Die hier vorgestellten Management Take-Aways und Handlungsempfehlungen für die Einführung von KI-basierten Systemen (KIBSen) in der Produktion wurden anhand einer Studie abgeleitet, in der das Nutzungs- und Annahmeverhalten von KI-basierten Systemen (KIBSen) in der Produktion untersucht wurde. Die Kernergebnisse sind in einem separaten Blogbeitrag zu finden und der gesamte Studienbericht steht Ihnen hier als Download zur Verfügung. Gerne bieten wir Ihnen bei Interesse ein (Online-) Seminar an, in welchem die Kernergebnisse präsentiert werden und auf fallspezifische Fragen eingegangen wird.

Management Take-Aways

Aus den Ergebnissen der Studie geht hervor, dass nicht jedes KIBSe gleichermaßen von Nutzenden akzeptiert wird. Zudem nehmen Beschäftigte in Produktionsunternehmen KIBSe anders wahr. Daher ist es wichtig, das KI-Nutzungs- und Annahmeverhalten der Beschäftigten in der Produktion im eigenen Unternehmen bei der Gestaltung und Einführung von KIBSen zu berücksichtigen. Um das Erfolgspotenzial der Technologie ausschöpfen zu können und die Wertschöpfung im eigenen Unternehmen zu optimieren, gilt es folglich, die Innovations- und Geschäftsstrategie ganzheitlich auszurichten; in dem Sinne, dass sich diese nicht nur auf eine wirtschaftliche Optimierung der Wertschöpfung fokussiert, sondern sich gleichermaßen oder gar vermehrt an der Optimierung der menschlichen Wertschöpfung ausrichtet. Dabei empfehlen wir folgende Vorgehensweise und potenziell relevante Leitfragen (siehe Abbildung 1):

1. Erste Ausarbeitung und Definition der Einsatz- und Erfolgsmöglichkeiten von KIBSen im eigenen Unternehmen
   • In welchem Arbeitsbereich kann ein KIBS die Wertschöpfung optimieren?
   • Welche Auswirkungen hat die KI-Implementierung auf die menschliche Wertschöpfung bzw. die Beschäftigten in der Produktion?
   • Welche Daten liegen für die Erstellung eines KIBS vor? Sind die Daten bereits strukturiert, oder müssen sie noch aufgearbeitet werden?
   • Welche Ressourcen besitzt das Unternehmen für ein KI-Projekt (Zeit, Finanzen, Personal/Know-how)?
2. Durchführung einer Analyse der Beschäftigten in der Produktion
   • Was ist den Beschäftigten in der Produktion bei der Arbeit wichtig und wie arbeiten sie gerne
   • Gibt es spezielle Arbeitsbereiche, in denen sie sich Entlastung durch beispielsweise ein KIBS wünschen?
   • Wie wird die Arbeitsentlastung bzw. frei werdende Zeit genutzt? Lassen sich hieraus Benefits für die Beschäftigten in der Produktion generieren?
3. Spezifizierung des Designs und der Aufgaben eines KIBS in Anlehnung an die Ergebnisse der Analyse der Beschäftigten in der Produktion
   • Passt die Idee des KIBS zu den Bedürfnissen der Mitarbeitenden?
   • Erleichtert oder belastet das KIBS die Beschäftigten in der Produktion bei ihren Aufgaben?
4. Mögliche Iterationsschleifen und Neudefinitionen
5. Ausarbeitung eines KIBS, welches sich an einer Optimierung der menschlichen Wertschöpfung ausrichtet und die Beschäftigten in der Produktion erleichtert statt belastet
   • Kann ich diese Aufgaben inhouse lösen, oder werden externe Ressourcen benötigt?
   • Wo kann ich Unterstützung finden?
6. Ausarbeitung einer Changemanagement-Strategie, die die Einführung von KIBSen begleitet
   • Sensibilisierung: Informierung und Bewusstseinsschaffung der Beschäftigten in der Produktion über die anstehenden Veränderungen, um Ängste abzubauen und eine positive Einstellung gegenüber Veränderungen zu fördern; beispielsweise durch Workshops, Schulungen oder Informationsveranstaltungen
   • Informierung: Gezielte Bereitstellung von Informationen über die geplanten Änderungen und deren Auswirkungen auf die Arbeitsabläufe und -prozesse
   • Begleitung: Stetiges Anbieten von Unterstützung während des gesamten Implementierungsprozesses; beispielsweise durch kontinuierliche Schulungen, Feedbackrunden oder individuelle Beratungsgespräche

