Die Trevisto schafft aus Daten Mehrwerte in Form von Prozessoptimierung, datengetriebenen Geschäftsmodellen und Digitalisierungsstrategien. Die Kernkompetenzen der Trevisto aus Nürnberg liegen in den Bereichen Data Warehousing (DWH), Business Intelligence (BI) und Künstliche Intelligenz (AI). Gemeinsam mit ihren Kunden wird die Grundlage für eine hochgradige Automatisierung und eine nachhaltige Optimierung erarbeitet.
Die BUILD.ING Consultants + Innovators GmbH ist ein agiles Unternehmen beratender Ingenieure für Energie und Nachhaltigkeit. Ökologie und Ökonomie sind kein Widerspruch, sondern die Leitlinien auf dem Weg zu mehr Nachhaltigkeit. Die BUILD.ING Consultants + Innovators GmbH schafft für ihre Kunden individuelle Lösungen, um die Energieeffizienz zu erhöhen. Im Zentrum steht die Optimierung von Nachhaltigkeitsthemen und der energetischen Situation der Kunden.
Ausgangssituation: In einer investitionsstarken Branche Wettbewerbsdifferenzierung erreichen
Die Bau- und Immobilienbranche, in der sich die BUILD.ING Consultants + Innovators GmbH bewegt, hat sich in den letzten Jahren sehr gut entwickelt und es wurde viel investiert. Zwar ist noch nicht abzusehen, wie sich die wirtschaftliche Krise aufgrund der Coronapandemie auf die Branche auswirken wird, doch die BUILD.ING Consultants + Innovators GmbH geht davon aus, auch weiterhin gut aufgestellt zu sein, da sie bereits vor Jahren durch systematische Kundensegmentierung hauptsächlich Kunden aus krisensicheren Branchen wie u. a. dem Pharmasektor, der Lebensmittelbranche und der Spielwarenbranche hat.
Themen rund um KI und maschinelles Lernen spielen für die BUILD.ING Consultants + Innovators GmbH eine wichtige Rolle, weil sie ein großes Potenzial bergen, um Menschen zu entlasten und ihnen zu assistieren. Maschinen können deutlich schneller und besser große Datenmengen auswerten als dies Menschen jemals könnten. In der Vergangenheit wurden in dem Unternehmen unzählige Personenmonate in die Datenauswertung investiert. Der Antrieb für den Einsatz von KI ist, dass alles, was automatisiert werden kann, auch automatisiert werden sollte, sodass die Mitarbeitenden entlastet werden und sich stattdessen ganz auf die Entscheidungsfindung auf Basis von automatisierten Datenauswertungen konzentrieren können.
Die Trevisto AG beschäftigt sich bereits seit 2009 mit Datenanalyse und Advanced Analytics und treibt KI mit ihren Möglichkeiten seit etwa fünf Jahren sehr intensiv voran. Zwar besteht noch große Skepsis im Markt bezüglich KI, doch die Trevisto AG hat sich zum Ziel gesetzt, alle Möglichkeiten auszuschöpfen, um ihren Kunden verstärkt datengetriebene Projekte anbieten zu können. Das Thema KI ist eine Erweiterung dessen, was die Trevisto AG bereits seit ihrer Gründung betreibt, nämlich die Analyse von Daten in den Mittelpunkt zu stellen, um unternehmerische Entscheidungen zu fundieren und zu unterstützen, datengetrieben Prozesse zu optimieren, Geschäftsmodelle zu innovieren und an den Markt zu bringen.
Ziele: Das Geschäftsfeld »Vorausschauende Wartung« für das Unternehmen erschließen
Die Zusammenarbeit der Trevisto AG mit der BUILD.ING Consultants + Innovators GmbH ergab sich im Rahmen eines Forschungsvorhabens. Das eigentliche Ziel in diesem Pilotprojekt war es, eine energetische Optimierung bei Kühlanlagen in Supermärkten durchzuführen. Dabei zeigte sich jedoch, dass das Thema »Vorausschauende Wartung« der spannendere Anwendungsfall war. Diese Idee ergab sich aus der Zusammenarbeit mit einem Servicedienstleister für die Fern-wartung solcher Kühlanlagen. Dort bestand die Schwierigkeit, bei der großen Menge an Anlagen, die im Fernwartungssystem angezeigt wurden, keine Anlage aus dem Blick zu verlieren und Fehler noch zuverlässiger zu erkennen. Es kristallisierte sich heraus, dass hier durch eine KI-gestützte Muster- und Fehlererkennung Verbesserungspotenziale möglich sind.
