Acht Beispiele für künstliche Intelligenz in Aktion

Bis vor Kurzem lebten viele Unternehmen in einer Art der Entwicklung künstlicher Intelligenz (KI), führten endlose Piloten und Proof of Concept durch, brachten jedoch nur sehr wenige KI-gestützte Projekte in die Unternehmensproduktion.

Das ändert sich schnell. Laut der letzten McKinsey Global Survey on AI, die im Juli 2024 durchgeführt wurde, geben 78 % der Befragten an, dass ihre Unternehmen KI in mindestens einer Geschäftsfunktion nutzen, gegenüber 72 % Anfang 2024 und 55 % im Jahr zuvor. Auch der Einsatz von generativer KI (GenAI) ist gestiegen. 71 % der Befragten gaben McKinsey an, dass ihre Unternehmen GenAI regelmäßig in mindestens einer Geschäftsfunktion einsetzen, gegenüber 65 % Anfang 2024. Und KI-Investitionen wachsen weiter. Mehr als drei Viertel (78 %) der Führungskräfte gaben an, dass ihr Unternehmen plant, seine KI-Gesamtausgaben im nächsten Geschäftsjahr zu erhöhen, wie das Deloitte AI Institute 2024 State of Generative AI im Unternehmensbericht erläutert.

Wie viel geschäftlicher Nutzen KI bisher bietet, mag jedoch eine Frage der Debatte sein. Beispielsweise gaben 21 % der Befragten aus der Befragung der Geschäftsleitung an, dass sie das Gefühl haben, dass GenAI ihr Unternehmen bereits transformiert, im Vergleich zu nur 8 % der Befragten, die nicht der Geschäftsleitung angehören, so Deloitte-Studie. Und das ist nur eine Art von KI, ein Auffangwort für kognitionsähnliche Fähigkeiten, von Computervision und Verarbeitung natürlicher Sprache bis hin zu Deep Learning und Agentic AI.

In dieser Phase gibt es möglicherweise so viele Möglichkeiten, KI falsch zu machen, wie sie richtig zu machen. Aber die Untersuchung von Unternehmens-KI in Aktion kann ihr Potenzial veranschaulichen und eine Vielzahl von Aufgaben abdecken, darunter:

• Beschleunigung der Arzneimittelentwicklung
• Neugestaltung von Telekommunikationsgeschäftsprozessen
• Entwerfen von Spielzeugautos
• Bestäubung von Kulturpflanzen
• Effizienzsteigerung in der Großfertigung

Wenn sie sich anschauen , was verschiedene Unternehmen mit KI machen– und wie sie das tun –, können sie andere inspirieren, wenn sie sich eigene KI-Anwendungen vorstellen.

Beispiel 1: Goldman Sachs tippt KI, um Code zu schreiben

GenAI-Tools produzieren nicht nur schriftliche Sprache und Bilder, sondern geben auch Computercode ab. Goldman Sachs führt einen „Proof of Concept“ für Assisted-Coding-Tools auf Basis von GenAI durch.

Auch als Branchenkollegen J.P. Morgan, Citigroup, die Deutsche Bank und die Bank of America haben Berichten zufolge ihre Mitarbeiter daran gehindert, GenAI zu nutzen. Goldman Sachs übergab die Technologie an die Programmierer, um ihren frühen Wert zu ermitteln. CIO Marco Argenti erklärt, dass es zwar nicht klug wäre, allen wichtigen Prozessen der KI sofort zu vertrauen, es aber unerlässlich ist, dass Unternehmen versuchen, ihr Potenzial zu erschließen. In Bereichen wie Softwareentwicklung und Dokumentenklassifizierung, die einige vielversprechende erste Ergebnisse gezeigt haben, hat das Unternehmen mehrere Befunde im Gange.

Im Jahr 2025 begann Goldman, einen autonomen Softwareentwickler vom KI-Start-up Cognition zu testen, der bald zusammen mit den 12.000 Entwicklern des Unternehmens arbeiten wird.

Erkenntnisse

Goldman Sachs sieht KI als Begleiter für Softwareentwickler und nicht als Ersatz für sie. Außerdem werden große Sprachmodelle getestet, um die Dokumentenklassifizierungsverwaltungsprozesse zu aktualisieren, die derzeit von traditioneller KI ausgeführt werden. Das Unternehmen hält die Namen der Tools, die es verwendet, unter Umbruch, zusammen mit den spezifischen Abteilungen, die die Technologie testen, aber es hat einige frühe Ergebnisse geteilt.

