CONET ISB goes KI!

Schon seit mehreren Jahren beschäftigen wir uns bei der CONET ISB GmbH mit dem Thema Künstliche Intelligenz. Durch den Zusammenschluss mit der CONET-Gruppe bildete sich nun eine KI-Taskforce, die in der Lage ist, die KI-Bedürfnisse unserer Kunden vollumfänglich zu realisieren.

Es vergeht keine Woche, in der man nicht in den Nachrichten von ChatGPT, Stable-Diffusion, Dall-E oder anderen ML/KI-Modellen liest, welche die Grenzen des Möglichen neu definieren. Das Thema ist offiziell in der breiten Gesellschaft angekommen, wobei dies unterschwellig bereits seit langem der Fall war. Alexa, Siri, Hey-Google, Sprach-KI gehören inzwischen zum Alltag. Doch auch im Verborgenen unterstützt uns KI bereits heute in unserem täglichen Leben. So steuert und unterstützt KI, indem sie bspw. Verkehrsstaus erkennt und Verkehrsströme optimiert, die Stromverteilung reguliert, um den Energieverbrauch zu optimieren und die Energieeffizienz zu verbessern oder Betrugsfälle im Finanzwesen aufdeckt.

Durch die rasanten Entwicklungen und neuen Möglichkeiten, welche sich durch den Einsatz von Künstlicher Intelligenz eröffnen, setzen sich zunehmend auch immer mehr Kunden aus der Industrie und der Öffentlichen Verwaltung mit dem Einsatz von KI auseinander. Das Thema ist längst nicht mehr nur für Konzerne interessant. Auch kleine mittelständische Unternehmen können durch den gezielten Einsatz von KI ihre Prozesse besser automatisieren und Kosten einsparen. Unternehmen, die KI-Technologien frühzeitig einsetzen, können schneller und effizienter auf Veränderungen in ihrem Marktumfeld reagieren, Innovationen schneller umsetzen und verschaffen sich so einen Marktvorteil gegenüber ihren Mitbewerbern.

Jedoch ist der Einstieg in das Thema nicht einfach. Täglich werden Hunderte White-Paper zu dem Thema veröffentlicht, genauso wie Dutzende neue KI-Modelle. Websites wie Hugging Face, TensorFlow Hub oder auch OpenAI bieten zwar Möglichkeiten, gezielt nach Open- Source KI-Modellen entsprechend des gewünschten Anwendungsfalls zu suchen, jedoch muss erst durch Tests herausgefunden werden, ob sich das KI-Modell für den eigenen Anwendungsfall eignet, was sich mitunter als Herausforderung und zeitintensiven Prozess darstellt. Hier können wir unsere Kunden gezielt unterstützen.

Als führender IT-Dienstleister mit Fokus auf intelligenten Business- Lösungen sind wir bei der CONET ISB GmbH bestens vertraut mit den neuesten Technologien und Tools im Bereich Künstliche Intelligenz. Unsere Expertise reicht von der Beratung über die Konzeption bis hin zur Umsetzung von KI-gestützten Softwarelösungen. Daten sind das Gold des 21. Jahrhunderts und der Schlüssel zu Ihrem KI-Projekt. Wir helfen Ihnen, wertvolle Daten zu sammeln, zu reinigen und zu strukturieren, um Ihre KI-Lösung zu füttern und sie optimal auf Ihre Bedürfnisse abzustimmen.

Durch den Zusammenschluss mit der CONET-Gruppe Anfang 2022 haben wir unser Know-how und unsere Expertise im KI-Bereich weiter ausgebaut und sind nun in der Lage, noch umfassendere und anspruchsvollere Projekte zu realisieren. Die CONET-Gruppe ist ein erfolgreicher IT-Dienstleister mit über 30 Jahren Erfahrung und über 1.700 Mitarbeiter*innen an 15 Standorten in Europa. Mit ihrem umfassenden Leistungsportfolio und ihrer technologischen Expertise ergänzt die CONET-Gruppe unser Angebot perfekt.

Bereits heute nutzen wir Künstliche Intelligenz in verschiedenen Projekten und Anwendungsbereichen, wie z. B. im Bereich der Automatisierung von Geschäftsprozessen oder in der Datenanalyse. Dementsprechend ist auch die korrekte Abwicklung von KI-Projekten mittlerweile Teil unserer DNA. Diese unterscheiden sich nämlich grundlegend von klassischen Softwareprojekten und benötigen neue Skills. Sie erfordern nicht nur Fachwissen in der Softwareentwicklung, sondern auch in den Bereichen Statistik, Maschinelles Lernen und Datenanalyse. Zudem sind ethische Überlegungen und rechtliche Aspekte wie beispielsweise Datenschutz bei KI-Projekten von großer Bedeutung.

Auch im Ablauf unterscheiden sich KI-Projekte grundlegend von anderen Softwareprojekten, jedoch gibt es einen roten Faden, der sich durch alle KI-Projekte zieht:

Begonnen wird mit der Planungsphase. Hier wird festgelegt, welches Problem mit Künstlicher Intelligenz gelöst und wie das Projekt ausgerichtet sein soll. Eine gründliche Analyse des Ist-Zustands ist hier unerlässlich. Wir untersuchen, welche Daten zur Verfügung stehen, welche Prozesse bereits automatisiert sind und wo es noch Verbesserungsbedarf gibt. Oftmals ist es sinnvoll, hierfür einen Proof-of-Concept (POC) zu erstellen, um die Machbarkeit des Projekts zu testen.

