Welche Herausforderungen warten auf die österreichische Industrie?

Im Jahr 2023 sind Industrie-Unternehmen weiterhin mit einer Vielzahl von Herausforderungen konfrontiert. Aktuell wirken sich verschiedene Krisen und Kostentreiber negativ auf die Wirtschaft aus. Die anhaltenden Probleme in den Lieferketten und die steigenden Kosten für Energie, Rohstoffe und Arbeitskräfte sind derzeit die größten Hindernisse für den Erfolg von Unternehmen.

Die daraus folgende Zurückhaltung bei Investitionen und Innovationen führt zu einem ernsten Problem für Künstliche Intelligenz und deren künftigen Einsatz, wie Viacheslav Gromov, Gründer und CEO des KI-Anbieters AITAD, erklärt: „Die Erhöhung der Kosten für Energie und Rohstoffe zwingt die Wirtschaft, Preiserhöhungen durchzusetzen, die jedoch nicht überall auf Akzeptanz stoßen. Daher bleiben die Unternehmen oft auf diesen Kosten sitzen.“

Gromov fährt fort: „Zudem führen steigende Kosten und Inflation zu einer Kaufzurückhaltung. Die Geschäftsaussichten der Unternehmen haben seit Beginn der Energiekrise ein historisches Tief erreicht – noch nie war die Anzahl der optimistischen Unternehmen so niedrig.“ An vielen Stellen wird auch Kritik geäußert, dass das heimische Förderwesen an den großen Herausforderungen für den KI-Einsatz eine Mitschuld trägt.

Aber nicht jeder Player der heimischen Industrie denkt so: „Es erstaunt mich immer wieder, was alles beanstandet wird. Ich denke, dass es in der Verantwortung des Staates liegt, geeignete Rahmenbedingungen zu setzen. Als Unternehmer bemühe ich mich, diese bestmöglich zu nutzen. Ich sehe keine Notwendigkeit dafür, dass ein Staat eine Strategie zur Künstlichen Intelligenz verfolgt, dies sollte aus dem privaten Sektor hervorgehen“, sagt beispielsweise Markus Loinig, Geschäftsführer von Senzoro, ein Unternehmen, dass Ultraschallmessungen und KI kombiniert, um Instandhaltungskosten zu reduzieren.

Sepp Hochreiter, Leiter des Instituts für Machine Learning der Universität Linz

Laut einer Deloitte-Umfrage sind die größten Herausforderungen, die Unternehmen auf dem Weg zum Einsatz von KI begegnen: Das Risikomanagement, die Integration und Implementierung, hohe Kosten sowie Datenprobleme.

Stichwort Daten: Datenschutz ist oft das Hauptproblem, aber auch die unzureichende Qualität der Daten ist ein wiederkehrendes Thema. Johanna Schmidt, promovierte Informatikerin und Leiterin der Forschungsgruppe am VRVis, ist der Meinung, dass der Einsatz einer trainierten KI zur Bewältigung großer Datenmengen ein sinnvoller Ansatz ist. Doch der Schritt davor sei nicht zu vernachlässigen.

Dieser vorherige Schritt ist die Harmonisierung der Daten, um genaue Ergebnisse zu gewährleisten. „Es ist wenig zielführend, eine KI auf einen fehlerhaften Datenbestand anzuwenden“, bemerkt Schmidt. Sie betont, dass der Ansatz, eine trainierte KI zur Bewältigung großer Datenmengen einzusetzen, durchaus vielversprechend ist und dass es dafür Experten am VRVis gibt. Dennoch sei der Schritt der Datenharmonisierung entscheidend, um präzise Ergebnisse zu erzielen. Einen interessanten Ansatz sieht Schmidt derzeit in der Nutzung von Edge-Devices, die in Produktionsprozessen eine Vielzahl zusätzlicher Informationen liefern könnten. Sie hofft, dass dies das Bewusstsein für den Wert der Datenwissenschaft in den kommenden Jahren erhöhen wird.

Was benötigt wird, sind natürlich mehr Fachleute. „Insbesondere bei der Kombination von unstrukturierten Daten im Data Lake und strukturierten Daten im Data Warehouse“, sagt Manuel Hausjell, Berater beim Softwareentwickler TietoEvry. Etwa ein Viertel der Unternehmen suchte im vergangenen Jahr Data Scientists, KI-Forscher:innen oder Transformationsexpert:innen, um ihre Kompetenzlücken zu füllen.