• Entwickler konnten GenAI nutzen, um bis zu 40 % ihres Codes automatisch zu schreiben, was Argenti zufolge die Produktivität menschlicher Entwickler irgendwo in den niedrigen zweistelligen Zahlen verbessern könnte.
• Die Bank verwendet die Software nicht nur, um Code zu generieren, sondern auch, um ihn zu testen.
• Die großen Sprachmodelle sind mindestens so gut wie Menschen bei der Verwaltung der Millionen von Dokumenten des Unternehmens.
• Goldman Sachs CIO sieht GenAI als eine der größten Umwälzungen seines Lebens im Vergleich zum Internet, zu Apps oder zur Cloud.
• Die größten Herausforderungen seien die Anpassung interner Kontrollen, um Risiken für das Unternehmen oder seine Kunden zu mindern und Talente mit großem Sprachmodell-Know-how zu finden.
• Der Einsatz von GenAI hat sich ausgeweitet. Der GS-KI-Assistent steht nun allen Goldman-Sachs-Mitarbeitern nach erfolgreichem Test mit rund 10.000 Mitarbeitern zur Verfügung.
• Argenti sagt, dass er den autonomen Softwareingenieur namens Devin als „neuen Mitarbeiter“ sieht, der Aufgaben im Namen von Entwicklern ausführen kann.

Mehr erfahren

• CIO Marco Argenti berichtete über einige frühe GenAI-Ergebnisse in dieser Frage zu^Journal1 an der Wall Street.
• Argenti erzählt CNBC, wie er meint, dass Hunderte – und letztendlich Tausende – autonome^{Softwaretechniker2} im Auftrag des Unternehmens arbeiten, je nach Anwendungsfall.
• In einer aktuellen^{Podcast-Episode3} diskutierten zwei Analysten aus der Goldman-Sachs-Studie über die Leistungsfähigkeit der Automatisierung täglicher Unternehmensprozesse wie der Softwareentwicklung.
• Reuters deckt das firmenweite^{Launch des} KI-Assistenten von Goldman Sachs im Jahr 2025 ab.
• Der Wall Street-Riese „skaliert^AI5 aggressiv, um Produktivität und Effizienz zu steigern“, so PYMNTS.

Beispiel 2: Das australische Telekommunikationsunternehmen Telstra entwickelt sich von KI-Assistenten bis zur Agentiserneuerung

Mitte 2023 entwickelte Telstra ein Paar GenAI-Tools – Ask Telstra and One Sentence Summary –, um den Kundensupport nach der Serviceaktivierung zu verbessern. Dies ist Teil einer strategischen fünfjährigen Vereinbarung mit Microsoft Azure OpenAI Service. Mit diesen Werkzeugen können Agents schnell auf Accounts, Produktdetails und Zusammenfassungen vergangener Interaktionen zugreifen, was eine schnellere Fehlerbehebung und personalisierte Pflege ermöglicht. Laut Telstra reduzierten die GenAI-Systeme Folgekontakte um 20 %. 90 % der Mitarbeiter im Kundenservice berichten von Zeitersparnis und verbesserter Supportqualität nach dem Verkauf.

„Wir erschließen Mehrwert und Wachstum, da Technologien wie generative KI schnell vermehrt werden“, fügt Kim Krogh Andersen, Group Executive, product& technology bei Telstra, in einem Artikel auf der Microsoft-Website hinzu und fügte hinzu, dass das Unternehmen „auf dem richtigen Weg sei, bis 2025 alle wichtigen Geschäftsprozesse mit KI zu verbessern“. Tatsächlich machte das Unternehmen mit der Ankündigung seines Joint Ventures mit Accenture einen größeren Sprung nach vorn, um mithilfe von KI Geschäftsprozesse neu zu erfinden und Agentic-Workflows zu entwickeln.

Erkenntnisse

Wie Forrester VP und Senior Research Director Frederic Giron erklärt, weist der neuere KI-Ansatz von Telstra auf eine grundlegende Umstellung von einem stückweisen Ansatz zur Automatisierung bestehender Aufgaben und Geschäftsprozesse hin zur Automatisierung isolierter Aufgaben entlang bestehender Geschäftsprozesse hin zu einer „Neugestaltung der Arbeitsweise“. Es geht um das, was Forrester als „Prozesschasmus“ bezeichnet hat – die Lücke zwischen einem Fokus auf Produktivitätsoptimierung und einer echten Neuerfindung.