Vorgehen: Forschungsprojekt als Pilot für Proof of Concept, Übertragung auf Innovation in der technischen Gebäudeausrüstung
Das Forschungsvorhaben mit dem Anwendungsfall der optimierten Fernwartung von Kühlanlagen fungierte als Pilotprojekt. Der Trevisto AG ist es gelungen, mithilfe des Maschinellen Lernens Fehler in Datenreihen zu finden, und zwar schon einige Tage bevor diese Fehler als Störungen zutage traten. Denn Fehler können über lange Zeiträume schleichend entstehen, ohne dass dies den zuständigen Mitarbeitenden auffällt. Dies ist der Ansatzpunkt, an dem KI einen Mehrwert bieten kann. Das Pilotprojekt sollte diese Vorgehensweise beispielhaft anhand der Kühlanlagen erproben und den Beweis erbringen, dass die KI eine sinnvolle Assistenz für die Menschen sein kann. Aus der Technik, vorausschauend Fehler zu erkennen, ergeben sich noch weitere Möglichkeiten, z. B. eine verbesserte Koordination der Einsätze von Servicetechniker*innen und damit einhergehend die Vermeidung von Anlagenausfällen. Dadurch können sich die Kundenzufriedenheit und das Unternehmensimage verbessern. Durch die frühzeitige Fehlererkennung ist es möglich, anstelle von turnusmäßigen Technikereinsätzen nur dann Techniker*innen vor Ort arbeiten zu lassen, wenn sich ein Fehler anbahnt. Im Idealfall ist noch genug Zeit vorhanden, das jeweils benötigte Ersatzteil zu bestellen und einen Termin für den Technikereinsatz zu planen, bevor die Anlage aufgrund des Fehlers zum Stillstand kommt. Es zeigt sich ein vielfältiges Zielspektrum, das sich initial durch diese Vorgehensweise mit KI ausdifferenziert, und durch das sich Prozesse verändern und optimieren lassen.
Zukünftig sollen die Erkenntnisse auch auf die technische Gebäudeausrüstung und weitere Anwendungsfälle übertragen werden. Das Geschäftsmodell dafür muss noch spezifiziert werden. Es sind z. B. noch Fragen in Bezug auf die Zahlungsbereitschaft und das Preismodell sowie die genaue Zielgruppe offen. Aber das Prinzip, Daten auszuwerten und daraus Muster zu erkennen, bleibt auch bei anderen Gewerken gleich. Es ändert sich lediglich die Art der Daten. Vorteilhaft ist es, wenn die Anlagen bereits mit Sensorik ausgestattet sind und Daten gesammelt werden, die bisher nur noch nicht systematisch ausgewertet wurden. In diesem Fall kann sofort mit der Analyse der bereits vorhandenen Daten begonnen werden.
Im Falle, dass erst passende Messtechnik verbaut werden muss, dauert es länger, bis genügend Daten für Analysen vorliegen. Natürlich ist es auch immer möglich, unterschiedliche Datenquellen für die Analysen miteinander zu kombinieren. Um das Thema KI in den Markt zu bringen und Pilotprojekte mit Unternehmen zu starten, bietet die Trevisto AG KI-Starterpakete an. Ein solches Angebot umfasst eine Pauschale für die Bearbeitung eines abgegrenzten Use Case während eines Zeitraums von drei Monaten. Als Ergebnis eines solchen Angebots bekommen die Kunden Hinweise, durch welche Stellhebel Optimierungspotenzial im Sinne von z. B. Energieeinsparungen oder Produktivitätssteigerungen erschlossen werden können und welche Investitionen dafür nötig wären. Für die Kunden wird transparent, was eingespart werden kann, oder womit neue Umsätze generiert werden können, und ob neben dem reinen KI-Anteil auch Investitionen in Hard- oder Software getätigt werden sollten.