• Kontinuierliche Sicherstellung der Akzeptanz der KIBs bei den Mitarbeitenden
  • Gegebenenfalls Entwicklung von Maßnahmen zur Stärkung oder Wiederherstellung der Akzeptanz

Insgesamt zielt dieser Prozess darauf ab, eine reibungslose Einführung von KIBSen zu gewährleisten und die Annahmebereitschaft dieser Systeme bei den Beschäftigten in der Produktion zu fördern, um das volle Erfolgspotential ausschöpfen zu können. Dabei empfehlen wir den Menschen in dem gesamten Prozess nicht nur abzuholen, sondern von Beginn an miteinzubeziehen, um das Potenzial von KIBSen ganzheitlich auszuschöpfen.

Abbildung 1 Vorgehensweise einer menschenzentrierten Gestaltung und Einführung von KIBS

Verfasst von: M.A. Felipa Carrara

Der Beitrag Management Take-Aways und Handlungsempfehlungen des Studienberichtes über das Nutzungs- und Annahmeverhalten von KI- basierten Systemen in der Produktion erschien zuerst auf ProKI-Ilmenau.

Die hier vorgestellte Studie präsentiert eine wissenschaftliche Erhebung des Fachgebietes Innovationsmanagement, in der das Nutzungs- und Annahmeverhalten von KI-basierten Systemen (KIBSen) in der Produktion untersucht wurde. Dieses Thema ist für Wissenschaft und Praxis gleichermaßen von Relevanz, da das Erfolgspotential von KIBSen in starker Abhängigkeit zu dem Annahmeverhalten der Nutzenden steht. So kann aktuellen Studien zufolge beispielsweise eine Ablehnung von KIBSen nicht nur zu Fehlgebrauch, Missbrauch oder einer Nichtnutzung führen (Burton et al., 2020), sondern ebenso zu minderwertigen Entscheidungen (Berger et al., 2020), die negative betriebswirtschaftliche Folgen nach sich ziehen können.

Die Studie besteht aus zwei Teilen: (1) Einer Umfrage, in der das aktuelle Nutzungs- und Annahmeverhalten von KIBSen identifiziert wurde und (2) einem szenario-basierten Experiment, in der der Einfluss des menschlichen Erscheinungsbildes (Anthropomorphismus) eines KIBS auf die Annahmebereitschaft der Nutzenden untersucht wurde. Insgesamt haben 167 Mitarbeitende deutscher Produktionsunternehmen teilgenommen.

Im folgenden werden die Kernergebnisse der Studie unterteilt in Arbeitsgruppen präsentiert, nämlich Produktionsleitung, Abteilungs- und Schichtleitung, Beschäftigte ohne Leitungsfunktion.

Hier können Sie sich den gesamten Studienbericht herunterladen. Gerne bieten wir Ihnen bei Interesse ein (Online-) Seminar an, in welchem die Kernergebnisse präsentiert werden und auf fallspezifische Fragen eingegangen wird.

Kernergebnisse der Umfrage

Aktuelle Nutzung von KIBsen

• Aktuelle regelmäßige Nutzung liegt bei 27 Prozent
• Aktuelle mäßige Nutzung liegt bei 23 Prozent
• Aktuelle Nichtnutzung liegt bei 50 Prozent

Abbildung 1: Aktuelle Nutzung von KIBsen

Die Nutzung nimmt mit hierarchischem Status zu

• 44 % der Beschäftigten ohne Leitungsfunktion verwenden mäßig/ regelmäßig KIBSe
• 61 % der Abteilungs- & Schichtleitung verwendet mäßig/ regelmäßig KIBSe
• 64 % der Produktionsleitung verwendet mäßig / regelmäßig KIBSe, vor allem, um Zeit zu sparen