• Einen Wettbewerbsvorteil mit KI zu erzielen, erfordert mehr als die Einführung von GenAI-Assistenten – es erfordert ein umfassendes Überdenken darüber, wie Aufgaben überhaupt erledigt werden.
• Telstra kombiniert seine Kronjuwelen – seine fundierte Telekommunikationskompetenz – mit den KI-Ressourcen und -Talenten von Accenture, um KI-Lösungen für alles zu entwickeln, von der Prozessoptimierung bis hin zum Kundenerlebnis.
• Der Ansatz besteht darin, KI-Lösungen für den internen Gebrauch zu entwickeln, das System zu perfektionieren und dann für den Verkauf zu produzieren.
• Während andere Unternehmen mehrere Partnerschaften jonglieren, hat Telstra seine KI-Mitarbeiter auf zwei herabgesetzt, wobei der Schwerpunkt auf Co-Innovation liegt.

Mehr erfahren

• Der Giron von Forrester erklärt, wie der „Build, then^Sell6“-Ansatz von Telstra große Kosten für die KI-Entwicklung im Vorfeld über eine breitere Umsatzbasis amortisiert und neue Einnahmequellen schafft.
• Telstra-Führungskräfte erläutern die Entwicklung spezialisierter^Co-Pilots7 für Kundenservicemitarbeiter.
• Der Guardian berichtet, dass der CEO von Telstra, Vicki Brady, den Investoren sagte, dass KI in Telstra in den nächsten fünf Jahren eine große^Part8 spielen wird, um sich neu zu erfinden, und dass die Belegschaft bis 2030 wahrscheinlich schrumpfen würde.
• In einer Pressemitteilung auf der Accenture-Website wird erläutert, wie das siebenjährige Joint Venture Telstra von Accenture^{KI-Investitionen} in Höhe von 3 Milliarden US-Dollar nutzen wird, um Geschäftsprozesse durchgängig durch neue Funktionen wie Agentic^AI10 neu zu erfinden.

Beispiel 3: Die Daten- und KI-Anwendungsgeschwindigkeit von Moderna beschleunigt die mRNA-Entwicklung

Die KI-Investitionen des Biotech-Unternehmens Moderna haben sich für die Entwicklung von Drogen in einer Zeit bezahlt gemacht, in der Geschwindigkeit für den Erfolg des Marktes entscheidend war. Seit mehr als einem Jahrzehnt vor der COVID-19-Krise hat das Unternehmen jahrelang eine integrierte Software für Datenwissenschaft und KI entwickelt, um die wiederholbare Entwicklung Tausender verschiedener mRNA-basierter Medikamente und Impfstoffe zu unterstützen. Die webbasierte Anwendung enthält wiederverwendbaren Code für die Workflow-Automatisierung, Datenerfassung und Modellerstellung. Dies hilft Wissenschaftlern, neue mRNA-Konstrukte zu entwerfen, ihre Wirksamkeit zu verbessern und Proben durch eine hochdurchsatzfähige, präklinische Produktionslinie zu ordnen.

Moderna wurde auf digitaler und analysebasierter Basis entwickelt, um die Chancen der traditionellen Pharmaentwicklung mit hohem Risiko und hoher Rendite zu überwinden. Drogenunternehmen geben in der Regel eine Milliarde Dollar für die Entwicklung eines Medikaments in der Hoffnung aus, viele Milliarden im Gegenzug zu erhalten, sehen aber eine Erfolgsquote von weniger als 15 %. KI kann diese Chancen auf 50/50 erhöhen und auch die Markteinführungszeit verkürzen. Die KI-Wette hat sich für das Unternehmen Cambridge, Massachusetts, bezahlt gemacht, das in Rekordzeit einen Top-COVID-19-Impfstoff entwickeln konnte und nach Angaben der USA rund 95 % Wirksamkeit zur Vorbeugung von Krankheiten aus dem Virus zeigt. Zentren für Seuchenbekämpfung und Prävention. COVID-19-Impfstoff in Rekordzeit, der nach Angaben der USA rund 95 % Wirksamkeit zur Prävention von Erkrankungen des Virus zeigt. Zentren für Seuchenbekämpfung und Prävention.

Erkenntnisse

Während der COVID-19-Impfstoff des Unternehmens die größte Aufmerksamkeit erlangte, ist er nur eines der Produkte von Moderna, die mit seinen KI- und Data-Science-Tools für die mRNA-Entwicklung entwickelt wurden. Das Unternehmen näherte sich ihm als Softwarefunktion. „Seit über einem Jahrzehnt hat Moderna eine riesige Datenbibliothek aufgebaut, die unser größtes Kapital als Digital-First-Biotech-Unternehmen ist“, schrieb Brice Challame, VP des Unternehmens, Data & AI Transformation, in einem Blogbeitrag von 2023: „Diese Bibliothek hat es uns ermöglicht, unser eigenes integriertes Daten-Ökosystem zu erstellen, um unsere Algorithmen anzukurbeln und zu iterieren.“

