Transformative Innovation: Welche Branchen könnten künftig von Generative AI profitieren?

Generative Artificial Intelligence (GenAI) ist eine fortschrittliche Form der künstlichen Intelligenz: Sie simuliert kontextbezogenes Wissen und kreatives Denken. Mit ihrer Hilfe können Unternehmen neue Wege und Geschäftsmodelle finden oder bestehende ausbauen und deren Prozesse verbessern. Wir stellen drei Branchen vor, die großes Potenzial haben von GenAI zu profitieren. Gerade wenn es um personalisierte, automatisierte Lösungen geht, kann GenAI enormen Mehrwert liefern.

 

Der wirtschaftliche Einfluss, den GenAI-gesteuerte Geschäftsmodelle mit sich bringen, ist beachtlich. Besonders Unternehmen in jenen Branchen, die zukünftig stark von der Anwendung von GenAI profitieren können, sollten sich aktiv mit den neuen Entwicklungen auseinandersetzen und die transformative Kraft von GenAI als Chance wahrnehmen. Unternehmen können ihre Abläufe straffen, Ressourcen effizienter nutzen und letztlich kostensparender arbeiten. Dies kann wiederum zu höheren Gewinnen und einer verbesserten Marktposition führen.

 

KI als Kollege: Generative AI in der Bildung

Starrer Frontalunterricht hat längst ausgedient: Stattdessen finden neue, individualisierte Lernmethoden Einzug in die Klassenräume und Vorlesungssäle. Auch am Arbeitsplatz und Privat nutzen Personen digitale Lösungen, die ein erfolgreiches Lernerlebnis versprechen. Als logischer nächster Schritt ermöglicht GenAI personalisierte Lernpfade und verbessert das Lernerlebnis durch maßgeschneiderte Inhalte.

Es geht nicht nur darum, das Lernen zu individualisieren, sondern auch innovative Lösungen für das digitale Lernen zu entwickeln. So kann beispielsweise auf der Arbeit die KI als Assistent:in helfen, um sich “on the job” laufend Fähigkeiten anzueignen. Gerade Berufseinsteiger:innen profitieren.

 

Warum Potential in der Bildungsbranche liegt: 

Adaptive Lernpfade 
Alle Menschen, die lernen haben einen einzigartigen Lernstil und -tempo. GenAI kann adaptive Lernpfade identifizieren und Inhalte erstellen, die auf die Bedürfnisse des Einzelnen zugeschnitten sind, und so den Lernprozess effektiver und engagierender gestalten. Generierte Lerntests justieren den Lernpfad dabei immer wieder neu.

Skalierung der Bildung 
Mit GenAI können Bildungseinrichtungen personalisierte Lernerfahrungen für viele Schüler:innen oder Studierende skalieren, was mit herkömmlichen Mitteln oft nicht umsetzbar ist. Lehrer:innen können nicht ersetzt werden, aber digitale Lehrer helfen Bildung jederzeit, umfangreich und digital duplizierbar zugänglich zu machen.

Automatisierung des Feedbacks 
GenAI kann automatisiertes und individualisiertes Feedback geben, was Lehrkräfte oft aufgrund von Zeit- und Ressourcenmangel nicht schaffen. Erst das Feedback ermöglicht die positive Verstärkung oder das direkte unmittelbare Korrektiv beim Lernen. Genau das fehlt in der Realität aber oft.

 

Beispiel für GenAI in der Bildung
Anwendungsbereich: Personalisierte Lern-Management-Lösung 
 
Lernstil, Stärken und Schwächen sowie Präferenzen der Lernenden verstehen: Das geht mit GenAI. Auf Basis der Daten erstellt das System individuelle Lernpläne und passt die Inhalte dynamisch an, um den Lernenden zu helfen, ihr volles Potenzial auszuschöpfen. Personalisierte, adaptive Lernpfade maximieren den Bildungserfolg und bietet Lehrenden gleichzeitig wertvolle Einblicke in die Lernfortschritte ihrer Schüler:innen. Die hierfür zu nutzende Technologien basieren aus der Orchestrierung von Machine Learning, Natural Language Processing, GenAI und algorithmischem Vorgehen. Ausschließlich Sprachmodelle einzusetzen funktioniert nur in begrenzten Umfeldern, wenn das Wissen bereits in den Foundation-Modellen abgebildet und vermittelt werden soll.

