Fit for AI: Wie Datenwolken zu Informationsquellen werden

Die Hannover Messe hat es bestätigt: Viele Industrieunternehmen interessieren sich für den Einsatz von Künstlicher Intelligenz (KI) in Produktentwicklung, Automatisierung, vorausschauender Wartung, Qualitätssicherung oder Kundendienst. Doch der erfolgreiche Einsatz hängt entscheidend von der Qualität der Datenbasis ab. simus systems bietet mit „Fit for AI“ Datendienstleistungen, die das Anlernen einer KI wesentlich erleichtern.

Die heutigen Large Language Models der künstlichen Intelligenz werden von Entwicklern im Pre-Training mit riesigen Datenmengen im Internet angelernt, damit sie treffsichere Ergebnisse liefern können. Mittelständler müssen ihre KI-Modelle mit den vorhandenen Daten für den jeweiligen Anwendungsfall trainen. Dazu müssen für das Projekt die geeigneten Datenquellen und -bestände identifiziert werden. Je geringer die Datenmengen und der Aufwand für das Anlernen sein soll, desto wichtiger wird die Datenqualität.

Datenqualität für KI-Anwendungen

Grundsätzlich fallen dank fortschreitender Digitalisierung in der Industrie täglich größere Datenmengen an. Doch wenn diese lückenhaft, unvollständig, in unterschiedlichen Terminologien, Formaten, Kategorien und Einheiten abgelegt sowie mit Dubletten und Altbeständen durchsetzt sind, potenziert sich der Aufwand für KI-Projekte bis zur Unmöglichkeit. Deshalb müssen Unternehmen ihre Datenqualität für den Einsatz von KI vorbereiten.

Regelbasiert zur perfekten Datenbasis

Mit den Werkzeugen der Software-Suite simus classmate und erfolgreicher Projektmethodik hilft simus systems Herstellern, „Fit for AI“ zu werden. In einem Vorprojekt wird eine Stichprobe des Datenbestandes analysiert. So lassen sich Ziel und Aufwand abgleichen und das Projekt klar definieren.

Nun wird das Projekt auf den gesamten relevanten Datenbestand ausgedehnt. Automatisch werden große Datenbestände nach Regeln bereinigt, ergänzt, sortiert, strukturiert und abgelegt. In Workshops mit den Fachabteilungen des Kunden werden die Resultate weiter verfeinert. Mit der Suchmaschine classmate FINDER können die Projektbeteiligten Daten filtern und betrachten, um eventuelle Fehler, Dubletten oder Ungenauigkeiten zu erkennen. Schließlich wird der optimierte Datenbestand zur weiteren Verwendung freigegeben.

Abschließend wird die Datenqualität für die Zukunft gesichert. Die definierten Formate, Regeln und Konventionen werden mit der Software simus classmate für alle neu entstehenden Daten implementiert. Die Software und Dienstleistungen von simus systems erleichtern Projekte wie Manufacturing X, Digitaler Zwilling, ERP- und PDM-Datenbereinigung oder Künstliche Intelligenz. Damit erschließen Hersteller die Potenziale der Digitalisierung.