• Viele Unternehmen werden bei den ersten Infrastrukturinvestitionen für ein KI-Projekt aufgehängt. Moderna erkannte jedoch den Wert, den eine Anwendung langfristig über mehrere Produkte hinweg liefern könnte.
• Frühe Investitionen in Cloud-Infrastruktur, IoT, Analysen und automatisierte Prozesse schaffen die Grundlage für KI-Arbeit. „Wir haben uns früh auf die Digitalisierung verlassen, nicht um der Digitalisierung willen, sondern um Daten zu generieren“, erklärte Modernas ehemaliger Chief Digital and Operational Excellence Officer Marcello Damiani in einem Artikel des Digital, Data, and Design Institute bei Harvard. „Auf diese Weise können wir bessere Algorithmen entwickeln, mit denen wir die nächste Generation von Medikamenten aufbauen können“, sagt Damiani.
• Ein mRNA-Impfstoff ist selbst ein informationsbasiertes Produkt, ein synthetisches Molekül, das Anweisungen an die Zellen des Körpers sendet, um sein Immunsystem zu trainieren. Daher entwickelte Moderna eine webbasierte Drogendesign-Anwendung, um den Prozess der Änderung der in einem synthetischen Molekül kodierten Informationen zu optimieren. Hinter den Kulissen helfen zahlreiche KI-Algorithmen bei der Entscheidungsfindung, insbesondere in präklinischen Produkten, für die sie datenzentrierte Vorhersagen zu den besten Sequenzen liefern, um für ein bestimmtes Protein viel schneller zu kodieren, als es der Mensch kann. Die Software erfasst Daten während des gesamten Prozesses, um im Laufe der Zeit neue und bessere Algorithmen zu erstellen.
• Das Unternehmen nutzt KI auch, um die Planung klinischer Studien, die Qualitätskontrolle und sogar den Call-Center-Betrieb zu verbessern.
• Ab 2023 arbeitete Moderna mit OpenAI zusammen, um eine eigene Instanz von ChatGPT aufzubauen. Heute sind GPTs in die Geschäftsbereiche von Moderna eingebettet – von der Rechtsabteilung über die Forschung, die Fertigung bis hin zu kommerziellen Funktionen – als speziell entwickelte Assistenten.

Mehr erfahren

• Das Digital, Data, and Design Institute von Harvard bietet^background11 über die frühe Implementierung von KI von Moderna.
• Brice Challame von Moderna gibt einige Erkenntnisse über den „Weg zum KI-Unternehmen in Echtzeit“¹².
• MIT Sloan Management Review’s Me, Myself, and AI podcast^{interviewed13} Modernas ehemaliger Chief Data and AI Officer Dave Johnson über die Rolle von KI bei der Entwicklung von Impfstoffen.
• ZDNet^beschreibt die Drogenentwicklungstechnologie von Moderna als „KI-Fabrik“.

Beispiel 4: Mattel nimmt früh den KI-Bildgenerator DALL-E für die Produktentwicklung an

GenAI stieß in das allgemeine Bewusstsein mit breiten Rollouts von KI-Sprachmodellen, die in der Lage sind, menschenähnlichen Text zu generieren. Monate zuvor begann der Toymaker Mattel mit einem generativen Bilderstellungswerkzeug, dem DALL-E-System von OpenAI, um realistische Bilder und Kunst auf der Grundlage natürlicher Spracheingaben zu erstellen.

Mattel hat nicht vor, seine Produktdesigner in Kürze durch künstliche Gegenstücke zu ersetzen. Stattdessen setzt der Spielzeughersteller KI ein, um Designern zu helfen, Ideen für neue Hot Wheels -Autos zu entwickeln. In jüngerer Zeit hat Mattel 2025 einen Vertrag mit OpenAI abgeschlossen, um KI-gestützte Produkte und Erlebnisse zu entwickeln, die auf den Marken von Mattel basieren.

Erkenntnisse

Mattels GenAI-Exploration veranschaulicht die potenziellen Vorteile der Mensch-Maschine-Zusammenarbeit in einem kreativen Bereich.