 

Maßgeschneiderte Medizin: Generative AI in der Gesundheitsbranche

Der seit Jahren andauernde Fachkräftemangel in der Medizin wird nicht von heute auf morgen gelöst. GenAI könnte jedoch künftig zumindest das Gesundheitspersonal zusätzlich unterstützen. Personalisierte Behandlungspläne entwickeln und die Patient:innenversorgung durch individuell angepasste Gesundheitsinformationen verbessern sind nur zwei Beispiele. Dies sollte natürlich erst nach ausreichender Prüfung und von ärztlichem Fachpersonal gestützt erfolgen.

Bereits jetzt ist der Einsatz von GenAI in der medizinischen Forschung höchst spannend: So sind beispielsweise Forschungen zu Proteinstrukturen von Aminosäuren mithilfe der neuen Technologie entstanden und wurden der akademischen Community frei zur Verfügung gestellt. Damit wurden erste Schritte bei der KI-gestützten Entdeckung von neuen Molekülen für Arzneimittel getan. In Zukunft könnte dies eine noch schnellere Entwicklung von neuen Medikamenten bedeuten. 

 

Warum Potential in der Gesundheitsbranche liegt: 

Mustererkennung 
GenAI kann riesige medizinische Datensätze analysieren, um Muster zu erkennen und Ergebnisse vorherzusagen. Dies ermöglicht es Gesundheitsdienstleistern, informierte Behandlungspläne und Nachsorge für ihre Patient:innen zu erstellen.

Diagnose 
GenAI kann zur Diagnose von Krankheiten eingesetzt werden, indem sie medizinische Bilder und CT-Scans analysiert und darin Muster erkennt, die auf bestimmte Krankheiten hindeuten.

Forschung 
GenAI kann zur Gestaltung neuer Moleküle für die Arzneimittelentdeckung eingesetzt werden. Die Algorithmen können aus umfangreichen Datenbanken molekularer Strukturen und Eigenschaften lernen, um neue Moleküle zu generieren, die für ein bestimmtes Ziel optimiert sind.

  

Beispiel für GenAI in der Gesundheitsbranche
Anwendungsbereich: Bild-Krankheitsdiagnose 
 

AI-Computer-Vision-Modelle können eine Vielzahl von medizinischen Bildern und CT-Scans analysieren, einschließlich MRT-Scans, Ultraschallbilder und Röntgenbilder. Diese Modelle nutzen Algorithmen, um digitale Bilder zu verstehen und zu interpretieren, und helfen, Anomalien im Körper von Patient:innen zu identifizieren. In Bezug auf MRT-Scans und CT-Scans hilft die KI, indem sie die Scan-Zeit reduziert, Artefakte unterdrückt und die allgemeine Bildqualität durch Optimierung des Signal-Rausch-Verhältnisses verbessert.

 

Sprachmodelle sind hilfreich, die Diagnose für den Patienten zu "übersetzen", so dass diese verständlich, sensibel und dennoch transparent vermittelt wird. In der Praxis können so auch konkret Arztbriefe und Diagnose-Zusammenfassungen geschrieben werden. [1]


 

Von Simulation zu Prototyp: Prozesse optimieren in der Fertigungsindustrie

In der Fertigungsindustrie, die traditionell auf Massenproduktion ausgerichtet ist, entsteht eine zunehmende Herausforderung durch die steigende Nachfrage nach maßgeschneiderten Produkten. GenAI meistert den Spagat zwischen Personalisierung und Massenproduktion. Ein Beispiel ist die Automobilindustrie, wo GenAI beim Design von Teilen eingesetzt wird, die auf spezifische Ziele und Beschränkungen wie Leistung, Material und Herstellungsverfahren optimiert sind.

Mit GenAI unterstützte Systeme können die Supply Chain durch Analyse von historischen Daten, Nachfrageprognosen und externen Faktoren optimieren. Dies ermöglicht eine präzisere Produktionsplanung, Vorhersage von Nachfrageschwankungen und Optimierung von Lagerbeständen. Minimierte Lagerengpässen, reduzierte Lieferzeiten und eine verbesserte Gesamteffizienz sind das Ergebnis.

Insgesamt steigert der Einsatz von GenAI in der Fertigungsindustrie die Produktivität und ermöglicht es Mitarbeitenden, sich auf komplexere Aufgaben zu konzentrieren. Dabei können sie beispielsweise durch kollaborative Roboter (Co-Bots) unterstützt werden.

 

 

Warum Potenzial in der Fertigungsindustrie liegt: 

Effizienz 
Der Einsatz von Technologien, wie AI-basierten Assistenzsystemen und Co-Bots optimiert Prozesse, führt zu einer höheren Effizienz in der Produktion und Logistik und senkt Kosten. 