Abbildung 2: Aktuelle Nutzung von KIBSen nach Tätigkeitsbereich

Wichtigkeiten am Arbeitsplatz

• Mehrheitlich hohe Lernbegierde bei allen Arbeitsgruppen
• Routiniertes Arbeit ist allein Beschäftigten ohne Leitungsfunktion wichtig
• Spaß bei der Arbeit, ein sicherer Arbeitsplatz und das Arbeiten für ein innovatives Unternehmen allen Arbeitsgruppen wichtig

Abbildung 3: Wichtigkeiten am Arbeitsplatz

Zufriedenheit über die Beschaffenheit am Arbeitsplatz

• Abteilungs- und Schichtleitung sind tendenziell am zufriedensten mit der Ausstattung der Maschinenfuhrparks und dem Anwenden der Maschinen
• Produktionsleitung ist am meisten davon überzeugt besser arbeiten zu können, wenn die Maschinen optimiert werden

Abbildung 4: Zufriedenheit über die Beschaffenheit am Arbeitsplatz

Wahrnehmung von innerbetrieblichen Veränderungen Vertrauen in die Kompetenz der Organisation

• Abwehr gegenüber betrieblichen Veränderungen ist in allen Arbeitsgruppen tendenziell gering
• Produktionsleitung wehrt sich am ehesten gegen innerbetriebliche Veränderungen

Abbildung 5: Abwehrhaltung gegenüber betrieblichen Veränderungen

Vertrauen in die Kompetenz der Organisation

• Das Vertrauen in die Kompetenz der Organisation ist tendenziell zurückhaltend
• Ein Misstrauen ist nicht zu erkennen

Abbildung 6: Vertrauen in die Kompetenz der Organisation

Einstellungsverhalten gegenüber KIBsen allgemein

• Beschäftigte ohne Leitungsfunktion sind am wenigsten davon überzeugt, dass KIBSe mehr Vor- als Nachteile hat
• Beschäftigte in der Produktionsleitung sind eher davon überzeugt, dass KIBSe allgemein gesprochen das Leben erleichtert

Abbildung 7: Meinungsbild gegenüber KIBSe

Angst von Maschinen beherrscht zu werden

• Beschäftigte ohne Leitungsfunktion haben vermehrt Angst von Maschinen beherrscht zu werden

Abbildung 8: Einschätzung gegenüber KIBSe

Annahmeverhalten von KIBSen

• Keine erkennbar starke Abneigung ggü. KIBSe
• Produktionsleitung bevorzugt am meisten menschliche ggü. KI-basierter Ratschläge

Abbildung 9: Annahmeverhalten von KIBsen

Gefühle bei Einführung von KIBSen

• In allen Arbeitsgruppen mehrheitlich wenig erkennbar negative Gefühle bei der Einführung von KIBS
• Vor allem Angestellte mit Leitungsfunktion prognostizieren tendenziell eine Steigerung der Arbeitszufriedenheit 

Abbildung 10: Gefühle bei Einführung von KIBsen

Kernergebnisse des szenario-basierten Experiments

• Einfluss des menschlichen Erscheinungsbilds des KIBS (unabhängige Variable) auf die Annahmebereitschaft des Systems (abhängige Variable)
• Es liegt kein signifikanter Unterschied vor zwischen dem Erscheinungsbild und der Annahmebereitschaft der Nutzenden
• Eine Roboter-KI in Form eines kollaborativen Roboters verfügt über eine höhere Annahmebereitschaft als virtielle KI in Form eines Chatbots und einer integrierten KI, die in einer Maschine eingebaut und nicht sichtbar ist

Abbildung 11: Annahmebereitschaft KIBSe.