• Mattel begann im Oktober 2022 mit der Verwendung des Bildgenerators.
• Designer können eine Anforderung in natürlicher Sprache für ein „Maßstabmodell eines Heißstab-Cabrios“ eingeben, und das System kann Variationen auf einem benutzerdefinierten Bild liefern, das auf einem 1938 Ford in Gelb mit Weißwandreifen basiert.
• Der Benutzer kann mit dem Bildgenerator verschiedene Optionen erforschen – eine Farbänderung, ein Hardtop, eine Anpassung des Körpertyps –, um ein endgültiges Rendering eines neuen Spielzeugwagens zu liefern.
• GenAI ermöglicht es Designern, breiter zu denken und Modelle oder Optionen anzubieten, die sie vielleicht nicht allein gezaubert haben. «Letztlich ist Qualität das Wichtigste», sagt Carrie Buse, Leiterin Produktdesign beim Mattel Future Lab. «Aber manchmal kann Quantität helfen, die Qualität zu finden.»
• Der Spielzeughersteller, der vor einem Jahrzehnt mit seiner „Hello, Barbie“-Puppe, die die Gespräche von Kindern in die Cloud aufnahm und in die Cloud hochgeladen hat, in einer Pressemitteilung sagte, er werde „die Sicherheit, den Datenschutz und die Sicherheit in den Produkten und Erfahrungen, die auf den Markt kommen“, als Ergebnis seiner neuesten OpenAI-Zusammenarbeit betonen.

Mehr erfahren

• Die Associated Press^{hebt den} frühen Einstieg von Mattel in die GenAI hervor.
• Microsoft Source^details16 wie menschliche Designer mit DALL-E arbeiten, um neue Hot Wheels Designs zu erzeugen und zu verfeinern.
• In der Harvard Business Review17,Thomas H. Davenport, Professor für IT und Management am Babson College, und Nitin Mittal, Principal bei Deloitte Consulting, untersuchen, wie GenAI kreative Arbeit verändern wird.
• ^PYMENTS18 ist Teil der Mattel-OpenAI-Zusammenarbeit für KI-fähiges Spielzeug im Jahr 2025.

Beispiel 5: Costa Group setzt statt Hummeln computergesteuerte Bestäuber ein

Wenn es in den Tomaten-Gewächshäusern der australischen Costa Group in Guyra, New South Wales, irgendwas gibt, kommt es nicht von Hummeln. Die Verwendung der natürlichen Bestäuber (wie Bienen) für die Indoor-Landwirtschaft ist dort illegal – heimische Honigbienen kämpfen in bedeckten Umgebungen. Und aus Gründen der Biosicherheit hat Australien seit langem den Import nonnativer europäischer Hummeln verboten, die häufig zur Gewächshausbestäubung auf der Nordhalbkugel verwendet werden. Stattdessen verwendet der Erzeuger Roboterbestäuber – angetrieben durch Computervision – auf einer Million Tomatenpflanzen.

Im Sommer 2021 begann die Costa Group mit dem Einsatz von Polly Robotern des israelischen Unternehmens Arugga AI Farming. Frühe Ergebnisse zeigten, dass die Maschinen eine 15 % höhere Ausbeute im Vergleich zur manuellen Bestäubung und bis zu 7 % höhere Ausbeute im Vergleich zu Hummeln erzielten.

Erkenntnisse

Für die Costa Group hat der Roboterbestäuber Vorteile jenseits der Effizienz. Obwohl sie keine Bienen verwenden dürfen (wie die meisten Gewächshausbestäubungen durchgeführt werden), ist die Agribot-Option nicht nur effizienter als die manuelle Bestäubung, sondern reduziert auch die Verbreitung von Viren, da sie keinen menschlichen Kontakt mit den Tomatenpflanzen erfordert.

• Tomatenpflanzen müssen zum Selbstbestäuben geschüttelt werden, eine Aufgabe, die in der Regel von industriellen Hummeln oder von Arbeitern erledigt wird, die Trellise rosten oder schwingende Wanden verwenden.
• Der Polly Roboter reist zwischen den Pflanzenreihen mit Hilfe von Computervision und Deep Learning, um zu erkennen, welche Blüten zur Bestäubung bereit sind. Im Backend verwendet das Arugga-System ein Streaming-Analyse-Toolkit, um Rohvideos aus Gewächshäusern zu verarbeiten. Die Bilder werden dann annotiert, und das Modell trainiert auf den resultierenden Datensätzen, die monatlich aktualisiert werden. Das Modell verbessert sich im Laufe der Zeit und wird in die Roboter exportiert, die den Algorithmus einzeln ausführen können und im Wesentlichen Edge-Computing-Geräte sind.
• Der Roboter gibt dann Druckluftimpulse aus, um die fälligen Blüten zu vibrieren, ähnlich der Art und Weise, wie Hummeln Bestäubung durchführen.
• Aruggas KI wird intelligenter. Im Jahr 2024 sagte es, es könne einen Hektar (etwa 2,5 Acres) mit 3,5 Robotern bestäuben, mit den Erwartungen, das dank eines verbesserten Algorithmus auf 2,5 Roboter zu reduzieren.

