Künstliche Intelligenz wird häufig als Spielzeug der großen Tech-Unternehmen abgetan – spannend, aber für den Mittelstand scheinbar weit entfernt vom eigenen Geschäftsalltag. Tatsächlich bietet KI jedoch konkrete Chancen und Mehrwerte für Unternehmen. Die Herausforderung liegt darin, von der Spielerei zum gezielten Einsatz der richtigen Strategien zu gelangen.
Doch was braucht es, um eine belastbare Datenstrategie zu etablieren und damit die Grundlage für erfolgreiche KI-Projekte zu schaffen? In welchem Maß müssen sich Unternehmen mit der zugrunde liegenden Technologie auseinandersetzen, um ihr Potenzial optimal auszuschöpfen? Und wie gelingt es, relevante Anwendungsfälle für KI im eigenen Betrieb zu erkennen und die Investitionen darin an anderen strategischen Initiativen zu messen?
Peter Johannes Wöstheinrich und Alexander Rockstroh von W&R stellen vor, aus welchen Bausteinen eine bedarfsgerechte Datenstrategie besteht und wie diese zum Fundament gelungener KI-Vorhaben wird.
Julius Weissmann von Bosch Digital präsentiert ein Praxisbeispiel zur KI-gestützten Instandhaltung und verdeutlicht, welche konkreten Vorteile Bosch hierdurch erzielt. Dabei schildert er auch die erforderlichen Umsetzungsschritte und spricht offen über dabei aufgetretene Herausforderungen.
Ralf Walther, mindUp Web + Intelligence GmbH, legt dar, welche technologischen Fortschritte im KI-Sektor besonders wichtig für kleine und mittlere Unternehmen sind und wie Firmen lernen können, diese Entwicklungen sinnvoll einzuordnen und effektiv zu nutzen.
Thematische Schwerpunkte:
- Datenstrategie und KI
- Was macht eine erfolgreiche Datenstrategie aus?
- Erfolgsfaktoren, wichtige Kosten-Nutzen-Abwägungen
- Die Verbindung zwischen Unternehmensstrategie, Datenstrategie und IT-Strategie
- Wie gut organisierte Daten die Leistungsfähigkeit von KI-Systemen steigern
- Wirtschaftlicher Nutzen von KI
- Praxisfall Predictive Maintenance
- Welche Schritte führen zu nachweisbaren Ergebnissen?
- Welche Erfahrungen wurden bei der Realisierung gesammelt?
- Trends und Entwicklungen im KI-Bereich
- Technologische Aspekte
- Anwendung von Large Language Models und optimierte Wartung in der Produktion
