Warum scheitern 80% der KI-Projekte (Interview mit Herrn Prof. Dr. Patrick Glauner)?

Hallo liebe Leserinnen und Leser. Wollt ihr erfahren, warum die Mehrzahl der KI-Projekte scheitert?

Ich freue mich sehr, mit Herrn Professor Dr. Patrick Glauner einen ausgewiesenen Experten auf dem Gebiet der Künstlichen Intelligenz begrüßen zu dürfen. Herr Prof. Dr. Glauner ist Gründer und geschäftsführender Gesellschafter der skyrocket.ai GmbH, und Experte auf dem Gebiet der KI. Seit 2020 hat er die Professur für Künstliche Intelligenz an der Technischen Hochschule Deggendorf inne – und war gerade einmal 30 Jahre beim Antritt seiner Professur. Vor kurzem hat er sein neues Buch “Innovative Technologies for Market Leadership. Investing in the Future” im Springer-Verlag publiziert.

Viel Spaß beim heutigen Interview mit praxisnahen Einblicken in den Alltag eines Professors und Unternehmensberaters. Herr Glauner beantwortet unter Anderem die folgenden Fragen:

  • Wie kann mithilfe von Machine Learning Diebstahl von Strom erkannt werden?
  • Wo liegt das Potenzial beim Einsatz von Reinforcement Learning?
  • Warum scheitern 80% der KI-Projekte in Unternehmen? Wie können KI-Projekte erfolgreich gestaltet werden?
  • Welche Dienstleistungen bietet das Unternehmen skyrocket.ai GmbH?
  • Wie lässt sich der Spagat zwischen akademischen Verpflichtungen und Unternehmensleitung bewerkstelligen?

Guten Tag Herr Prof. Dr. Glauner. Vielen herzlichen Dank, dass Sie dem heutigen Interview zugestimmt haben. Könnten Sie sich und Ihren Werdegang meinen Lesern kurz vorstellen?

Ich hatte Informatik an der Hochschule Karlsruhe studiert und bin gegen Ende meines Bachelorstudiums an die Europäische Organisation für Kernforschung (CERN) gewechselt. Dort hatte ich mich mit Dokumentenmanagement beschäftigt und bin so über das Thema Natural Language Processing in KI eingestiegen.

Danach hatte ich ein Masterstudium zu Machine Learning am Imperial College London absolviert und anschließend an der Universität Luxemburg in Machine Learning promoviert. Ich wollte mich jedoch breiter aufstellen und hatte daher parallel zu meiner Promotion noch einen MBA erworben.

Im Anschluss an meine Promotion war ich bei dem Maschinenbaukonzern Krones AG für das Thema KI verantwortlich und hatte dort ein konzernweites KI-Competence Center aufgebaut. Seit Anfang 2020 bin ich Professor für KI an der TH Deggendorf.

Ihre Dissertation an der Universität Luxemburg aus dem Jahr 2019 trägt den Titel “Artificial Intelligence for the Detection of Electricity Theft and Irregular Power Usage in Emerging Markets”. Bitte erläutern Sie uns, inwiefern der Stromdiebstahl ein reales Problem ist und welche Erkenntnisse Ihre Promotion hervorgebracht hat?

Elektrizitätsdiebstahl ist ein weltweites Phänomen, das in jedem Land auftritt. Insbesondere tritt es jedoch in Entwicklungs- und Schwellenländern auf, wo teilweise mehr als 40% der über das Netz verteilten Elektrizität gestohlen wird. Dabei gibt es eine ganze Bandbreite an kreativen Diebstahlsmöglichkeiten, wie z. B. das direkte Abzapfen von Elektrizität von im Freien verlaufenden Stromleitungen, das Manipulieren von Stromzählern oder das Bestechen von Stromablesern.

In meiner Promotion hatte ich in Zusammenarbeit mit einem IT-Dienstleister aus der Elektrizitätsbranche ein auf Machine Learning basierendes Verfahren entwickelt, das Diebstahl erkennt.

Welche Rolle spielte das Machine Learning bei der Identifizierung von Strombetrug und Manipulation in Ihrer Promotion?

Mein Verfahren analysiert Kundenstammdaten, Verbrauchsdaten und Inspektionsergebnisse mit Hilfe von Machine Learning und erkennt dadurch potentielle Diebe. Deren Stromzähler und andere Stromversorgungsinfrastruktur werden anschließend von Technikern genauer untersucht. Unser Industriepartner setzte zuvor zur Erkennung von Elektrizitätsdiebstahl ein Expertensystem ein.