Mehr erfahren

• Die KI-betriebenen Bestäuber der Costa Group sind nur ein Beispiel für die landwirtschaftlichen^{Computersichtungen19} in einem Artikel von Imaging & Machine Vision Europe.
• Produce^Plus20 erklärt, wie die Roboter bestimmen, welche Blüten bestäubungsbereit sind.
• Aruggas Mitbegründer und Vice President of Business Development erklärt, wie die KI-Bestäubung des Unternehmens, ein Ersatz für produzierende Bienen, Erzeugern helfen kann, ihre^{Erträge zu steigern21}.

Beispiel 6: Procter & Gamble setzt KI, maschinelles Lernen und Edge Computing ein, um die Produktion zu optimieren

P&G möchte Daten von seinen über 100 Fertigungsstandorten digitalisieren und analysieren. Es entwickelt KI-Funktionen wie maschinelles Lernen und Computervision, um den Zustand und die Verfügbarkeit von Anlagen zu maximieren, die Produktqualität in Echtzeit auf der Produktionslinie zu bewerten und den Energie- und Wasserverbrauch zu verbessern. Der Konsumgüterhersteller hat seine ersten Versuche auf seine Papierprodukte und Babypflegesegmente mit Piloten in den USA, Indien, Japan und Ägypten konzentriert. Ein früheres Projekt nutzte KI, um fertige Papiertuchbogenlängen vorherzusagen und so den Kunden die richtige Produktmenge zu liefern – nur eine von vielen Effizienzsteigerungen, die das Unternehmen erreichen möchte.

„Wir wollen alles in Echtzeit, auf der Linie, mit Technologie, damit wir sofort wissen, ob etwas nicht stimmt“, erläuterten Vorsitzender, Präsident und CEO Jon Moeller in einer Diskussion mit Goldman Sachs Asset Management. „Und mit KI können wir beginnen, sofort zu wissen – zu wissen, bevor es passiert, nicht nur, wenn es passiert.“

Auch im Supply Chain Management setzt das Unternehmen KI ein. Bisher mussten Daten aus unterschiedlichen Softwarelösungen für Fertigung, Lieferkette, Marketing, Qualitätssicherung und Laborinformationssysteme zusammengeführt werden, was mühsame, manuelle Aufgaben erfordert, die jedes Mal Hunderte von Arbeitsstunden erfordern. Nun arbeitet es mit dem Analyseanbieter phData zusammen, um ein KI-gestütztes System zu entwickeln, das die Open-Source-Analysen von KNIME verwendet, um die Datenintegration zu automatisieren. Anschließend kann es Zugangs-, Bedarfs- und Bestandsdaten in Echtzeit analysieren, um zukünftige Bestandsanforderungen zu prognostizieren und potenzielle Unterbrechungen der Logistikkette aufzuzeigen.

Erkenntnisse

Das Ziel von P&G sei eine intelligente Fertigung in großem Maßstab, sagte der ehemalige CIO Vittorio Critella mit Schwerpunkt auf vorausschauender Instandhaltung, vorausschauender Qualität und Nachhaltigkeitsoptimierung. KI könnte dazu beitragen, einen vollständig berührungslosen Betrieb entlang der Linie zu ermöglichen.

• Ein Digital Enablement Office priorisiert die Produktfertigung, Anwendungsfälle für Verpackungen und Verpackungsprozesse, die unternehmensweit implementiert werden könnten.
• Das Unternehmen kann Daten von Fertigungsliniensensoren in die Cloud übertragen, um Algorithmen für maschinelles Lernen zu erstellen und zu trainieren, die dann zurück an die Netzwerkperipherie im Produktionsbereich verteilt werden.
• P&G hat den Einsatz von KI erprobt, um das Verpacken von Papierhandtuchrollen zu minimieren (durch genauere Vorhersage der fertigen Bogenlängen) und die Verwendung von Computer-Vision für die Echtzeit-Qualitätskontrolle für Windeln und weibliche Pads (wo die präzise, schnelle Montage mehrerer Schichten von Materialien unerlässlich ist).
• Große Mengen vollständiger Datensätze aus Papiermaschinen können verwendet werden, um Algorithmen für maschinelles Lernen zu trainieren, um vorherzusagen, welche Maschinen gewartet werden müssen, und um Möglichkeiten zur Verringerung des Energieverbrauchs zu ermitteln.
• Maschinelles Lernen und KI müssen in Abläufe und Kultur eingebettet werden, um Mehrwert zu schaffen, sagt der CIO von P&G.

