vordenken für die themen der zukunft... · data analytics te text extraction pi predictive...

© Fraunhofer IAO ÖffentlichStuttgarter Non Profit Forum

Vordenken für die Themen der ZukunftOrganisation und Prozessintegration von der Forschung in die Praxis

Univ.-Prof. Dr.-Ing. Oliver RiedelInstitutsleiter Fraunhofer-Institut für Arbeitswirtschaft und Organisation, StuttgartInstitutsleiter Universität Stuttgart, Institut für Steuerungstechnik (ISW) - Lehrstuhl »Produktionstechnische Informationstechnologien«

Inhalte nur zur Verwendung für das Non-Profit-Forum Stuttgart 2019.Inhalte sind Eigentum des Fraunhofer IAO, wenn nicht abweichend ausgewiesen. © Fraunhofer IAO

Bild Alexander Limbach/Adobe.Stock

© Fraunhofer IAO Öffentlich

Fraunhofer GesellschaftIm Profil

>70% Industrieaufträge, Öffentlich finanz. Forschungsprojekte

~30% Grundfinanzierung Bund und Länder

2,6 Mrd €

2,2 Mrd €

Verteidigungsforschung

© Fraunhofer IAO

Bild Karte/de.freepik.com 2019

Stuttgarter Non Profit Forum


42.6 173Mio. € Finanzvolume Öffentliche Projekte

637 30Mitarbeiter EU Projekte

226 337Wissenschaftliche Industrie ProjekteVeröffentlichungen

42.6Mio. € Finanzvolumen

637Mitarbeiter

226Wissenschaftliche Veröffentlichungen

Institut IAO & IATZahlen & Fakten 2018

© Fraunhofer IAO

© Icons https://tilda.cc 2019. © Bild IAO Fraunhofer 2019



Fraunhofer IAO&IATForschungsbereiche

Cognitive Engineering and Production

Digital BusinessOrganisationsentwicklung

und Arbeitsgestaltung

Stadtsystem-Gestaltung

Responsible Research and Innovation

Mensch-Technik-Interaktion

Mobilitäts- und Innovationssysteme

Dienstleistungs- und Personalmanagement

© Fraunhofer IAO

© Bild IAO Fraunhofer 2019



Industrielle RevolutionErfolgreiche Firmen müssen Revolutionen überleben!

1 2 3 4

Mechanisierung, Dampf- und Wasserkraft

Massenproduktion& Elektrizität

Elektronik Und ITSysteme, Automatisierung

Digitalisierung & Cyber Physische Systeme

Bilder Freepik www.flaticon.com lizensiert nach CC 3.0 BY



Herausforderungen & Trends

© Fraunhofer IAO

Netzwerk

Kommunikation & Daten

Digitalisierung

Komplexität von Produkt und Prozess

Regierung & Gesellschaft

Demographie

Globalisierung & »Glokalisierung«


System ofSystems


HighTech Themen 2018Die wichtigsten Technologie- und Markttrends der Digitalbranche

24%

25%

26%

26%

33%

43%

47%

48%

61%

67%

Mobile Apps / Mobile Websites

Enterprise Content Management

Blockchain

Cognitive Computing

Digitale Plattformen

Big Data

Industrie 4.0

Internet der Dinge und Dienste

Cloud Computing

IT Sicherheit

Cognitive Computing sofort in Top 10

Quelle BitKom Branchenbarometer, erstes HJ 2018


Künstliche Intelligenz – aktuell ein heißes Thema

© Fraunhofer IAO

Bild Adobe Stock Image


Technologiecocktail des Wandels der ArbeitsweltDigitalisierung als »New Normal« – Kognitive Systeme als »Disruptor«

DIGITAL KOGNITIV

CloudAgile

Cyber

Social

Künstliche Intelligenz

Maschinelles Lernen

Kognitive Systeme

Big Data

Mobil


Machine Learning als Beispiel für KIKI funktioniert nicht von alleine

Prozessverständnis

Datenverständnis

Datenvorbereitung

Modellierung

Evaluierung

Bereitstellung

Miau!!Was bin ich?

Bild Daniela Jovanovska-Hristovska, RBOZUK, Vladyslav Otsiatsia, 101cats/iStock.com



Machine Learning als Beispiel für KIGut, besser, am Besten?

