KI-Strategie für die Praxis: Daten und Entscheidungen am Rand

Strategiewerkstatt-Podcast mit Olga Lysak

KI-Strategie Digitale Transformation Innovation Operative Exzellenz Supply Chain

Das Problem

Viele Unternehmen setzen KI-Projekte ohne klare Verbindung zwischen Datenquelle und Entscheidungsfindung ein. Dies führt zu hohen Kosten und ungenauen Ergebnissen, besonders wenn Daten in der Cloud zentralisiert werden, obwohl sie am Ort ihrer Entstehung genutzt werden müssten. Besonders in der Produktion oder Logistik fehlt oft die strategische Ausrichtung auf den richtigen Verarbeitungsort – ob am Gerät (Edge) oder in der Cloud – was die Effizienz von KI-Lösungen erheblich beeinträchtigt.

Die wichtigsten Erkenntnisse

Die Effizienz von KI-Lösungen hängt entscheidend davon ab, wo Daten verarbeitet werden – am Gerät oder in der Cloud.
Datenströme sind im Vergleich zu Modellkosten der dominierende Kostenfaktor in KI-Anwendungen.
Ein hybrider Ansatz, bei dem bestimmte Analysen am Gerät und strategische Entscheidungen in der Cloud erfolgen, ermöglicht eine flexible und kosteneffiziente Umsetzung.
KI-Systeme in der Praxis, wie die Gewichtsermittlung von Schweinerücken, erreichen mit 90 Prozent Genauigkeit eine hohe Zuverlässigkeit.
Die Entscheidung, wann und wo Daten verarbeitet werden, muss an den konkreten Anforderungen der Prozesse ausgerichtet sein, nicht an technischen Vorlieben.
Schlanke, erste Projekte am Rand der Prozesse (Edge) ermöglichen es Unternehmen, sich schrittweise an KI-Anwendungen zu gewöhnen.

Zahlen aus der Folge

90 Prozent — 90 Prozent — Erreichte Genauigkeit bei der Gewichtsermittlung von Schweinerücken durch das AI-System

Häufige Fragen

Warum ist die Verarbeitung von Daten am Gerät (Edge) für KI-Projekte wichtig?

Daten am Ort ihrer Entstehung zu verarbeiten, reduziert Latenz und Übertragungskosten. In der Praxis, wie bei der Gewichtsermittlung von Schweinen, führt dies zu schnelleren und genauen Entscheidungen, ohne ständige Cloud-Konnektivität.

Wie kann man KI in der Produktion ohne hohe Kosten umsetzen?

Durch einen hybriden Ansatz: Sensordaten und einfache Analysen werden am Gerät verarbeitet, während komplexere Entscheidungen in der Cloud erfolgen. Dies minimiert Datenübertragungskosten und erhöht die Effizienz.

Welche Rolle spielt die Genauigkeit bei KI-Anwendungen in der Industrie?

Hohe Genauigkeit ist entscheidend für die Akzeptanz in der Praxis. Ein Beispiel ist die Gewichtsermittlung von Schweinerücken mit 90 Prozent Genauigkeit, die direkt zur Qualitätskontrolle und Kostenvermeidung beiträgt.

Kurz-Ausschnitte

Gewichtsschätzung: Unsere komplexeste Edge-Lösung! #shorts · 339 Views
Datenarchitektur: Unterschätzte Kosten für Ihre Daten! #shorts · 157 Views
Roboter & Industrie: Die Zukunft der Arbeit beginnt jetzt! #shorts · 79 Views
KI-Trends: Generative AI Hype vs. Realität #shorts · 42 Views

▶️ Ganze Folge auf YouTube ansehen