Mehr erfahren

• Consumer Goods Technology bietet eine^Übersicht22 des digitalen Systems von P&G, das IoT-Sensoren und KI verwendet.
• Die ehemaligen CIOs von P&G sprachen mit dem CIO Journal von Deloitte über die Chancen und Herausforderungen bei der Implementierung von KI auf^Skalierung23 in der Fertigung.
• CIO.com beschreibt, wie P&G über^{KI-Experimente} hinaus ausgereift sein kann24, um immer komplexere Anwendungsfälle zu skalieren.
• Microsoft Source veröffentlichte Neuigkeiten über seine Arbeit mit P&^G25 zur digitalen Fertigung.
• CEO Moeller sagte Goldman^Sachs26, dass er das KI-Potenzial darin sehe, „Innovationen von der Laborbank auf sehr anspruchsvolle Computer zu verlagern“, um die molekulare Entdeckung zu beschleunigen, weitere Innovationsbereiche zu erkunden und erfolgreichere Produktideen zu entwickeln.

Beispiel 7: Das britische Hochgeschwindigkeitsbahnteam erstellt einen besseren Bauplan mit KI-Simulator

Die High Speed 2 (HS2) Bahn, die von London nach Manchester fährt, ist das größte Verkehrsinfrastrukturprojekt in Großbritannien. Das Joint-Venture-Unternehmen Align bildete eine Arbeitsgruppe mit drei internationalen Infrastrukturunternehmen und ist verantwortlich für die Konzeption und den Bau eines der anspruchsvollsten Etappen des Projekts: die sogenannte C1-Sektion. Diese 21,6 km lange Strecke nordwestlich von London umfasst den 3,4 km (2,11 km) berühmten Colne Valley Viaduct und einen „zweifach gelangweilten“ Tunnel von etwa 16 km (9,94 mi.). Auf dem Höhepunkt des fünfeinhalbjährigen Projekts werden mehr als 1.500 Menschen vor Ort arbeiten. Richten Sie Investitionen in ALICE – ein intelligentes Bausequenzierungsprodukt – aus, um Eventualitäten zu modellieren und optimierte und realistische Baupläne für die HS2 zu entwickeln.

Die Vorkonstruktion – die erste Phase eines Projekts, in der Unternehmen den gesamten Umfang eines Jobs planen und terminieren, Kosten schätzen und den Bedarf analysieren – ist eine entscheidende Phase. Doch in den letzten Jahrzehnten hat sich viel an der kritischen Wegmethode verändert, die Architektur-, Ingenieur- und Bauunternehmen zur Planung ihrer Projekte verwenden. Es war in der Regel eine Herkulesaufgabe, einen oder zwei Pläne zu entwickeln, angesichts des Aufwands, der für die Erstellung eines Zeitplans erforderlich ist. Mithilfe von KI können Unternehmen innerhalb weniger Stunden Hunderte oder Tausende von Optionen abwandern, mit einer vollständigen Analyse ihrer Auswirkungen auf Kosten und Zeitplan.

Erkenntnisse

Align hatte bereits einen Bauzeitplan, der ihm half, das C1-Projekt zu gewinnen, aber ALICE verwendet, um seine Annahmen zu überprüfen und nach Möglichkeiten zu suchen, den Plan für seine Viadukt-Unterstrukturarbeit zu verbessern. Die Planung eines massiven Infrastrukturprojekts mit seinen komplexen Abhängigkeiten und Einschränkungen ist schwer zu bewerkstelligen. Der Konstruktionssimulator integriert diese Abhängigkeiten in eine algorithmische Gleichung, die Tausende von Szenarien analysieren und anhand der Unternehmensziele überprüfen kann.

• Der Bausimulator hilft Unternehmen dabei, Baupläne mit einer Vielzahl verschiedener Inputs virtuell zu erstellen, bevor der eigentliche Bau beginnt.
• Ausrichten nutzte den Bausimulator, um in nur 10 Minuten Dutzende von Einplanungsoptionen zu erstellen.
• Anschließend wurden Was-wäre-wenn-Analysen in der Software durchgeführt, um zu entscheiden, wie das Viadukt effizienter aufgebaut werden soll.
• KI kann riesige Mengen von Parametern, die sich auf den Bau auswirken können, wie z. B. Arbeit, Ausrüstung und Materialverfügbarkeit, Baumethoden und Zonenprobleme, schnell so manipulieren, dass menschliche Planer allein niemals etwas tun könnten.
• Passen Sie die replizierten drei Jahre Planungsarbeit in nur sechs Wochen an.
• In jüngerer Zeit hat HS2 einen 2024-Deal mit Futuria ins Leben gerufen, um sein KI-Bereitstellungspartner in einem neu gebildeten Konsortium unter der Leitung von Atos zu sein, um KI-gesteuerte Lösungen zur Verbesserung des Bahnbetriebs, zur Optimierung von Bauabläufen und zur Verbesserung des Anlagenmanagements zu implementieren.