Herausforderungen und Lessons Learned: Interdisziplinäre Zusammenarbeit, Kompetenzentwicklung, Kommunikation von symbiotischer Kollaboration Mensch – KI
Eine neue Erfahrung im gemeinsamen Forschungsvorhaben der Trevisto AG und der BUILD.ING Consultants + Innovators GmbH war das interdisziplinäre Zusammenarbeiten, da beide Unternehmen aus unterschiedlichen Domänen kommen. Hier war eine der Herausforderungen, ein gemeinsames Wording zu finden und ein gemeinsames Hintergrundwissen herzustellen. Da KI in so gut wie allen Lebensbereichen anwendbar ist, ist es unabdingbar sicherzustellen, dass das jeweils nötige Domänenwissen vorhanden ist, um mit den Fachexpert*innen auf Augenhöhe diskutieren zu können und die Anforderungen der Kunden richtig zu verstehen
Eine weitere Herausforderung in KI-Projekten besteht darin, mögliche Vorbehalte gegen den KI-Einsatz abzubauen. Selbst wenn die Geschäftsleitung des Kundenunternehmens aufgeschlossen ist, kommt es mitunter vor, dass Mitarbeitende, zum Beispiel technische Leiter*innen, dem Projekt ablehnend gegenüberstehen, da sie befürchten, durch die Technologie könnten Versäumnisse oder Fehler ihrerseits aufgedeckt werden. Hier ist es wichtig, den betroffenen Mitarbeitenden zu vermitteln, dass es keinesfalls die Intention des Projekts ist, Fehler von Mitarbeitenden aufzudecken, sondern lediglich aufzuzeigen, wo die menschliche Arbeit an Grenzen stößt und durch KI-gestützte Assistenzsysteme ergänzt werden könnte, um bessere Ergebnisse zu erzielen.
Wichtig ist auch, deutlich zu machen, dass die Menschen durch KI nicht ersetzt, sondern unterstützt werden sollen. Manchmal tritt auch der Fall auf, dass erfahrene Mitarbeitende KI-Unterstützung ablehnen, da sie nicht daran glauben, dass die KI bessere Prognosen und Ergebnisse liefern kann als der Mitarbeitende selbst, der seine Entscheidungen aufgrund von langjähriger Erfahrung trifft. Diese Mitarbeitenden können am besten überzeugt werden, indem man eine Zeitlang das KI-System zusätzlich zur herkömmlichen Vorgehensweise nutzt und danach die Ergebnisse vergleicht. Das Forschungsvorhaben zum KI-Einsatz bei Kälteanlagen hat zum einen gezeigt, welche Potenziale KI entfalten kann, und dass diese Erkenntnisse auch auf andere Sektoren übertragbar sind. Zum anderen wurde durch die Coronapandemie offensichtlich, dass die derzeitige digitale Transformation noch gravierende Schwachstellen aufweist, sei es im Kontext von Schulen, aber auch in Betrieben.
Schon beim Digitalgipfel der Bundesregierung 2018 wurde festgestellt, dass KI auf dem Weg ist, eine neue Basistechnologie der Digitalisierung für die Gesamtwirtschaft zu werden. Deswegen ist es wichtig, weiterhin daran zu arbeiten, KI-Projekte voranzubringen, da die datengestützte Entscheidungsgrundlage in der Wirtschaft zunehmen wird und auch zunehmen sollte. Auch im Hinblick auf den Fachkräftemangel ist es essenziell, Assistenzsysteme zu entwickeln, die die Mitarbeitenden entlasten und unterstützen. Aktuell finden die meisten Entwicklungen rund um KI im Banken- und Versicherungssektor statt. Der Immobilien- und Bausektor dagegen rangiert derzeit noch auf einem der letzten Plätze. Es besteht aber das Potenzial, dass dieser Sektor von den Erfahrungen anderer Sektoren lernen kann, und dadurch besteht die Chance, jetzt voranzugehen und dieses faszinierende Thema in der eigenen Branche mitzugestalten.
Quelle: Fraunhofer IAO Studie „Arbeiten mit Künstlicher Intelligenz“ (S. 28)