Dieses erforderte jedoch eine zeitaufwändige Beschreibung von normalem und anormalem Vebrauchsverhalten der Verbraucher. Diese Regeln mussten von Zeit zu Zeit angepasst werden bzw. bei Projekten mit anderen Stromanbietern komplett neu definiert werden. Machine Learning eignet sich für diese Art von Problem deutlich besser, da die auf Machine Learning basierenden Modelle diese Regeln eigenständig aus den zugrundeliegenden Daten erlernen.

Das Bestärkende Lernen ist neben Überwachten und Unüberwachten Lernverfahren eine weitere Kategorie des Machine Learnings. Wo liegt Ihrer Meinung nach das Potenzial beim Reinforcement Learning (Bestärkenden Lernen)?

Wir Menschen lernen überwiegend in dieser Form, also durch Trial and Error, sei es beim Kochen, beim Fahrradfahren oder beim Finden einer Partnerin oder eines Partners. Die meisten Verfahren des Machine Learning sind weiterhin jedoch Verfahren aus dem Supervised Learning. Damit konnten in den letzten Jahren zwar große Fortschritte durch KI-Anwendungen erzielt werden, jedoch kratzen wir bisher nur an der Oberfläche des eigentlich Möglichen.

Ich sehe daher großes Potenzial für das Reinforcement Learning. In den letzten Jahren sind auch gute Bibliotheken entstanden, durch welche der Einsatz von Reinforcement Learning deutlich vereinfacht wird.

Wie entscheiden Sie in der Praxis, welche ML-Technik bzw. welches Lernverfahren Sie zur Lösung einer bestimmten Problemstellung anwenden? Gibt es Kriterien, wann sich zum Beispiel die Verwendung des Deep Learnings und tiefer Neuronale Netze besonders eignet?

Zuerst muss man natürlich bestimmen, zu welcher der drei Säulen Supervised, Unsupervised oder Reinforcement das Problem eigentlich gehört.

Für das Supervised Learning nutze ich dann gerne Automated Machine Learning (AutoML). Dadurch erhalte ich eine zusätzliche Ebene, bei der das genau eingesetzte Modell zum Erlernen einer Funktion y = f(x), abstrahiert wird. Mit Hilfe von AutoML kann man viele Supervised Learning-Probleme mit nur wenigen Zeilen Code lösen, die meist ganz passable Ergebnisse liefern. Dadurch kann ich mich auch deutlich besser auf die vor- und nachgelagerten Schritte des gesamten ML-Prozesses, wie z. B. die Datenvorverarbeitung, Integration in bestehende Infrastrukturen, etc. konzentrieren.

Deep Learning-Modelle funktionieren oft bei Problemen aus der Bild-, Text- oder Sprachverarbeitung gut. Da um Deep Learning-Modelle in den letzten Jahren ein großer Hype entstanden ist, möchte ich an dieser Stelle auch hervorheben, dass diese nicht pauschal besser sind als andere Modelle. Dies geht auch aus dem im Jahre 1996 hergeleiteten „No Free Lunch Theorem“ hervor (Wolpert, D. H. (1996). The lack of a priori distinctions between learning algorithms. Neural computation, 8(7), 1341-1390.). Leider scheint es selbst vielen KI-Professoren nicht bekannt zu sein, was u.a. zu vielen völlig haltlosen Versprechen um Deep Learning geführt hatte.

Viele prominente Persönlichkeiten warnten jüngst vor den Folgen der Künstlichen Intelligenz. Elon Musk –Tesla CEO und Tech-Visionär- sprach gar vor einem möglichen dritten Weltkrieg durch KI. Wie schätzen Sie tatsächlich die Gefahr eines Kontrollverlusts durch eine starke KI ein (Stichwort technologische Singularität)?

Zum heutigen Zeitpunkt ist völlig unklar, wann genau – bzw. ob in diesem Jahrhundert überhaupt – die Singularität eintreten wird. Bei dieser Fragestellung mischen momentan sehr viele Personen in der öffentlichen Diskussion mit. Die Wenigsten davon sind jedoch KI-Experten, was dieser Diskussion nicht sonderlich gut tut.

Gerade bei Elon Musk habe ich den Eindruck, dass er sich durch diese Diskussion wie so oft einfach ins Rampenlicht stellen möchte. Um die Singularität zu erreichen, müssten wir meiner Meinung nach dazu die Informatik komplett neu durchdenken. Unsere modernen Computer basieren weiterhin auf der im Jahre 1945 beschriebenen Von-Neumann-Architektur, welche alle Komponenten einer Turing-Maschine realisiert. Die Turing-Maschine hat jedoch einige fundamentale Einschränkungen und kann viele reale Probleme gar nicht berechnen. Schlichtweg schnellere Computer können diese Einschränkungen dann auch nicht einfach überwinden. Quantencomputer werden es übrigens aller Voraussicht nach auch nicht tun können.

