Das Unternehmerportal der Berliner Volksbank
Arbeiten

Prognose: Künstliche Intelligenz wird zum Wachstumsmotor für deutsche Industrie

FOTONACHWEIS
© Tatiana Shepeleva - fotolia.com

Bis 2030 könnte das Bruttoinlandsprodukt Deutschlands durch den frühen und konsequenten Einsatz von intelligenten Robotern und selbstlernenden Computern um umgerechnet 160 Milliarden Euro steigen.

Dies entspricht einem zusätzlichen jährlichen Wachstum von 0,25 Prozentpunkten oder zehn Milliarden Euro, so das Ergebnis einer Analyse der Beratungsgesellschaft McKinsey mit dem Titel „Smartening up with Artificial Intelligence (AI) – What’s in it for Germany and its Industrial Sector?“.

Große Vorteile für Unternehmen

Demnach wird das Wachstum durch eine höhere Produktivität und durch die Entstehung komplett neuer Geschäftsfelder angetrieben.

Harald Bauer, Seniorpartner im Frankfurter Büro von McKinsey: „Nicht nur volkswirtschaftlich, auch aus Sicht der Unternehmen verspricht KI Vorteile: Sie gibt Mitarbeitern die Möglichkeit, sich ständig wiederholende oder gefährliche Arbeiten an Computer und Roboter abzugeben und sich auf wertschöpfende und interessante Aufgaben zu konzentrieren.“

Entsprechend haben die Investmentaktivitäten rund um Firmen mit KI-Fokus zugenommen: Während 2011 weltweit erst 67 Finanzierungsrunden für KI-Startups abgeschlossen wurden, waren es 2015 bereits knapp 400.

Geringere Fehlerquote, verstärkter Einsatz

Der zunehmende Einsatz künstlicher Intelligenz basiert laut McKinsey auf Durchbrüchen in der Technologie.

Selbstlernende Algorithmen sorgen beispielsweise dafür, dass Computer Bilder immer besser erkennen und einordnen können: Lag die Fehlerrate bei computergestützter Bilderkennung 2010 noch bei 28 Prozent, waren es 2016 weniger als fünf Prozent. Bei der Spracherkennung sank die Quote von 27 Prozent im Jahr 1997 auf sechs Prozent im vergangenen Jahr.

Fünf pragmatische Empfehlungen für Unternehmen

McKinsey gibt Tipps, um die Chancen durch KI nicht zu verpassen:

  1. die Chancen der KI verstehen, für sich selber Pilotprojekte festlegen und dabei die Wirtschaftlichkeit nicht aus den Augen verlieren
  2. intern KI-Kompetenzen aufbauen, jedoch auch mit spezialisierten Drittanbietern zusammenarbeiten
  3. granulare Daten speichern, wo immer es geht – sie sind der Treibstoff für KI- Anwendungen
  4. bestehendes detailliertes Wissen über die eigenen Produkte und Fertigungsverfahren mit neuen KI-Anwendungen kombinieren
  5. kleine Tests schnell auf den Weg bringen; es sind keine riesigen Investitionen notwendig, aber Agilität ist eine Erfolgsvoraussetzung.