© Mittelstand-Digital Zentrum Smarte Kreisläufe

Künstliche Intelligenz (KI) kann Prozesse optimieren, Qualitätsprobleme früh erkennen und große Datenmengen auswerten. Damit das gelingt, braucht es verlässliche Daten, passende IT-Strukturen und sichere Zugriffe. KI-DataMINE zeigt praxisnah, welche Grundlagen Unternehmen dafür schaffen sollten.

Damit KI-Anwendungen im Unternehmensalltag zuverlässig eingesetzt werden können, müssen zunächst die passenden Voraussetzungen geschaffen werden. Eine zentrale Rolle spielen dabei die Daten: Sind sie in ausreichender Menge vorhanden, qualitativ geeignet und technisch nutzbar? Gerade in kleinen und mittleren Unternehmen (KMU) liegen Informationen häufig verteilt über Maschinen, Systeme und Dateien vor. Genau hier setzt KI-DataMINE des Mittelstand-Digital Zentrums Smarte Kreisläufe an. Am Sächsischen Textilforschungsinstitut (STFI) wird praktisch erprobt, welche Daten- und IT-Infrastrukturen Unternehmen helfen können, um KI-Anwendungen sicher in bestehende Produktionsumgebungen zu integrieren.

Datenqualität – Gute KI beginnt mit guten Daten

Viele Unternehmen verfügen bereits über Produktions-, Maschinen-, Qualitäts- oder Energiedaten. Für KI-Anwendungen reicht es jedoch nicht, diese lediglich zu sammeln. Metadaten (Informationen über Daten) und Beschreibungen der Bedeutung (Datenmodelle) machen Daten auffindbar, vergleichbar und sowohl für Menschen als auch KI-Agenten interpretierbar. Und die Nutzbarkeit hängt unmittelbar von der Datenqualität ab: Werden beispielsweise Zustandsdaten verschiedener Systeme verknüpft, müssen Zeitstempel konsistent sein, sonst entstehen falsche Zusammenhänge. Vor dem Einsatz von KI lohnt deshalb eine Bestandsaufnahme: Welche Daten werden für den konkreten Anwendungsfall benötigt? Wo entstehen sie? Wie werden sie gemessen, erfasst und gespeichert? Und sind Qualität und Umfang ausreichend?

Infrastruktur – Skalierbar und anpassungsfähig

Neben der Datenqualität entscheidet auch die technische Infrastruktur, ob eine KI-Anwendung zuverlässig funktioniert. Je nach Anwendungsfall können lokale Rechner (Edge-Computing), unternehmenseigene Server oder die Cloud infrage kommen. Eine pauschale Lösung gibt es nicht. Gerade in Produktionsumgebungen bietet die Verarbeitung von Daten nahe an der Quelle Vorteile: Unabhängigkeit von Clouddiensten und -verbindungen, Skalierung mit der Anzahl Datenquellen und reduzierte Speicher-, Bandbreiten- und Leistungsanforderungen an zentrale Systeme. In anderen Fällen bieten Cloud- Technologien Vorteile: Virtualisierung von Hardware (Virtuelle Maschinen) und Anwendungen (Container) erlauben die effiziente Nutzung leistungsfähiger Hardware und dynamische, bedarfsorientierte Zuteilung von Ressourcen wie Rechenleistung und Speicher. Wichtig ist, die Infrastruktur am konkreten Bedarf auszurichten, anpassungsfähig zu halten und nicht vorschnell komplexe Systeme aufzubauen.

IT-Sicherheit – von Anfang an mitdenken

Mit der zunehmenden Vernetzung von Maschinen, Datenbanken und KI-Anwendungen steigen zugleich die Anforderungen an die IT-Sicherheit. Sollen zukünftig KI-Agenten autonom Aufgaben erledigen, müssen sie wie Mitarbeiter dafür auf Daten und Systeme zugreifen. Um sensible Unternehmensdaten zu schützen, sollten Mitarbeiter und Systeme wie KI-Agenten nur die Schnittstellen und Daten nutzen dürfen, für die sie ausdrückliche Berechtigungen besitzen. Unternehmen sollten deshalb frühzeitig verstehen und klären, wer für welche Aufgaben auf welche Anwendungen und Daten zugreifen darf, welche Systeme miteinander kommunizieren und wie sensible Produktions- und Unternehmensdaten geschützt werden sollen. Deshalb gehören auch Identitäts- und Zugriffsmanagement, Authentifizierung und Autorisierung zu den Themen von KI-DataMINE. Das wird besonders relevant, wenn Daten nicht nur intern genutzt, sondern beispielsweise entlang von Lieferketten oder in Datenräumen ausgetauscht werden sollen.

Vom Demonstrator zum eigenen Anwendungsfall

In KI-DataMINE machen Demonstratoren diese Anforderungen praktisch greifbar. Ein Schwerpunkt liegt auf der hochwertigen Erfassung von Zeitreihendaten aus Produktionsanlagen. Ein weiteres Beispiel ist das Energiemonitoring: Energie- und Anlagendaten werden erfasst, um Verbräuche transparenter und Optimierungspotenziale sichtbar zu machen. Für Unternehmen zeigt sich dabei: Für den Einstieg in KI muss nicht die gesamte IT-Landschaft erneuert werden. Sinnvoller ist, mit einem konkreten betrieblichen Nutzen zu starten. Welches Problem soll gelöst werden? Welche Daten werden dafür benötigt? Welche technischen Voraussetzungen sind bereits vorhanden? So kann die Daten- und IT-Infrastruktur schrittweise weiterentwickelt werden und zugleich die Grundlage für komplexere Anwendungen wie Qualitätsprognose (Predictive Quality), Verbrauchsoptimierung oder KI-Auswertung entstehen.

Wer sich intensiver damit beschäftigen möchte, wie Unternehmensdaten für KI nutzbar gemacht werden können, findet weitere praktische Impulse in der kostenfreien Webinar-Reihe „Unternehmensdaten für KI – strukturieren, vernetzen und intelligent nutzen“ des Mittelstand-Digital Zentrums Smarte Kreisläufe. Thematisiert werden unter anderem der Digitale Produktpass, sichere Datenräume, digitale Qualitätsinfrastruktur und technische Infrastruktur für Daten- und KI-Anwendungen.