Die realen Gefahren der KI sind ganz andere, denn durch die fortschreitende Automatisierung wird sich der Arbeitsmarkt radikal verändern. Dadurch werden viele Menschen vor großen Herausforderungen stehen. Das ist zwar seit Beginn der industriellen Revolution so. In der Vergangenheit wurden die Menschen dann einfach für neue Tätigkeiten in Fabriken angelernt. Ich bezweifle jedoch, dass in absehbarer Zukunft all diese Menschen zu KI-Experten ausgebildet werden können, da das Thema dafür einfach zu komplex ist.

* *

Welche Projekte eignen sich Ihrer Meinung nach als KI-Projekte bzw. Pilotprojekte auf dem betrieblichen Hallenboden?

Geschäftsprozesse, deren Schritte teuer, zeitaufwändig oder mit Unschärfe verbunden sind, sind gute Kandidaten für KI-Pilotprojekte. Unschärfe heißt in diesem Kontext, dass unterschiedliche Mitarbeiter bei der gleichen Aufgabenstellung, z. B. einer Berechnung oder Konstruktion, zu unterschiedlichen Ergebnissen kommen.

Pilotprojekte sollten schnell umsetzbar sein und schnell konkrete, in Metriken messbare Verbesserungen liefern. Wichtig ist jedoch, dass KI eine Lösung für diese Probleme sein kann, es jedoch auch andere, teils besser geeignete Ansätze geben kann. Gerade die großen Unternehmensberatungen haben in den letzten Jahren versucht, KI als Patentlösung für alle Probleme zu verkaufen. Das führt dann oft zu, dass viele KI-Projekte scheitern.

Ich darf Ihnen ebenfalls gratulieren zu Ihrem kürzlich im Springer-Verlag erschienenen Buch “Innovative Technologies for Market Leadership. Investing in the Future”. Welche innovativen Technologien stellen Sie im Detail vor und worum geht es in Ihrem Buch?

Das Buch habe ich zusammen mit Professor Dr. Dr. Plugmann herausgegeben. Es stellt innovative Technologien vor und wie diese konkret in Unternehmen eingesetzt werden, damit diese einen Wettbewerbsvorteil erzielen können. Thematisch behandelt es u.a. Quantencomputer, KI-Anwendungen in verschiedenen Branchen, wie im Maschinenbau und der Medizin, autonomes Fahren, aber auch Themen außerhalb der IT, wie z. B. Smart Grids, Polymere und synthetische Biologie.

Professor Plugmann und ich haben einen Teil der Kapitel geschrieben. Für die restlichen Kapitel konnten wir namhafte Autoren aus der ganzen Welt gewinnen, u.a. den CTO einer Landesgesellschaft von Microsoft. Das Buch wurde soweit sehr positiv aufgenommen und vor einigen Tagen auch von dem Berkeley Professor Henry Chesbrough empfohlen.

Patrick Glauner Innovative Technologies for Market LeadershipDas neue Buch von Herrn Prof. Dr. Glauner: LINK

Kommen wir zurück in die Praxis der KI-Projekte: In einer Keynote auf dem Smart Engineering Day beschreiben Sie, dass 80% der KI-Projekte scheitern. Könnten Sie uns schildern, warum das der Fall ist?

Ich sehe sehr oft, dass Unternehmen KI ohne konkretes Ziel einsetzen möchten, schlichtweg um auch endlich KI zu machen. Damit werden oft aber Lösungen für nicht existierende Probleme geschaffen.

Für mich ist es wichtig, dass der Einsatz von KI in einer Verbesserung von Metriken messbar sein muss. In meinem Buch beschreibe ich viele typische beim Einsatz von KI auftretende organisatorische und technische Fallstricke näher und stelle passende Best Practices vor.

Im Januar 2020 haben Sie die skyrocket.ai GmbH gegründet und sind geschäftsführender Gesellschafter. Welche Dienstleistungen bietet Ihr Unternehmen an und was war die Motivation für die Gründung?

Für mich ist es wichtig, neben der Professur weiterhin eng mit der Industrie verzahnt zu bleiben. Dadurch kann ich mein Wissen aktuell halten und sicherstellen, dass meine Lehre zeitgemäß bleibt. Aus diesem Grund hatte ich die skyrocket.ai GmbH gegründet.