Verstehen Vorhersagen Verstehen und Vorhersagen

Unsupervised Learning Supervised Learning Reinforced Learning

Die Datensätze der Gruppe basieren auf Ähnlichkeiten, die in bekannten

Daten identifiziert wurden.

Anwendung trainiert Muster auf unbekannte Daten mit einem

algorithmischen Modell, das von bekannten Daten und Mustern

abgeleitet ist.

Kontinuierliche Verbesserung eines Modells, das sich aus positiven und negativen Rückmeldungen ableitet,

durch Versuch und Irrtum bei unbekannten Daten und Mustern.

KI und Maschinelles Lernen basiert auf vielen Lernzyklen mit korrekten Daten und Ergebnissen



Das Periodensystem Künstlicher IntelligenzAnwendungen werden aus einzelnen Elementen zusammengesetzt

SrSpeech

Recognition

ArAudio

Recognition

FrFace

Recognition

IrImage

Recognition

GrGeneral

Recognition

SiSpeech

Identification

AiAudio

Identification

FiFace

Identification

IiImage

Identification

GiGeneral

Identification

DaData

Analytics

TeText

Extraction

PiPredictive

Interference

EiExplanatoryInterference

SySyntheticReasoning

PlPlaning

PsProblemSolving

DmDecisionMaking

LgLanguage

Generation

LuLanguage

Understanding

LcCategoryLearning

LrRelationship

Learning

LtKnowledgeRefinement

MlMobility

Large

MsMobility

Small

MaManipulation

CmCommunication

CnControl

GruppeErfassenBerechnenAgieren

Quelle: BitKom, Leitfaden Digitalisierung besser gestalten, 12/2018



Große Potenziale – wenig Erfahrungen IAO-Studie zum Einsatz von Künstlicher Intelligenz

25%

35%

10%

14%

16%

0% 5% 10% 15% 20% 25% 30% 35% 40%

Bisher nicht mit KI beschäftigt

Wir informieren und derzeit ausführlich über KI

Wir haben Potenziale der KI analysiert

Wir bereiten die Einführung von KI vor

Mindestens eine (1) konkrete KI Anwendung im Einsatz

Prozent der befragten Unternehmen

»Welche Erfahrungen hat Ihre Firma mit KI?«

75% beschäftigen sich aktuell mit KI

Noch wenig Anwendungenim Produktiveinsatz

n = 227

Quelle: IAO-Studie Einsatz von Künstlicher Intelligenz, Stand Juni 2019



4,0

4,3

2,7

2,4

0 1 2 3 4 5

Performing activities:Automation of simple activities

Analytical activities:Analysis of data

Intuitive activities:Creative activities and independent adaptation

Empathetic activities:Recognition and processing of human emotions

Künstliche Intelligenz ändert die ZukunftIAO-Studie zum Einsatz von Künstlicher Intelligenz

n = 227

Am Besten bei einfachen Aktivitäten

und Analyse von Daten

»Inwieweit wird die künstliche Intelligenz die Arbeitsteilung zwischen Mensch und Technik in den nächsten fünf Jahren verändern?«

Empathische Tätigkeiten: Erkennen und Verarbeiten von menschlichen Emotionen

Intuitive Tätigkeiten: Kreative Aktivitäten und unabhängige Bearbeitung

Ausführende Aktivitäten:Automatisierung einfacher Aktivitäten

Analytische Aktivitäten:Datenanalyse

Quelle: IAO-Studie Einsatz von Künstlicher Intelligenz, Stand Juni 2019



Drei Wellen der aktuellen und kommenden KISpektrum reicht von Unterstützung über Erweiterung bis zur Autonomie

Tech

no

log

isch

e E

ntw

icklu

ng

Heute 2020er 2030er

Algorithm Wave

Automatisierung von einfachen Tasks und Prozessen

Analyse von unstrukturierten Daten

Beispiel: Übersetzung von Texten mit Deepl.com

Augmentation Wave

Dynamische Interaktion mit Technologie mit geistig-intelligenter Unterstützung und Entscheidungsfindung

Automatisierung in flexiblen und komplexen Umgebungen

Beispiel: Parametrische Design- und Planungstools »KI-CAD«

Autonomy Wave

Automatisierung von physischer Arbeit und menschlichen Fähigkeiten

Aktionen in komplexen Umgebungen mit vollständiger Reaktion auf die Umwelt

Beispiel: Lieferungen mit autonomen Drohnen

Quelle: PricewaterhouseCoopers: Artificial Intelligence as an Innovation Accelerator in Companies - Confidence and Trust in Artificial Intelligence, 2018


Und wie sieht das dann aus?