Zusammenfassung der Kernergebnisse

Auch wenn in Anlehnung an die Studienergebnisse die Hälfte der Beschäftigten in der Produktion keine KIBSen am Arbeitsplatz verwendet, liegt nur eine geringe Abwehrhaltung gegenüber innerbetrieblichen Veränderungen vor und eine mehrheitliche Überzeugung, dass KIBSe viele Vorteile haben. Zudem arbeiten viele der Befragten gerne für innovative Unternehmen und weisen ein hohes Maß an Lernbegierde auf. Folglich kann davon ausgegangen werden, dass tendenziell eine Wertschätzung gegenüber KIBSen vorliegt und Beschäftigte in der Produktion gegenüber der Einführung und Verwendung von KIBSen am Arbeitsplatz vorwiegend offen sind. Diese Annahme wird ebenso durch die neutrale bis positive Gefühlslage bestätigt, die mit der Einführung von KIBSen einhergeht. Anhand der Studie ist zu erkennen, dass sich Beschäftigte in der Produktion weder erkennbar ängstlich noch minderwertig oder gar nutzlos hinsichtlich der Einführung von KIBSen fühlen. Vielmehr gaben einige der Studienteilnehmenden an, dass die Einführung von KIBSen mit einer Steigerung der Arbeitszufriedenheit einhergehe. Auch wenn die Diskussion und die mediale Aufmerksamkeit über mögliche Jobverluste durch die Einführung von KIBSen sehr präsent ist und vor allem Deutsche sich um ihren Arbeitsplatz sorgen (Boston Consulting Group, 2024), so scheint diese Befürchtung unter den Beschäftigten in der Produktion wenig verbreitet zu sein.

Dennoch wird nicht jedes KIBSe von Nutzenden gleichermaßen akzeptiert. Zudem nehmen Beschäftigte in Produktionsunternehmen KIBSe anders wahr.  Es ist wichtig, das KI-Nutzungs- und Annahmeverhalten der Beschäftigten in der Produktion im eigenen Unternehmen bei der Gestaltung und Einführung von KIBSen zu berücksichtigen. Um das Erfolgspotenzial der Technologie ausschöpfen zu können und die Wertschöpfung im eigenen Unternehmen zu optimieren, gilt es, die Innovations- und Geschäftsstrategie ganzheitlich auszurichten; in dem Sinne, dass sich diese nicht nur auf eine wirtschaftliche Optimierung der Wertschöpfung fokussiert, sondern sich gleichermaßen oder gar vermehrt an der Optimierung der menschlichen Wertschöpfung ausrichtet. Management Take-Aways und Handlungsempfehlungen werden kommende Woche in einem weiteren Blogbeitrag erläutert.

Bleiben Sie dran!

Quellen

Berger, Benedikt; Adam, Martin; Rühr, Alexander; Benlian, Alexander (2021): Watch Me Improve—Algorithm Aversion and Demonstrating the Ability to Learn. In: Business & Information Systems Engineering 63 (1), S. 55–68. DOI: 10.1007/s12599-020-00678-5.

Burton, Jason W.; Stein, Mari‐Klara; Jensen, Tina Blegind (2020): A systematic review of algorithm aversion in augmented decision making. In: Journal of Behavioral Decision Making 33 (2), S. 220–239. DOI: 10.1002/bdm.2155.

Lindenberger, S. (2024): Deutsche fürchten mehr als alle anderen, dass KI ihre Jobs wegnimmt. Boston Constulting Group, verfügbar unter: https://www.msn.com/de-de/finanzen/top-stories/ki-studie-der-boston-consulting-group-vor-allem-deutsche-f%C3%BCrchten-dass-ki-ihre-jobs-wegnimmt/ar-BB1oUXLf?item=module_ad_enabled%3Afalse (Abgerufen am, 19.11.2024).

Verfasst von: M.A. Felipa Carrara

Der Beitrag Insights und Key Take-Aways des Studienberichtes über das Nutzungs- und Annahmeverhalten von KI- basierten Systemen in der Produktion erschien zuerst auf ProKI-Ilmenau.

Sie haben die Möglichkeit den Projektatlas unter diesem Link kostenfrei runterzuladen.

Der Projektatlas wird in den Fördermaßnahmen „Demonstrations- und Transfernetzwerk KI in der Produktion (ProKI-Netz)“ und „Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern)“ durch das Bundesministerium für Bildung und Forschung (BMBF) im Programm „Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistung und Arbeit“ gefördert und vom Projektträger Karlsruhe (PTKA) betreut.

Der Beitrag Projektatlas: Künstliche Intelligenz in der Produktion erschien zuerst auf ProKI-Ilmenau.

