Trotz aller Potenziale, die uns aus Statistiken bekannt sind, steckt Künstliche Intelligenz noch in den Kinderschuhen. Beispiele von Unternehmen, die bei der Implementierung von KI für ihre Produkte und Dienstleistungen Herausforderungen gegenüberstehen, findet man genügend. Grundsätzlich lässt sich sagen, dass sich zu viele Mitwirkende nur auf die KI-Algorithmen konzentrieren. Vielmehr gibt es drei weitere Anforderungen – oder drei weitere «Is», wenn man so will –, um mit Künstlicher Intelligenz erfolgreich zu sein: das Erkennen und Nutzen von Insights, also Einsichten und Wissen von Experten in Anwendungen, in denen KI verwendet werden soll, Tools zur Handhabung der Implementierungsdetails im gesamten Design-Workflow sowie die Sicherstellung einer effektiven Interaktion zwischen KI und anderen Systemen in ihrer Umgebung.
Zur Veranschaulichung dieser drei Anforderungen für die Erstellung einer erfolgreichen KI dient hier das Beispiel BuildingIQ. Dies verwendet MATLAB als Teil eines Cloud-basierten Systems für die Optimierung des Energieverbrauchs der HLK-Anlagen – Heizung, Lüftung, Klima – eines Gebäudes. Das System streamt Daten aus externen Quellen, beispielsweise
Wettervorhersagen und Prognosen für Energiepreise und nutzt diese Daten, um die Kosten für zugekaufte Energie immer wieder zu minimieren. Mit diesem Ansatz reduziert BuildingIQ die Energiekosten für Gebäude um zehn bis 25 Prozent.
Einen weiteren Punkt, die Insights, sprich Einblicke, gilt es zu thematisieren. Dabei geht es um das, was Ingenieure und Wissenschaftler in die KI einbringen, nicht das, was die KI ihnen bringt. Entwickler nutzen diese Insights bei der Auswahl von Daten, bei der Abwägung von Kompromissen und der Auswertung von Ergebnissen.
Bei der Entwicklung einer KI ist es wichtig, dass die Tools, die man dabei nutzt, diese Erkenntnisse als einen integralen Bestandteil der Lösung mit einzubeziehen. BuildingIQ tut dies, indem es Daten herausfiltert, Pole und Nullstellen der Systemmodelle betrachtet und nicht lineare Optimierungen durchführt, sodass solide und sinnvolle Daten in den KI Algorithmus eingehen und herauskommen.
Die Implementierung muss das gesamte System umfassen. Für Forscher bedeutet das, dass man Tests durchführen, Daten analysieren und Berichte verfassen muss. Erstellt man ein System zur Optimierung von Prozessen, geht es darum, alle notwendigen Daten zu streamen und zu konsolidieren, die KI mit Optimierungs- und Steuerungsfunktionen zu verbinden und damit die HLK-Steuerungssysteme zu betreiben.
Die dritte Anforderung – Interaktion – ist es sicherzustellen, dass KI effektiv mit der Umgebung und komplexen menschlichen Arbeitsabläufen interagiert. Dies kann je nach
Branche und Anwendung unterschiedliche Dinge bedeuten. In dem Beispiel für Heizung/
Lüftung/Klima bietet BuildingIQ eine mobile App, die Informationen bereitstellt und die Flexibilität hat, Betriebsparameter für mehr individuellen Komfort anzupassen.
Erfolgreiche KI-Anwendungen erfordern mehr als nur die Entwicklung und Nutzung intelligenter Algorithmen. Erkenntnisse von Fachleuten müssen eingebracht werden, KI in einen kompletten Systementwicklungs-Workflow implementieren und sicherstellen, dass die KI mit ihrer Umgebung vernünftig interagieren kann. Mit diesem Ansatz bringt die Anwendung von KI viele Vorteile für die Lösung verschiedenster Problemstellungen – auch für die Umsetzung eigener Projekte. Mit Tools wie MATLAB und Simulink, die Datenanalyse und Engineering kombinieren, ist es möglich, KI-basierte Systeme erfolgreich zu entwickeln.