Personalisierung trotz Massenproduktion 
Die Fertigungsindustrie kann durch GenAI und fortschrittliche Automatisierungstechnologien flexibler auf Kundenbedürfnisse eingehen. Dies ermöglicht eine schnellere Anpassung an individuelle und sich wandelnde Anforderungen.

Qualitätsverbesserung 
AI-gestützte Systeme ermöglichen eine verbesserte und kontinuierliche Qualitätskontrolle, indem sie Fehler frühzeitig erkennen und Produktionsabläufe präzise steuern, wodurch die Qualität der Endprodukte steigt.

 

Beispiel für GenAI in der Fertigungsindustrie
Anwendungsbereich: Optimierung in der Fertigung 
 

Die Partnerschaft von Microsoft und Siemens hat zur Einführung des Siemens Industrial Copilot geführt, eines gemeinsam entwickelten AI-gesteuerten Assistenten, der die Zusammenarbeit zwischen Menschen und Maschine in der Fertigung verbessert. Schaeffler AG, ein führender Automobilzulieferer, ist ein früher Anwender des Siemens Industrial Copilot. Darüber hinaus schafft GenAI Möglichkeiten zur Automatisierung durch die Schaffung von Maschinenteilen und -baugruppen, die auf Material- und Produktionseffizienz, Einfachheit im Design und Geschwindigkeit der Herstellung optimiert sind. [2]

 

Anwendungsbereich: Montage

Micropsi Industries nutzt AI-System MIRAI für das Training von Roboterarmen, die Aufgaben durch visuelle Demonstrationen erlernt und Aufgaben selbstständig löst. MIRAI ist ein künstliches Intelligenz-System, das Ingenieuren hilft, Roboterarme für anspruchsvolle Aufgaben zu trainieren. Mit MIRAI können sie ein komplexes Problem des Computersehen lösen, ohne viel über die Technologie zu verstehen. MIRAI kann an beliebigen Aufgaben eingesetzt werden, die eine Positionierung des Roboterarms erfordern. Die Hauptanwendungsgebiete sind Montage und zunehmend auch Logistik-Automatisierung. [3]

 

Fazit

Mit Generativer Künstlicher Intelligenz entstehen große Potenziale in fast allen Branchen. Gerade in der Bildung, der Gesundheits- und Fertigungsindustrie erscheinen die Chancen besonders gravierend. Trotzdem bleiben Herausforderungen bestehen, die mit der Implementierung dieser Technologie einhergehen. Dazu gehören ethische, datenschutzrechtliche und technische Herausforderungen, die sorgfältig geprüft werden müssen, um einen verantwortungsvollen Einsatz der Technologie zu gewährleisten. Als langjährige Berater:innen und Expert:innen in der IT und IT-Sicherheit ist die Umsetzung von DSGVO-konformen Systemen bei iteratec selbstverständlich. Neben dem verantwortungsvollen Umgang mit KI und dem Einhalten ethischer Standards, beschäftigt uns auch der nachhaltige Aspekt: Mit KI können wir unseren CO2-Fußabdruck reduzieren.

Die Technologie rund um künstliche Intelligenz entwickelt sich rasant und eröffnet laufend neue Möglichkeiten. Lassen Sie uns gemeinsam aktiv Chancen für Ihr Geschäftsmodell entwickeln!

 

 

 

Sie suchen den Austausch oder benötigen Unterstützung beim Einsatz von GenAI? Unsere Expert:innen melden sich bei Ihnen!

 

 
 

Quellen:

[1] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10177423/ 

[2] https://www.siemens.com/de/de/unternehmen/stories/digitale-transformation/industrial-copilot.html

[3] https://www.roboticstomorrow.com/article/2019/02/mirai-using-ai-to-train-robotic-arms/13194

 

 

Tags: AI & Data Analytics, Digital Business Innovation

Verwandte Artikel

Die Erwartungen rund um Generative Artificial Intelligence (kurz GenAI) waren von Beginn an enorm, doch nun hat die Realität...

Mehr erfahren

Topics: AI & Data Analytics, Digital Business Innovation

Ganzheitliche Lösungen für eine unabhängige und nachhaltige Energieversorgung: Das ist die Mission von SENEC. Das Unternehmen mit...

Mehr erfahren

Topics: AI & Data Analytics, Digital Business Innovation

Hören und sprechen zu können ist für die meisten Menschen eine Selbstverständlichkeit und fester Bestandteil des täglichen Lebens.

Mehr erfahren

Topics: AI & Data Analytics, Digital Business Innovation