Bild jogyx/Fotolia.com


Vier Schwerpunkte für Entscheidungen mit KI-Einsatz Beispiele aus dem Fraunhofer Innovationsnetzwerk

Fokus: KFZ-Schadensregulierung

KI für Betrugserkennung mit gemeinsamem

Datenpool

Fokus: Kundenservice & Vertrieb

Digitale Assistenten für Experten

Fokus:Schaden

Entscheidungs-algorithmen

für Prozesse mit KI

Fokus: Unstrukturierte Texte

Textverstehen 4.0KI für standardisierte Datenextraktion und Intentionserkennung

In Kooperation mit:

…


Beispiel: Chatbot für SchadenmeldungFokus Smartphone

Implementierungserfahrungen mit Google- und IBM-Technologien

Erste (Demo-)Versionen in 2 Tagen machbar

Entwicklungstools und Dialogdesignmethoden verbesserungsfähig (»Tools 1.0«)

Entwicklungsansatz: Entscheidungsbaum (limitiert)

Spezielles Know-how »Dialogdesign« erforderlich

Integration mit Messenger-Diensten (Facebook, Telegramm, ...)

Datenvorrat für Selbstlernen und Optimierung notwendig

Richtige Ansprache und Transparenz wichtig

Erkennung der »Grenzen« und Übergabe an den Menschen



Datenanalyse und KI-Verfahren für BetrugserkennungAusreichend viele Daten in guter Qualität sind Voraussetzung

KI unterstützt Betrugsexperten in zunehmendem Maße

Bildforensik kann gefälschte Schadenfotos erkennen

Betrugsmuster ändern sich, und KI kann helfen, neue Muster schneller zu erkennen

Neuronale Netze können komplexe Betrugsmuster erkennen, die mit Expertenregeln nicht leicht abbildbar wären

Datenqualität ist entscheidend

Fotos im Originalformat nutzen

Datenformate vereinheitlichen und bei Datenerfassungsprozesse optimieren

Gute Trainingsdaten sind entscheidend

Daten (im zulässigen Rahmen) archivieren

versicherungsübergreifende Plattformen als Lösungsansatz um eine für KI ausreichende Menge an Trainingsdaten zu erreichen.

Fraunhofer IAO-Demonstrator REX für Betrugserkennung und Bildforensik mit Fraunhofer SIT bifore-Software



Texterkennung und TextverstehenBeispiel Fraunhofer IAO-Prototyp »Textominado«

Hochladen von Text-, PDF- und Bilddokumenten

Automatische Erkennung von Adressen, Zeitangaben, Namen usw. mittels

Reguläre Ausdrücke

Statistische NLP-Verfahren

Look-up Listen

Neuronale Netze

Manuelles Tagging von spezifischen Informationen

Algorithmen für die Anonymisierung von (personenbezogenen) Daten



Beispiel: Fraunhofer-Plattform ARPOS-SVKI-Einsatz für Fallauswahl und Arbeitsplatz zur Kfz-Schadenprüfung

KI-basierte Algorithmen

Regelsysteme und Wissensdatenbanken

Autom. Lernen undSystemoptimierung

f. Auswahl, Auffälligkeiten, Korrekturen & »Best Process«

Detaillierte Daten ausDokumenten, Host und

externen Quellen;Informationsfusion

Automatisierte Prüfungund Bearbeitung

BusinessAnalytics

Complianceby Design

Multiscreenund Views


Ein Blick über den »KI« Tellerrand

Bild IAO Fraunhofer 2019

Stuttgarter Non Profit© Fraunhofer IAO


Industrie: Prozess Optimierung in der EntwicklungProjekt FOR Max3D

Video © ISW Universität Stuttgart 2019


Erforschung des mehrachsigen Druckens

Entwicklung neuer, kompakter Druckkopfkonzepte mit kleiner Kollisionsgeometrie

Entwicklung neuer Bahnplanungs-algorithmen für die mehrachsige Komponentenfertigung

