesserung der landwirtschaftlichen Produktivität eingesetzt: Agrarrobotik, Boden- und Pflanzenüberwachung und prädiktive Analytik.

John Deere hat in den letzten Jahrzehnten in Technologie und Robotik investiert, um auf der CES 2022 die ersten vollautomatischen Traktoren zu entwickeln und auf den Markt zu bringen. Durch die Anwendung hochwertiger, auf die Landwirtschaft zugeschnittener KI- und maschineller Lerntrainingsdaten können autonome Traktoren Aufgaben wie die Kultivierung, Düngung, Ernte und Pflanzung mit minimalem menschlichen Eingriff. Monarch Tractor, ein in den USA ansässiges Start-up, entwickelt mit Unterstützung von CNH Industrial ebenfalls autonome Traktoren.

Ein weiterer wichtiger Einsatzbereich der KI ist die Präzisionslandwirtschaft mittels prädiktiver Analyse. In Kombination mit Echtzeit-Sensordaten und visuellen Analysedaten von Drohnen kann KI Landwirten zukunftsorientierte Orientierungshilfen bieten, um die Ernteertragsvorhersage zu verbessern und Schädlings- und Krankheitsinfektionen zu erkennen. Kürzlich ging PepsiCo (USA) eine Partnerschaft mit Cropin (Indien) ein, einem Software-as-a-Service-Anbieter (SaaS), um ein Crop-Intelligence-Modell für Indien auf den Markt zu bringen, das prädiktive KI-Analysen nutzt, um den Kartoffelertrag zu verbessern.

KI treibt Innovationen im Automobilsektor voran

KI hat ein breites Anwendungsspektrum für die Automobilindustrie, von Design, Produktion und Fahrzeugwartung bis hin zu Infotainment und autonomem Fahren.

KI-Algorithmen können in Kombination mit Eingaben von Sensoren (einschließlich LiDAR) und Kameras bereits selbstfahrende Fahrzeuge innerhalb vorgeschriebener, abgeschlossener Bereiche steuern. Der BMW X5, das Tesla Model S und der Cadillac Escalade von GM arbeiten jetzt auf Stufe 2 oder 3 der fünf Stufen des autonomen Fahrens. Das bedeutet, dass sie immer noch die ständige Aufmerksamkeit des Fahrers erfordern, aber Unterstützung beim Lenken, Bremsen, Beschleunigen und bei der adaptiven Geschwindigkeitsregelung bieten. Mittlerweile gehören Cruise (USA; im Besitz von GM), Waymo (USA; im Besitz von Alphabet) und Pony.ai (China) zu den Unternehmen, die in Städten von Phoenix, Arizona bis Peking, China, mit fahrerlosen Robotaxis der Stufe 4 experimentieren.

Im Hinblick auf die Fertigung wird KI für Fahrzeugdesign, Workflow-Lösungen und Robotik an Produktionslinien eingesetzt. BMW (Deutschland), Toyota (Japan) und GM führen unter anderem Bildverarbeitungssysteme ein, die KI zur automatischen Inspektion nutzen und dabei helfen, fehlerhafte Produkte zu erkennen. KI treibt auch Infotainmentsysteme im Fahrzeug an und ermöglicht Versicherern Navigation, Sicherheit durch biometrische Erkennung und Fahrüberwachung.

KI hat dazu beigetragen, Logistik und Einzelhandel reibungsloser zu gestalten

Amazon (USA) nutzt KI bereits seit mehreren Jahren für die prädiktive Logistik und hat die Technologie bereits 2014 patentiert. Der Online-Einzelhandelsriese analysiert Kundendaten, um die Nachfrage nach Waren vorherzusagen, sodass er Produkte für die Lieferung vorbereiten und versenden kann nur ein paar Stunden nach dem Kauf. Einzelhändler wie Walmart (USA) nutzen KI-Tools, um Lagerbestände vorherzusagen und zu planen, nicht nur durch die Analyse der Nachfrage, sondern auch durch das Scannen von Bildern und Videos von Filialkameras. Verbraucherunternehmen nutzen KI- und Geolokalisierungsdaten, um die Transparenz in ihren Lieferketten zu verbessern, beispielsweise um ihre Nachhaltigkeitsziele zu erreichen; Unilever (Niederlande) nutzt dies, um die Entwaldung zu verfolgen.

Ein weiterer Anwendungsfall für KI (insbesondere generative KI) ist der Kundenservice. Viele Unternehmen nutzen KI-gestützte Chatbots, um Kundenanfragen zu beantworten oder sogar Bestellungen entgegenzunehmen oder ihnen beim Einkaufen zu helfen. Allerdings haben einige Einzelhändler Schwierigkeiten, solche Dienste zu monetarisieren; Walmart stellte seinen experimentellen persönlichen KI-Einkaufsassistenten im Jahr 2020, drei Jahre nach der Einführung, mangels ausreichender Akzeptanz ein. KI-gestützte digitale Avatare waren erfolgreicher. Sie werden in China als Ersatz für menschliche Online-Influencer eingesetzt, die der Kontrolle der Regierung unterliegen, und erfreuen sich besonders großer Beliebtheit bei westlichen Luxusmarken wie Louis Vuitton (Frankreich) und Prada (Italien).

KI kann die Widerstandsfähigkeit von Stromnetzen verbessern

Derzeit wird KI im Energiesektor hauptsächlich zur Verbesserung des Netzmanagements und der Effizienz in einem zunehmend volatilen und flexiblen Netz eingesetzt. Da die Leistung von Wind-, Solar- und Wasserkraftwerken wetterabhängig schwankt, ist ein effizientes Netzmanagement erforderlich, um Stromausfälle zu vermeiden. In den USA hat das Energieministerium die KI in den Mittelpunkt seiner Smart-Grid-Strategie gestellt, während sich im Vereinigten Königreich das National Grid mit IBM zusammengetan hat, um cloudbasierte Analysen zu entwickeln. Diese Initiativen ermöglichen eine Echtzeitüberwachung von Stromnetzen und die Möglichkeit, Produktions- oder Nachfragespitzen vorherzusagen und darauf zu reagieren.