1. Unklare Ziele und Erwartungen
   Ein häufiger Fehler bei KI-Projekten ist das Fehlen klarer und messbarer Ziele. Unternehmen starten oft KI-Initiativen ohne eine präzise Definition dessen, was sie erreichen wollen. Dies führt zu unrealistischen Erwartungen und letztlich zu Enttäuschungen, wenn die KI nicht die gewünschten Ergebnisse liefert.
   → Empfehlung: Setzen Sie sich klare, realistische und messbare Ziele bei der Implementierung von KI in Ihrem Unternehmen.
2. Fehlende Fachkenntnisse
   Ein Mangel an qualifiziertem Personal mit den notwendigen Fähigkeiten in Data Science, Maschinellem Lernen und KI kann Projekte erheblich behindern. Es kann schwierig sein, die richtigen Talente zu rekrutieren und zu halten. Ohne die richtige Expertise im Team sind Unternehmen oft nicht in der Lage, KI-Projekte erfolgreich umzusetzen.
   → Empfehlung: Bilden Sie Ihre Mitarbeitenden kontinuierlich weiter und fördern Sie die Rekrutierung von Fachkräften mit den notwendigen Qualifikationen.
   
3. Organisatorische Widerstände
   Veränderungen durch KI können auf Widerstand innerhalb der Organisation stoßen, insbesondere wenn Mitarbeitende um Ihre Arbeitsplätze fürchten. Eine fehlende Akzeptanz und Unterstützung auf Führungsebene können ebenfalls zum Scheitern beitragen. Es ist wichtig, eine Kultur der Offenheit und des Wandels zu fördern, um den Erfolg von KI-Initiativen zu gewährleisten.
   → Empfehlung: Setzen Sie auf eine offene und transparente Kommunikation mithilfe einer Change-Management-Strategie, mit der Sie die Akzeptanz und Unterstützung für KI-Initiativen innerhalb der Organisation fördern.
4. Fehlende Infrastruktur und Ressourcen
   Unternehmen benötigen eine geeignete Infrastruktur, um KI-Projekte zu unterstützen, einschließlich Datenbanken, Server und Netzwerke. Budgetbeschränkungen und mangelnde Investitionen in notwendige Ressourcen können ein Projekt behindern. Ohne die richtigen Werkzeuge und Plattformen ist es schwierig, KI erfolgreich zu implementieren.
   → Empfehlung: Erstellen Sie einen Investitionsplan, der die benötigten Ressourcen und Komponenten identifiziert und priorisiert. Suchen Sie nach externen Finanzierungs- oder Fördermöglichkeiten, wenn nötig. Investieren Sie in eine skalierbare und leistungsstarke IT-Infrastruktur, die für die Anforderungen von KI-Projekten ausgelegt ist.
   
5. Unzureichende Berücksichtigung ethischer und rechtlicher Aspekte
   Ethische Bedenken und rechtliche Anforderungen im Umgang mit Daten und bei der Implementierung von KI müssen sorgfältig beachtet werden. Nichtbeachtung dieser Aspekte kann zu rechtlichen Problemen und einem Verlust des Vertrauens der Kunden führen. Unternehmen müssen sicherstellen, dass Ihre KI-Projekte den gesetzlichen Vorgaben entsprechen und ethisch vertretbar sind.
   → Empfehlung: Informieren Sie sich über Richtlinien bezüglich Datenschutzes und anderen ethischen und rechtlichen Richtlinien für den Umgang mit Daten und den Einsatz von KI. Führen Sie regelmäßig Audits durch, um diese Richtlinien zu gewährleisten.
6. Kontinuierliche Anpassung und Wartung
   KI-Modelle müssen kontinuierlich überwacht, gewartet und an neue Daten und Anforderungen angepasst werden. Ein Versäumnis, diese laufende Pflege zu gewährleisten, kann dazu führen, dass Modelle mit der Zeit an Genauigkeit und Nutzen verlieren.
   → Empfehlung: Integrieren Sie die Pflege und Weiterentwicklung des KI-Systems in Ihre Unternehmensstrukturen und -abläufe.