Entwicklung einer neuen Druckerkinematik

Bestell Simulation

© Fraunhofer IAO


Industrie: Prozess Optimierung in der EntwicklungHerstellung biomimetischer und bioinspirierter modularer Strukturen

Die Natur als Vorbild für das Bauwesen

Umsetzung von bionischen Erkenntnisse und Methoden in der Additiven Fertigung von skalierbaren biologischen Modellen

Multi-Material- und Multi-Axial-Extrusion für Anwendungen im Bauwesen

Neue Komponenten und Verfahren und deren steuerungstechnische Integration



Industrie: Prozess Optimierung in der EntwicklungHerstellung biomimetischer und bioinspirierter modularer Strukturen



Industrie: Prozess Optimierung in der EntwicklungKnorpeldruck – »Mass Personalization« dort, wo der Schmerz ist!

Bildgebendes Verfahren (z.B. CT)

CAD Datei erzeugen

Druck Prozess planen

3D Druck mit personalisiertem Material

Kultivierung im Bioreaktor

Implantation



Industrie: Prozess Optimierung in der ProduktionSmart Factory Technology – Arbeiter Assistenz System

Business Case:

Handarbeitsplatz mit komplexen Arbeitsschritten

Low-Runner Arbeitsplatz

Ersatzteil / Nach der Serienproduktion

Dokumentation kritischer Produktionsschritte(Traceability)

Schulung der Mitarbeiter

Vorteile:

Reduzierung von Fehlern

Schnellere / bessere Schulung der Mitarbeiter ohne zusätzlichen »Lehrer«

Schnellere Inbetriebnahme der nächsten Charge (nach Serie / Low-Runner-Produktion)



Industry: Process Optimization in ProductionSmart Factory Technology – Worker Assistance System

© Fraunhofer IAO

Video © Marquardt 2019



Industrie: Prozess Optimierung in der ProduktionSmart Factory Technology – Kollaborative Roboter

Business Case:

Be- und Entladen von Maschinen

Montageschritte mit definiertem Verbindungsweg

Positionierung von großen und schweren Teilen

Vorteile:

Autonome Produktion

Verbesserte Fügequalität

Einfacheres Handling der Teile

Geringer Platzbedarf



Industrie: Prozess Optimierung in der ProduktionSmart Factory Technology – Kollaborative Roboter

Hinweis: Wir verwenden Roboter als kooperierende Roboter, da wir trotz intensiver Analyse keine kollaborierenden Anwendung gefunden haben!

Video © Marquardt 2019



Konstante Adaptionsfähigkeit bei steigendem Innovationstempo maßgeblich

Die Herausforderung für Unternehmen

Zeit

Ve

rän

de

run

gsra

te

Technologische Veränderung

Adaptionsfähigkeit von Menschen,

Unternehmen und Gesellschaften

Schneller lernen,

smarter managen

2019

Erfolgsfaktoren

eine klare Strategie

eine lernende, ambidexte

Organisation

das beste Team

(auch durch Kooperationen)

zielgerichtete Prozesse

und Methoden

(z.B. Open Innovation und

Experimente)


Quelle: Friedman, Thomas L.(2017): Thank you for beeing late


Gemeinsame Initiative von Fraunhofer IAO und IPA zur komplementären Ergänzung

der Grundlagenforschung des Cyber Valley

Angewandte Forschung zurmenschzentrierten Künstlichen Intelligenzfür wirtschaftlichen KI-Einsatz in der Praxis

Anwendungsfelder

Transferinstrumente (v.a. KMU)

Fortschrittszentrum Lernende SystemeAssoziierter Partner des Cyber Valley

ProduzierendeIndustrie

Dienstleistungs-wirtschaft

ExplorativeKooperations-

projekte

Open LabDays

Innovations-netzwerke

Start-up-Nährboden



Entgrenzung durch Open InnovationErfolgreich durch neue Kooperationsformen und digitale Arbeit

Fast and OpenInnovation Customer Interaction

Interaktion mit Kunden für Customer Excellence

Co-WorkingTemporäre Nutzung von on-demand Ressourcen

MakerspacesNutzung von Kreativräumen

mit Design Thinking

InnovationswerkstättenBusiness InnovationEngineering Center

Industry On-CampusKollaboration Hochschulen und Forschung

CoopetitionVernetzte Wertschöpfungssysteme

Innovations-netzwerkeGründungsnetzwerke

ExcelleratorZusammenarbeit mit Start-Ups


Und war der Mensch nicht immer im Mittelpunkt?