Der Schwerpunkt liegt auf der Beratung von Entscheidungsträgern zum Einsatz von KI, sowie der Ausarbeitung von KI- und Digitalisierungsstrategien für Unternehmen. Zudem biete ich Workshops an, um damit Fach- und Führungskräfte beim Aufbau von KI-Wissen zu unterstützen. Auch unterstütze ich Unternehmen bei der Implementierung von KI-Lösungen, sowie bei der Auswahl von entsprechenden Dienstleistern.

Seit Februar 2020 sind Sie Professor für Künstliche Intelligenz an der Technischen Hochschule Deggendorf. Bei Antritt Ihrer Professur waren Sie gerade einmal 30 Jahre alt – das ist eine sehr beachtliche Leistung! Was hat Sie zum Wechsel aus der Industrie an die THD bewogen?

Ich war seit einigen Jahren Lehrbeauftragter an mehreren Hochschulen und habe Spaß daran, mein Wissen weiterzugeben. Neben dem Interesse an der Lehre haben mich die Freiheiten einer Professur gereizt. Als Professor hat man keinen direkten Vorgesetzten und kann nach eigenem Ermessen die Schwerpunkte und Ausrichtung der eigenen Lehre und Forschung bestimmen.

Im letzten Jahr waren in Bayern sehr viele KI-Professuren ausgeschrieben und ich hatte mich auf mehrere Stellen beworben. Oft dauern solche Berufungsverfahren jedoch mehrere Jahre.

Die TH Deggendorf hatte mich aufgrund der Effizienz der Hochschule beeindruckt, da das Berufungsverfahren grob drei Monate nach meinem Bewerbungseingang erfolgreich abgeschlossen war!

Welche persönlichen Ziele haben Sie sich für Ihre Tätigkeit als Professor gesetzt?

Ich unterrichte verschiedene Kurse zu KI, wie z. B. Natural Language Processing und Computer Vision, sowie mehrere Grundlagenkurse, u.a. Algorithmen und Datenstrukturen. Der Programmieranteil in meinen Kursen ist sehr hoch. Dadurch stelle ich sicher, dass die Studierenden nicht nur Theorien verstehen, sondern diese Konzepte auch praktisch umsetzen können und verstehen, dass sich diese Konzepte in der Praxis oft leicht anders als in der Theorie verhalten.

Ab nächstem Semester werde ich einen Kurs zu „Innovation Management for Artificial Intelligence“ (Link) anbieten. In diesem Kurs geht es darum, wie man die zuvor schon besprochene Herausforderung, dass die meisten KI-Projekte in der Praxis scheitern, meistern kann. Meine Recherche hat ergeben, dass es weltweit bisher noch keinen Kurs dieser Art an einer Hochschule gibt.

Ich sehe das als große Chance und bin mir sicher, dass ich damit einen echten Wandel in der KI-Lehre gestalten kann. Unsere Absolventen werden  dadurch mit ihrem Wissen in der Praxis KI-Lösungen viel erfolgreicher umsetzen können.

Lieber Herr Prof. Dr. Glauner, ich danke Ihnen nochmals im Namen aller Leser für dieses tolle Interview und für das Teilen Ihrer Erfahrungen und Expertise. Danke, dass Sie uns einen Einblick in Ihre Arbeit als Professor und als Geschäftsführer der skyrocket.ai GmbH gegeben haben. Ich wünsche Ihnen und Ihrem Unternehmen alles Gute!  

Euch hat der Artikel zu KI-Projekten und das Experteninterview mit Prof. Dr. Glauner gefallen? Ihr möchtet in Zukunft keine Blog-Beiträge und Interviews mehr verpassen und automatisch über neue Artikel zur KI, Robotik, Industrie 4.0, 3D-Druck,… informiert werden? Außerdem wollt ihr exklusive Rabatte auf meine Online-Kurse und Bücher erhalten? Dann nichts wie los, kommt in die Community und abonniert gerne hier den Newsletter:

Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.

* *

Alle mit * gekennzeichneten Links sind Affiliate-Links.

Interview mit Prof. Dr. Glauner: KI-Projekte; Warum scheitern 80% der KI-Projekte; KI-Projekte erfolgreich gestalten; KI-Projekte meistern; Potenzial von RL; Vorstellung des neuen Buchs

Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.
close
Wir halten deine Daten privat und teilen sie nur mit Dritten, die diesen Dienst ermöglichen. Lies unsere Datenschutzerklärung für weitere Informationen.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert