Automatisierung und Optimierung von Geschäftsprozessen

Der Schwerpunkt des BFSP liegt auf den Möglichkeiten der Automatisierung und Optimierung von Geschäftsprozessen. Die Optimierung fokussiert die Anreicherung etablierter Geschäftsprozesse durch KI. Die Automatisierung fokussiert hingegen die Definition komplett neuer Geschäftsmodelle und Geschäftsprozesse, die ohne KI in der Form nicht möglich wären. Unter Geschäftsprozess subsummieren wir auch Prozesse, die über traditionelle Unternehmensgrenze hinaus gehen (z.B. App-basierte Einkaufsprozesse).

Anwendungsbezug und nachhaltiger Einsatz von KI

Wir legen mit dem neuen BFSP den Fokus auf den Anwendungsbezug von KI. Faktoren für den aktuellen KI-Durchbruch waren umfangreiche Datenmengen, neue gut parallelisierbare Algorithmen und leistungsfähige Hardware zum parallelen Berechnen. Zu den Algorithmen zählt insbesondere das sog. “Deep Learning”, das auf künstlich neuronalen Netzen basiert. Während diese Algorithmen mittlerweile eine hohe Reife und Praxistauglichkeit aufweisen, mangelt es in Deutschland in der Praxis oft noch an ihrer  Anwendung. Wir sind davon überzeugt, dass KI ein großes ungenutztes Potential in den Fokusbranchen birgt, und sehen uns dazu berufen dieses mit dem BFSP weiter zu schließen.

Um den Praxisbezug und die Nutzbarkeit zu unterstreichen ist eine wichtige Säule neben der Erforschung neuer Anwendungen für KI die einfache, nachhaltige Bereitstellung der Algorithmen und Modelle. Darunter verstehen wir z.B. praxistaugliche Software mit denen Unternehmen ihre Geschäftsprozesse digital unterstützen können. Häufig fehlt es in den Unternehmen an der Expertise für die Umsetzung solcher nachhaltiger Softwarelösungen. Nur wenn die Forschung Lösungen für die Produktivsetzung der KI-Anwendungen entwickelt, kann ein funktionierender Transfer in die Wirtschaft entstehen.

 

Die zweite Säule ist die Sicherstellung der Nachhaltigkeit von KI hinsichtlich:
(1) Wie verändert sich die Nutzung der KI im Unternehmen und wie verändern sich die Geschäftsprozesse und weiterführend die Geschäftsmodelle über die Zeit? Hier soll eine Plattform für Unternehmen geschaffen werden, die es erlaubt, aktuelle KI Komponenten einfach zu nutzen und ihre Nutzung im Rahmen der Geschäftsmodelle zu protokollieren (z.B. durch Software zur Erfassung von Sensor- und Interaktionsdaten) und in Zusammenarbeit mit der Hochschule kontinuierlich zu analysieren und zu optimieren im Rahmen von Forschung und Lehre.
(2) Wie kann KI nachhaltig im Hinblick auf die Energie- und CO2-Bilanz entwickelt und betrieben werden? Hier geht es vor allem darum, die benötigten Ressourcen dem Nutzen gegenüberzustellen und Wege zu finden, wie KI in Summe zur Schonung von wichtigen Ressourcen beitragen kann. Dies kann die Nutzung der KI selbst betreffen, z.B. bei der Auswahl zu verwendender Hardware beim Aufbau eines Rechenclusters oder auch eine Optimierung Produktionsprozessen zur Reduktion von CO2. Vorarbeiten der Antragsteller existieren in allen Bereichen.   

