LE-5-2021

gegeben. Dieses findet dabei nach und
nach statistische Strukturen in den Daten und
erstellt daraus entsprechende Regeln. Und
genau diese Regeln können dann dazu genutzt
werden, um über die vom System vorher
nie gesehenen Daten Aussagen zu treffen.
Deep Learning
Deep Learning ist ein spezifisches Teilgebiet
des maschinellen Lernens. Es bildet eine neue
Sichtweise auf Lerndarstellungen aus Daten,
die den Schwerpunkt auf das Lernen aufeinanderfolgender
Schichten von immer aussagekräftigeren
Darstellungen legt. Heutige
Deep-Learning-Modelle bestehen aus dutzenden
oder gar hunderten von aufeinander
folgenden Schichten von Darstellungen, welche
mit den Daten automatisch trainiert werden.
Diese gestapelten Schichtdarstellungen
werden in der Regel über Modelle trainiert,
die auch als “neuronale Netze” bezeichnet
werden und beispielsweise in der Bilderkennung
sehr verbreitet sind. Das vielleicht prominenteste
Beispiel hierfür ist die Entsperrung
des Mobiltelefons per Face-ID.
Die Bedeutung von KI in der Logistik
Bei Logistikprozessen werden täglich riesige
Mengen an Daten erzeugt. Warum sollten
diese Daten nicht benutzt werden, um KI-Systeme
in Betrieb zu nehmen? Dadurch ist es
möglich, manuelle oder bereits automatisierte
Prozesse z. B. zeitlich zu optimieren – das myleo
/ slot-Zeitfensterbuchungssystem erzielt so
schon heute eine effiziente Steuerung und
Planung von Beladungen und Entladungen
an der Laderampe. Auch können neue Methoden
und Verhaltensweisen definiert werden,
welche im besten Falle aus reaktiven
Prozessen proaktive macht. Für die Planungssicherheit
würde dies konkrete Vorhersagen
für die Zukunft anstelle von Vermutungen
oder Schätzungen bedeuten.
Der Einsatz von KI-Systemen verspricht also
neue Möglichkeiten und Potenziale, die Produktivität
und Effizienz zu erhöhen und Kosten
zu reduzieren. Dem gegenüber stehen jedoch
auch Hemmnisse, welche es zu berücksichtigen
gilt. Der Mangel an Spezialist:innen und
Fachkräften bleibt ein altbekanntes Problem
und auch die Sorge von Mitarbeiter:innen,
dass KI-Systeme ihre berufliche Existenz bedrohen
könne, sollte berücksichtigt werden.
Sind diese Hürden jedoch überwunden, eröffnen
sich Anwender:innen vielfältige Möglichkeiten,
die Abläufe und Prozesse der gesamten
Lieferkette zu optimieren.
Die bereits heute möglichen Anwendungen
etablieren sich
Bezahlbare leistungsfähige Hardware, schnelle
Netzwerke und Speichermöglichkeiten in
der Cloud verhelfen KI-Anwendungen schon
Abbildung 2: Unterschied
zwischen maschinellem
Lernen und klassischer
Programmierung