Fazit

Die Implementierung von KI in Unternehmen ist eine komplexe Herausforderung, die sorgfältige Planung, die richtige Infrastruktur, qualifiziertes Personal und eine unterstützende Unternehmenskultur erfordert. Durch die Berücksichtigung und proaktive Bewältigung der genannten Herausforderungen können Unternehmen die Erfolgschancen Ihrer KI-Projekte erheblich verbessern. KI hat das Potenzial, erhebliche Vorteile zu bringen, aber nur, wenn die Projekte richtig angegangen und umgesetzt werden.

Sie planen, ein KI-Projekt in Ihren Produktionsprozess zu integrieren? Melden Sie sich zu unserer kostenfreien, wöchentlichen Sprechstunde an und profitieren Sie von unserer Expertise! Alternativ können Sie auch mit unserem KI-Check ein individuelles Gespräch mit uns vorbereiten – einfach die Maske ausfüllen, das ProKI-Team meldet sich anschließend bei Ihnen.

Verfasst von: Linh Nguyen

Quelle: Bitkom. (2023, September 14). Künstliche Intelligenz – Wo steht die deutsche Wirtschaft? https://www.bitkom.org/sites/main/files/2023-09/bitkom-charts-ki-im-unternehmen.pdf (zugegriffen: 24.07.2024)

Der Beitrag Woran scheitern KI-Projekte in Unternehmen? erschien zuerst auf ProKI-Ilmenau.

Der Kurs „Deep Learning“ von Dominik Walther vermittelte den Gästen die Grundlagen von Deep Learning. Die Teilnehmenden implementierten selbstständig ein Deep Learning Projekt von der Datenanalyse bis zum fertig trainierten Model.

Als Aufgabe diente hierfür die automatisierte Erkennung von Nahtunregelmäßigkeiten beim Laserstrahlschweißen. Als Daten wurden die Aufzeichnungen einer langwelligen Infrarotkamera für die Analyse verwendet.
Während des Kurses wurde auf verschiedene wichtige Aspekte hingewiesen und deren Effekte während der Implementierung verdeutlicht. Der Mix aus Präsentation und Implementierung diente dazu, den Übergang von der Theorie zur Praxis zu vereinfachen und wichtige Konzepte anschaulich zu vermitteln.
So konnten die Teilnehmenden im Laufe des Kurses ein Faltungsnetzwerk implementieren, trainieren und anschließend optimieren.
Den Abschluss bildete eine Evaluation des Netzwerkes durch verschiedene Metriken wie Precision und Recall und das Aufzeigen, warum Genauigkeit nicht immer eine geeignete Metrik für die Bewertung ist.

Im Workshop „KI in der Schweißtechnik“ von Kai Ehlich erhielten die Teilnehmenden einen umfassenden Einblick in die Anwendung von Künstlicher Intelligenz (KI) und Machine Learning (ML) in der Schweißtechnik.

Zu Beginn wurde eine fundierte Einführung in die Grundlagen von KI und ML gegeben, wobei der Fokus auf deren potenziellem Nutzen in der Schweißtechnik lag.
Ein zentrales Thema war die Bedeutung von Datenakquise und Datenqualität. Es wurde gezeigt, wie qualitativ hochwertige Daten erhoben werden können, um  robuste KI-Modelle zu entwickeln. Im nächsten Schritt wurde das Feature Engineering beleuchtet, also die Frage, welche Informationen und Merkmale für die Modellierung besonders relevant sind. Der Workshop beinhaltete verschiedene Use Cases, die zeigten, wie KI in der Schweißtechnik bereits erfolgreich eingesetzt wird. In einem Hands-On konnten die Teilnehmenden ihr Wissen anhand einer Übungsaufgabe anwenden und vertiefen. Besonders interessant war die Modellierung von KI am Beispiel des FSSW (Friction Stir Spot Welding), das den Anwendungsbezug verdeutlichte.
Insgesamt bot der Workshop eine wertvolle Kombination aus Theorie und Praxis, die den Teilnehmenden ein tieferes Verständnis für den Einsatz von KI in der Schweißtechnik vermittelte.

Wir bedanken uns bei allen Beteiligten für die tolle Zeit und den intensiven Austausch.