 

Transparenz als Erfolgsfaktor für die Akzeptanz

Bei der Anwendung von KI muss aus unserer Sicht die Transparenz der eingesetzten Verfahren stets mitgedacht werden. Dies ist eine notwendige Prämisse zur Akzeptanz von KI. Ein Mensch muss eine Entscheidung oder Vorhersage einer KI nachvollziehen zu können bzw. diese korrigieren können. Diese Herausforderung lässt sich anhand von künstlich neuronalen Netzen (KNN) gut verdeutlichen, deren Kern ein mathematisches Konstrukt mit vielen Millionen Stellschrauben ist und dessen Position ein Algorithmus im Rahmen des Trainings aus großen Datenmengen lernt. Basierend auf diesen gelernten Stellschrauben erzeugt das KNN Vorhersagen für neue, unbekannte Fälle. Für den Menschen bleiben Entscheidungen der KI daher aktuell oft intransparent. Aktuelle Forschungsarbeiten modellieren die zugrundeliegenden mathematische Konstrukte in den neuronalen Netzen immer aufwendiger, was die Intransparenz weiter erhöht. Deshalb wollen wir bei der Erforschung von KI Anwendungen ihre Interpretierbarkeit immer mit betrachten.

Die beiden flankierenden Themen des BFSP, der nachhaltige Einsatz und die Sicherstellung von Transparenz, können z.B. über die an der Hochschule Osnabrück entwickelten Modellierungs- und Simulationsplattform YAMM mit der Möglichkeit zur verteilten Analyse und Synthese von Modellteilen auf Basis verschiedener maschineller Lernverfahren beantwortet werden. Diese Plattform wurde bereits erfolgreich zur Optimierung von Testprozessen in der Automobilindustrie eingesetzt. Sie basiert auf einer etablierten Entwicklungsumgebung und ist als Open Source unter der Eclipse Public License veröffentlicht worden. Die Plattform findet Einsatz in aktuellen Forschungsprojekten wie auch in der Lehre und wird in beiden Formen kontinuierlich weiterentwickelt. Die Plattform bietet die Möglichkeit, modellbasiert aus verschiedenen Perspektiven die Integration der KI in bestehende Prozesse wie auch die KI selbst in Abstraktionen zu analysieren. Darüber hinaus existieren Softwarepakete zur automatischen Erfassung von Prozessdaten, die durch Process Mining Methoden kontinuierlich Realität und zu optimierende Prozessmodelle synchronisieren. 

 

Integration und Rückkopplung in die Lehre

Forschendes Lernen im Rahmen studentischer Projektarbeit

Der BFSP soll das Potenzial von Studierenden, forschend zu lernen, möglichst breit ausschöpfen. Ziel ist es, komplexe Forschungsprojekte in Arbeitspakete aufzuteilen und so Fragestellungen zu identifizieren, die in einem semester oder jahres- übergreifenden Projekt von einer Gruppe von Studierenden bearbeitet werden können. Folgende existierende Projektformate kommen in Frage und werden auch heute schon, neben den Formaten Bachelor- und Masterarbeit, für forschendes Lernen genutzt (z.B. im Food Future Lab):

 

  • Projekt Agrar / Lebensmittel (AuL)
  • BMI/BTI / Bachelorarbeit (IuI)
  • BMI/BTI Software Engineering Projekt (IuI)
  • VMA / wissenschaftliches Projekt / Masterarbeit (IuI) 

Integration in bestehende Module

Die Forschung in diesen BFSP soll eng mit existierenden und geplanten Modulen in den Studiengängen der beteiligten Fakultäten integriert werden. Die Tabelle im Anhang A1 listet die wichtigsten Module auf.

Etablierung eines Promotionskolleg

Der Binnenforschungsschwerpunkt soll zudem über die Einrichtung eines Promotionskollegs zur Förderung der Zusammenarbeit und als Impulsgeber für Forschungsanträge in Relation zu Promotionsthemen ergänzt werden. Initial sollen kooperative Promotionen mit verbundenen Universitäten durchgeführt werden. Langfristig ist ein eigenes Promotionsrecht angestrebt. Flankierend dazu sollen entsprechende Veranstaltungen (z.B. gemeinsame Promotionskolloquien und Tagungen), die Themen im Binnenforschungsschwerpunkt in den heterogenen Anwendungsbereichen der Antragsteller synchronisieren. Die Veranstaltungen sind logischerweise offen für weitere Kollegen, die Interesse haben sich in diesem Rahmen zu engagieren.