Diese Flexibilität wird immer wichtiger, da langlebige Güter elektrifiziert werden. Elektrofahrzeuge (EVs) benötigen ein flexibles Stromnetz, da sie über das Netz aufgeladen werden, aber auch über das Netz entladen werden können, was eine zusätzliche Stromquelle darstellt. Haushaltsgeräte werden elektrifiziert und mit intelligenten Zählern verbunden, was zu einer flexibleren Nutzung führt. Dazu gehören Waschmaschinen, die sich automatisch einschalten, wenn der Strom günstig ist.

Betrugserkennung und automatisiertes Investieren dominieren die Finanz-KI

Unternehmen in der Finanzbranche waren die ersten Anwender von Algorithmen und KI, obwohl der Sektor in den letzten Jahren wohl ins Hintertreffen geraten ist. Eine weit verbreitete Anwendung ist die Betrugserkennung. Visa, Mastercard und PayPal (alle USA) nutzen maschinelle Lernalgorithmen, um über mehrere Jahrzehnte erfasste Daten zum Kundenverhalten zu analysieren. Eine solche Analyse kann Auffälligkeiten bei Kontoaktivitäten erkennen und betrügerische Aktivitäten in nur wenigen Millisekunden zu jedem Zeitpunkt des Transaktionszyklus identifizieren. Diese Systeme erzeugen manchmal Fehlalarme, indem sie echte Kundenzahlungen blockieren, aber sie haben es geschafft, Betrug zu reduzieren.

Ein weiterer prominenter Einsatz von KI findet im sogenannten algorithmischen Handel statt, der heute mehr auf maschinellem Lernen als auf menschlichen Anweisungen beruht. Frühe Anwender dieser Systeme erzielten oft gute Gewinne, riskierten jedoch, ein herdenartiges Verhalten auszulösen, das die Märkte erschütterte. In jüngerer Zeit haben Wertpapierfirmen ähnliche Systeme für automatisiertes Investieren, sogenannte Roboadvisors, eingeführt, die Aufgaben wie die Neuausrichtung des Portfolios, die Einziehung von Steuerverlusten und die effiziente Anlage von Bargeldbeständen übernehmen können. Zu den beliebten Roboadvisors in den USA gehören der Digital Advisor von Vanguard und der Automated Investing Bot von SoFi.

Steht KI bereits im Gesundheitswesen?

KI wird in Gesundheitseinrichtungen und der Pharmaindustrie bereits auf verschiedene Weise eingesetzt, unter anderem in der Arzneimittelforschung, Diagnostik und Ressourcenzuweisung.

Pfizer (USA), Genentech (USA) und Sanofi (Frankreich) gehören zu den Unternehmen, die KI und maschinelles Lernen nutzen, um ihre Forschungs- und Entwicklungsbemühungen zu beschleunigen. Dies kann erreicht werden, indem historische Forschungsarbeiten und Daten klinischer Studien nach unentdeckten Mustern durchsucht werden oder indem genetische Daten von Patienten und Krankheiten analysiert werden, um neue Erkenntnisse zu gewinnen. Diese Erkenntnisse helfen bei der Entwicklung personalisierterer und wirksamerer Medikamentenkandidaten, wobei KI auch bei der Gestaltung nachfolgender klinischer Studien zum Einsatz kommt.

GE HealthCare (US) gehört zu den Medizintechnikunternehmen, die KI nutzen, um bei der Digitalisierung von Gesundheitsdiensten zu helfen. Seine zentralisierten Kommandozentralen, wie sie im Johns Hopkins Hospital (USA) und im Bradford Royal Infirmary (Großbritannien) eingesetzt werden, nutzen prädiktive KI-Analysen, um die Entscheidungsfindung von Ärzten, die Verwaltung von Patientenströmen und Forschungskooperationen zu unterstützen.

Ein weiterer Bereich mit Potenzial ist die Diagnostik, bei der KI eingesetzt wird, um die Symptome von Patienten anhand möglicher Ursachen zu prüfen oder Scans zu analysieren. Zu den ersten Anwendern zählen chinesische Gesundheits-Apps wie „Good Doctor“ von Ping An und chinesische Krankenhäuser, insbesondere in Shanghai, das eine Basis für KI im Gesundheitswesen werden will.

Anwendungsfälle müssen die Akzeptanz vorantreiben

In all diesen Sektoren hat die Pandemie die Notwendigkeit einer digitalen Transformationsstrategie deutlich gemacht – und KI ist ein entscheidender Teil dieses Prozesses. Die Technologie entwickelt sich rasant weiter, dennoch ist es für Unternehmen weiterhin wichtig zu verstehen, warum sie sie nutzen möchten. Dieser geschäftliche Bedarf wird dann die notwendigen Investitionen und Innovationen in die richtige Richtung lenken, und zwar mit weniger Fehltritten.

Die in diesem Artikel vorgestellten Analysen und Prognosen finden Sie im Länderanalysedienst der EIU. Diese integrierte Lösung bietet unübertroffene globale Einblicke in die politischen und wirtschaftlichen Aussichten für fast 200 Länder und hilft Unternehmen dabei, potenzielle Chancen und potenzielle Risiken zu erkennen.

Mo, 05. Juni 2023 Artikel-TagsPrognoseGlobalLänderanalyseTechnologie