Der nächste Schritt ist die Datenaufbereitung, die für den Erfolg eines KI-Projekts von zentraler Bedeutung ist. KI-Systeme benötigen große Mengen an Daten, um zu lernen und Muster zu erkennen. Diese Daten müssen sorgfältig gesammelt, bereinigt und strukturiert werden.

Sobald die Daten bereit sind, beginnt die Phase des Maschinellen Lernens. Hierbei werden Algorithmen/KI-Modelle auf die Daten angewendet, die aus ihnen lernen und schließlich in der Lage sind, eigenständige Vorhersagen oder Entscheidungen zu treffen. Dieser Prozess wird von Datenwissenschaftlern und KI-Experten der CONET ISB GmbH begleitet, um den Lernprozess zu überwachen und bei Bedarf anzupassen.

Schließlich erfolgt die Integration der KI in die bestehenden Systeme und Prozesse. Diese Phase erfordert ein hohes Maß an technischer Expertise, da die KI nahtlos mit der bestehenden Infrastruktur zusammenarbeiten muss.

Wie solche Projekte in der Praxis aussehen können, zeigen die folgenden zwei Fallbeispiele:

In Kooperation mit dem Forschungszentrum Informatik (FZI) wurde durch einen Proof-of-Concept für einen unserer Kunden mit einem großen öffentlichen Archiv bewiesen, dass sich KI auch bestens zur Analyse und Aufbereitung von OCR-Textdaten in Archiven nutzen lässt. 18 Millionen Akten wurden per OCR-Texterkennung automatisch digitalisiert, jedoch mit teilweise falsch erkannten Wörtern. Aus diesem Grund war unser Kunde auf der Suche nach einem Weg, wie er diesen „Mount Everest an Daten“ schnell analysieren, korrigieren und verschlagworten konnte. Dies war keine Aufgabe, welche in angemessener Zeit von den Mitarbeiter*innen des Kunden manuell zu bewältigen war.

Nach Feststellung aller Kundenanforderungen wurde gemeinsam mit dem FZI eine Analyse der vorliegenden OCR-Textdaten durchgeführt – gesucht wurde nach bedeutsamen und signifikanten OCR-Erkennungsfehlern. Auf Basis der Ergebnisse wurden ein Referenzwörterbuch und ein Regelwerk für Korrekturen erstellt. Bei der Aufarbeitung der Daten stellte man fest, dass die Wortlänge einen großen Faktor spielt: Je kürzer ein zu korrigierendes Wort, desto schwieriger wird es automatisiert den richtigen Korrekturvorschlag aus dem Referenzwörterbuch auszuwählen. Dies war insbesondere auch für Abkürzungen oder kurze Namen relevant. Weiter zeigte sich, dass z.B. wertvolle Personen- und Ortsnamen, fachspezifische Wortkomposita, alte Begriffe und regionsspezifisches Vokabular häufig nicht korrekt in der Verschlagwortung erkannt wurden.

Mit den so gewonnenen Erkenntnissen schuf man ein hybrides System, welches die manuelle Arbeit der Angestellten nachweislich durch Künstliche Intelligenz unterstützen konnte. Archivunterlagen, welche durch OCR digitalisiert wurden, konnten mit Hilfe eines Open Source KIWortvektormodells sowie anhand des erstellten Referenzwörterbuchs korrigiert werden, was zu einer messbaren Entlastung der Mitarbeiter führte. Des Weiteren wurden Ansätze entwickelt, die Trainingsdaten, mit denen die KI lernt, weiter zu verfeinern, um perspektivisch noch bessere Ergebnisse erzielen zu können.

Unser zweiter Use-Case führt uns in die Lebensmittelbranche, in den Bereich der Qualitätssicherung in der Mehrweglogistik. Leere Obstkisten aus Supermärkten müssen nach Gebrauch hygienisch einwandfrei gesäubert werden. Bei der Nutzung gelangen bspw. Aufkleber vom Obst in die Kisten, welche nur schwer zu entfernen sind. Die Kisten werden mit Hilfe eines Fließbands durch mehrere Waschanlagen und Reinigungsstation transportiert, jedoch kann es vorkommen, dass dabei Kleberückstände auf der Kiste zurückbleiben. Dies macht es notwendig, die Reinigungsergebnisse genau zu überwachen. Diese Aufgabe kann auch durch eine KI übernommen werden.

Als Lösungsansatz wurde das KI-Modell „Yolov5“, welches auf Objekt- Tracking spezialisiert ist, mit 240 echten Bildern sowie 15.000 synthetisch generierten Bildern von verschmutzten Kisten trainiert und war danach in der Lage, die einzelnen Kisten aus einem Videostream zu identifizieren und die Verschmutzung auf dem Videostream zu kennzeichnen.

Mit diesem Setup erkannte man 75,4 % aller tatsächlich verschmutzten Kisten als verschmutzt. Dieser Prozentsatz würde sich durch den Einsatz einer zweiten Kamera, welche die Kiste aus einem anderen Winkel betrachtet, weiter steigern. So konnte ein Qualitätssicherungsprozess, welcher zuvor kostenintensiv und unflexibel war sowie hohen Personalaufwand benötigte, vereinfacht und beschleunigt werden.

Wenn auch Sie nun Lust bekommen haben, Ihr eigenes KI-Projekt umzusetzen und mit Ihrem Unternehmen einen weiteren wichtigen Schritt in der digitalen Transformation zu gehen, dann wenden Sie sich direkt an uns. Wir beraten Sie jederzeit gerne kostenfrei in einem ersten Workshop und analysieren, wie Sie Künstliche Intelligenz in Ihre Systemwelt integrieren können und wo ihr Einsatz sinnvoll ist.