Mehr erfahren

• Die Unternehmensberatung Roland Berger beschreibt, wie KI die Effizienz in der gesamten Bauwertkette steigern^kann27.
• Construction Dive deckt eine Reihe von KI-Anwendungen vor dem^Bauen28 ab.
• 2022 gewann die Align-ALICE-Partnerschaft den Preis für industrielle^Innovation29 der British Construction Industry Awards.
• Bahntechnik erklärt, wie ein von Atos geführtes Konsortium digitale^Zwillings30 der HS2-Infrastruktur aufbauen wird, mit bahnseitenspezifischem Wissen von Arup und KI von Futuria.

Beispiel 8: Thomson Reuters optimiert die Entwicklung von KI-Tools für Journalisten, Anwälte und Compliance-Profis

Thomson Reuters, die 1851 als Nachrichtenagentur gegründet wurde, war schon immer um Daten, in der einen oder anderen Form. Heute bietet sie datenbasierte Unternehmensservices in den Bereichen Recht, Steuern, Buchhaltung und Nachrichten. Was nun seine Rechtsabteilung vor 30 Jahren mit der Suche in natürlicher Sprache einführte, und ihre F&E-Gruppe testet und liefert seitdem KI-gestützte Innovationen.

2022 hat Thomson Reuters eine KI-Anwendung entwickelt, um seine Innovationen für maschinelles Lernen durch die Implementierung einer gemeinsamen Daten- und Modell-Governance und die Standardisierung des Modellfreigabeprozesses zu beschleunigen.

Erkenntnisse

Die KI-Anwendung von Thomson Reuters bietet nicht nur einen gemeinsamen Arbeitsbereich für die KI-Überwachung, sondern ein System zur Verwaltung KI-spezifischer Risiken mit dem Ziel, Geschwindigkeit und Governance auszugleichen. Es gibt eine Vielzahl von Herausforderungen für eine effektive KI-Modell-Performance, wie z. B. das Potenzial für algorithmische Voreingenommenheit und Änderungen bei der Verteilung von Daten. Diese Herausforderungen werden nur komplexer, wenn Unternehmen ihre Implementierung KI-fähiger Systeme ausbauen und letztendlich über die Möglichkeiten von Datenwissenschaftlern hinausgehen, sie im Laufe der Zeit manuell zu verfolgen.

• Thomson Reuters arbeitete mit Amazon Web Services zusammen, um ein Tool zu entwickeln, das eine „klickbare“ Standardbenutzungsoberfläche bot, die Datenwissenschaftler und Modelleigentümer im gesamten Unternehmen verwenden konnten, ohne Code zu schreiben.
• Die Anwendung bietet KI-Arbeitsbereiche, Datenservice, Modellregistrierung, KI-Annotation und Überwachung für Probleme wie Daten- oder Modelldrift und Voreingenommenheit.
• Die Anwendung optimiert die herkömmliche Performance-Modellierung durch menschliche Datenwissenschaftler, die die Modellverschlechterung überwachen und mit den entsprechenden Teams zusammenarbeiten, um erforderliche Anpassungen vorzunehmen.
• Die Benutzerakzeptanz war der wichtigste Erfolgsfaktor und die größte Herausforderung. Agile Entwicklung mit wöchentlichen Demos für Benutzer, um Feedback einzuholen, war von entscheidender Bedeutung.
• Das KI-gestützte Angebotsportfolio des Unternehmens unterstützt menschliche Journalisten dabei, Trends zu erkennen, bietet vorausschauende Zuordnungsfunktionen für die Einhaltung von Steuervorschriften sowie Abfragen in natürlicher Sprache und KI-gestützte Suchalgorithmen für Rechts-, Steuer- und Buchhaltungsprogramme.
• Thomson Reuters betont Mensch-in-the-Loop-KI, um Fehler zu reduzieren und die Modellleistung zu verbessern.

Mehr erfahren

• Maria Apazoglou, Vice President für KI, maschinelles Lernen und Business Intelligence, berichtete im CIO Journal von Deloitte über die^{KI-Plattform31}.
• Der AWS Machine Learning Blog bietet einen nitty-gritty^Look32 zur Entwicklung von KI-Technologie.
• In einem Artikel aus dem Jahr 2025 erläutert Thomson Reuters, wie drei Stufen von^{Human-in-the-Loop-Testen33} von 2.500 Fachexperten dazu beigetragen haben, seinen GenAI-Assistenten CoCounsel zu entwickeln, der detaillierte Recherchen durchführen, umfangreiche und komplexe Daten analysieren und verschiedene Arten von Inhalten schnell generieren kann.

Mehr erfahren