Verfasst von: M.Sc. Dominik Walther, M.Sc. Kai Ehlich, Linh Nguyen

Der Beitrag Internationaler Wissensaustausch mit SME2KE erschien zuerst auf ProKI-Ilmenau.

Das Team von ProKI-Ilmenau richtet sich v.a. an produzierende KMU, welche KI in ihre Unternehmensprozesse einführen oder bereits vorhanden Strukturen ausbauen wollen. Hierzu stehen den Anfragenden alle Leistungen des ProKI-Zentrums Ilmenau zur Verfügung. Gleichzeitig ist Ilmenau für die KMU der Region auch eine Anlaufstelle, um auf alle Leistungen der anderen acht ProKI-Zentren in Deutschland zugreifen zu können. Interessierte finden weitere Informationen auf der Website von ProKI-Netz. Bei Bedarf können demnach Anfragen aus dem KI-Hub auch an bundesweite Partner vermittelt werden, damit die KMU fundierte Antworten auf ihre Fragen erhalten.

Koordiniert wird der KI-Hub von den Mittelstand-Digital Zentren Chemnitz und Ilmenau. Diese Zentren unterstützen Unternehmen mit erfahrenen KI-Trainern, die grundlegendes und fachliches Know-how rund um datengestützte Arbeits- und Produktionsprozesse, Produkte und Dienstleistungen branchenunabhängig und anbieterneutral vermitteln.

Wenn Sie planen, Ihr Unternehmen im Bereich KI zu stärken oder Ihr Wissen zu vertiefen, zögern Sie nicht, ein ProKI-Beratungsgespräch zu buchen oder eine unserer Veranstaltungen zu besuchen und uns anzusprechen!

Der Beitrag Die Rolle von ProKI im KI-Hub Sachsen-Thüringen – Künstliche Intelligenz für den Mittelstand erschien zuerst auf ProKI-Ilmenau.

Der anschließende Rundgang und die Ausstellung der Demonstratoren aus den Fachgebieten Fertigungstechnik, Kunststofftechnik, Qualitätssicherung und industrieller Bildverarbeitung sowie Data-intensive Systems and Visualization Group bot eine hervorragende Gelegenheit, mögliche Praxiseinsätze von KI hautnah mitzuerleben. Die Ausstellung ermöglichte auch, mit den Mitarbeitenden von ProKI-Ilmenau persönlich in Kontakt zu treten und sich direkt über mögliche Anwendungen im Unternehmenskontext auszutauschen, wertvolle Diskussionen über Vor- und Nachteile spezifischer Lösungen zu führen und einen faszinierenden Einblick in die neuesten Entwicklungen und Möglichkeiten von KI zu erhalten. Insbesondere der Austausch zwischen dem Team von ProKI-Ilmenau und den KMUs war äußerst ertragreich und es wurden zahlreiche Grundsteine für eine weitere Zusammenarbeit gelegt.

Das Get-together im Anschluss bot Raum für anregende Gespräche und ein vertiefendes gegenseitiges Kennenlernen. Das Team von ProKI-Ilmenau ist sehr erfreut von der positiven Resonanz und dem Engagement aller Beteiligten und dankt sehr dafür, dass der Open Lab Day ein voller Erfolg wurde. Die Vorfreude auf den nächsten Open Lab Day im neuen Jahr ist bereits spürbar. Für weitere Informationen und Anfragen steht Ihnen das Team von ProKI-Ilmenau selbstverständlich zur Verfügung. Nutzen Sie hierfür z.B. unseren KI-Check oder kontaktieren Sie uns direkt über die Website. Vernetzen Sie sich auch gerne mit uns über LinkedIn und Facebook!

Der Beitrag Open Lab Day 2023 des Zentrums ProKI-Ilmenau an der TU Ilmenau erschien zuerst auf ProKI-Ilmenau.

Der Beitrag Dr. Sebastian Gerth spricht auf dem Ellipsis-Fachkongress über KI in KMU erschien zuerst auf ProKI-Ilmenau.

Der Beitrag ProKI-Ilmenau: Das neue Zentrum für Künstliche Intelligenz in der Produktion erschien zuerst auf ProKI-Ilmenau.