Bild fotomek/Fotolia.com



Digitalisierung – Disruption – Demotivation…und nun?

Das Ende menschlicher

Arbeit


Quelle Spiegel.de Heftarchiv 16/1978 & 36/2016


Aufgaben von Produktions- und Wissensarbeitern wachsen weiter zusammen

Indirekte Tätigkeiten wachsen überproportional an im Verhältnis zu direkten

Routinetätigkeiten und einfache Fach- und Sacharbeit ersetzt durch Maschinen

Zunahme von Entscheidungsspielräumen und dispositiver Aufgaben

Neue Qualifikationsanforderungen: Digitalkompetenz in allen Bereichen

Folgen der digitalen Transformation für unsere ArbeitMenschen arbeiten interaktiv und kooperativ in Cyber-Physical-Systems

Beherrscher(1955)

Kapitän(heute)

Dirigent(Zukunft)


Fotos US Army, Gina Sanders – Fotolia.com, Dr. Wächter/Mittelstand 4.0

Blue Collar

Worker


Aufgaben von Produktions- und Wissensarbeitern wachsen weiter zusammen

Indirekte Tätigkeiten wachsen überproportional an im Verhältnis zu direkten

Routinetätigkeiten und einfache Fach- und Sacharbeit ersetzt durch Maschinen

Zunahme von Entscheidungsspielräumen und dispositiver Aufgaben

Neue Qualifikationsanforderungen: Digitalkompetenz in allen Bereichen

Folgen der digitalen Transformation für unsere ArbeitMenschen arbeiten interaktiv und kooperativ in Cyber-Physical-Systems

Beherrscher(1955)

Dirigent(Zukunft)


Fotos: Large Office Advertising Co. Chicago ca. 1940, Headway on Unsplash, AA+W Fotolia.com

Kapitän(heute)

White Collar

Worker


Unternehmenskultur im digitalen ZeitalterBeim »Digital Mindset« hapert es am meisten

33%

25%

24%

22%

21%

21%

19%

16%

13%

13%

Kulturelle Challengesund Verhaltenskodex

Fehlendes Verständnisfür digitale TrendsFehlende personelleRessourcen

Fehlende IT-Infrastrukturen

Fehlende Anpassung derOrganisationsstrukturenFehlende Bereitstellung von BudgetFehlende interne Ausrichtung(traditionell vs. digital)

Fehlende Datenbasis

Kein Managementsupport

1

2

3

4

5

6

7

8

9

10

Zu starre Geschäftsprozesse

Quelle: McKinsey Digital Study: Culture for a digital age, 2016



Zentrale Strategiefelder für Arbeiten 4.0Im Kontext von Digitalisierung und Globalisierung

FührungMobiles und vernetztes Arbeiten

OrganisationAgile und flexible Kapazitätssteuerung

ArbeitszielInhaltliche und zeitliche Flexibilität

BeschäftigungFlexible Formen der Beschäftigung

ArbeitstätigkeitenMensch-Roboter-Kollaboration

ArbeitsortIndividualisierbarer Arbeitsplatz

Mensch & GesundheitDiversity Gesellschaft

QualifizierungOn-the-job

ArbeitsmittelMobile Devices

Bilder © Matthias Enter/Fotolia


Zusammenfassung & FazitVordenken für die Themen der ZukunftOrganisation und Prozessintegration von der Forschung in die Praxis

Trends und Herausforderungen wirken aktiv!

Künstliche Intelligenz wird leist(-ungs)barer!

Domänengrenzen definieren sich neu!

Firmen müssen sich jetzt! bewegen!

Auch das Management muss umdenken!

© Fraunhofer IAO

Bild Ludmilla Parsyak © Fraunhofer IAO 2019



Univ.-Prof. Dr.-Ing. Oliver Riedel

Institutsleitung Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO

Nobelstraße 12 | 70569 Stuttgart | GermanyTelefon: +49 (0) 711 970-2012E-Mail: [email protected]: www.iao.fraunhofer.de

Optimierung ist für Prozesse, Innovation für Menschen.


Online Umfrage Non-Profit-Forum 07.11.2019

Bild NAN/Fotolia.com


vordenken für die themen der zukunft... · data analytics te text extraction pi predictive...

Documents