Skip to content Skip to footer
Suche

Ergebnisse werden geladen

Use Cases für den Einsatz Künstlicher Intelligenz

27 Juli, 2021

Ein Überblick über die vielfältigen Chancen, die KI-basierte Ansätze für Unternehmen bieten

Egal ob im Gesundheitswesen, dem Finanzsektor oder der industriellen Produktion: KI-Lösungen bieten großes Potenzial.

PwC hat Unternehmen der unterschiedlichsten Branchen bereits in vielen Projekten dabei unterstützt, Künstliche Intelligenz gewinnbringend einzusetzen und die Chancen dieser Technologie zu nutzen.

Pharma und Chemie

KI-gestützte Medikamentenentwicklung

Die Erforschung neuer pharmazeutischer Wirkstoffe ist immer noch ein sehr zeitaufwändiger und teurer Prozess, da er verschiedene klinische Studien und Versuche beinhaltet. Mit Hilfe unterschiedlicher KI-Techniken wie Predictive Analytics wird der Prozess deutlich beschleunigt. Riesige Datenmengen, beispielsweise hochauflösende Bilder aus Gewebeproben, lassen sich mit KI außergewöhnlich schnell analysieren. 

Künstliche Intelligenz kann auch dabei helfen, Medikationsziele zu identifizieren, molekulare Zusammenhänge zu erkennen und versteckte Muster in Daten zu entschlüsseln. KI ermöglicht so letztlich umfangreiche Tests und Vorhersagen über die Wirksamkeit von Wirkstoffen in Abhängigkeit ihrer physikalischen und chemischen Zusammensetzung. Das beschleunigt die Wirkstoffentwicklung erheblich.

Behandlungsmöglichkeiten & Patientenbegleitung

Mit dem kulturellen Wandel in der digitalen Gesundheit helfen KI-Technologien mittlerweile nicht nur bei der Diagnose, sondern auch bei der Weiterentwicklung und Schulung von Ärzten und medizinischem Fachpersonal sowie Patienten. Die Medizin ist individualisierter geworden: Sie stützt sich nicht mehr nur auf den Bevölkerungsdurchschnitt, sondern nimmt das Individuum ins Visier.

Durch die Analyse der Krankengeschichte einer Patientin, elektronischer Gesundheitsakten, genetischer Informationen und individueller Merkmale der Patient:innen mithilfe von KI-Techniken können automatisierte Empfehlungen für eine wirksame Behandlung erstellt werden. Das erhöht die Erfolgsquoten. Letztendlich besteht das Ziel darin, die Behandlungspfade zu optimieren und frühzeitige Interventionen auf den Einzelnen zuzuschneiden. Davon profitieren sowohl die Patient:innen als auch die Pharmaunternehmen.

Fertigungsoptimierung

Der Einsatz fortschrittlicher KI-Techniken, etwa im Bereich Predictive Maintenance, unterstützt bei der Verbesserung des Fertigungsprozesses. KI kann dabei helfen, den Gesamtprozess zu optimieren, ihn effizienter zu gestalten und menschliche Eingriffe so weit wie möglich zu reduzieren. Dadurch werden menschliche Fehler so gut es geht ausgemerzt. 

Die Optimierung kann beispielsweise bei folgenden Verfahren durchgeführt werden:

  • Abfallreduzierung,
  • Wiederverwendung von Produktionsmaterial und
  • Reduzierung der Produktionszeit und Qualitätskontrolle.

KI kann zudem gezielte Vorschläge machen, welche Prozessabläufe zuerst  verbessert werden sollten, um den potenziellen Ausfall oder Schaden im Herstellungsprozess so gering wie möglich zu halten.

Epidemie-Vorhersage

KI hilft bei der Überwachung und Bewertung des Infektionsgeschehens auf der Grundlage verschiedener Faktoren, beispielsweise umweltbedingter, geografischer oder biologischer Art, des Gesundheitszustands der Bevölkerung nach Regionen oder durch die Identifikation verborgener Muster in Daten mit Hilfe von maschinellen Lernverfahren (ML). 

KI-/ML-Modelle dienen im Gesundheitswesen damit als Warnwerkzeuge, um den Ausbruch bestimmter Krankheiten frühzeitig zu erkennen und mögliche Schritte zur Eindämmung der Ausbreitung von Infektionen einzuleiten.

Identifikation von Kandidaten für klinische Studien

Zahlreiche Medikamente befinden sich aktuell in der klinischen Entwicklung, darunter auch solche, die dieselben oder ähnliche Indikationen abdecken. Das bringt neue Formen des Wettbewerbs für alle Patient:innen um die Teilnahme an klinischen Studien.

Heute werden KI und fortschrittliche prädiktive Modelle eingesetzt, um Informationen schnell zu analysieren. So lässt sich die geeignete Patientenpopulation für eine Studie identifizieren und die optimale Stichprobengröße bestimmen.

Finanzdienstleistungen

Prävention von Finanzkriminalität (inklusive AML & KYC)

Natürliche Sprachverarbeitung (NLP) in Verbindung mit Mustererkennung ist ideal geeignet, um große Mengen unstrukturierter Kommunikation in Kombination mit strukturierten Daten wie Finanztransaktionen abzugleichen. PwC hat bereits eine ganze Reihe von Lösungen entwickelt, die Finanzdienstleistern helfen, KI für Compliance, Anti-Geldwäsche, KYC und andere verwandte Themen zu nutzen. Als globales Netzwerk verfügen wir über eine breite Expertise in der globalen Finanzregulierung, insbesondere in den Bereichen RegTech und SupTech.

Marktanalysen/CRM-Anreicherung/Deal Analytics

Neben der Implementierung von Systemen, die Finanzkriminalität wie oben beschrieben überwachen und aufdecken können, geht es auch darum, vorhandene Daten zu nutzen, um geschäftliche Erkenntnisse zu gewinnen, sei es in den Bereichen Kundenbeziehungsmanagement (CRM) oder der Marktanalyse.

Marktanalysen decken Handels- oder Ausführungsmöglichkeiten für das Finanzinstitut auf, während CRM-Anreicherung (über Social Media, Kommunikation und andere unstrukturierte Daten) Erkenntnisse liefert, die den Aufbau stärkerer Beziehungen ermöglichen. Deal Analytics automatisiert einen Teil des Due-Diligence- und Benchmarking-Prozesses, indem es zusätzliche Datenquellen erschließt.

Industrielle Fertigung

Produkt-Varianten-Optimierung

Mit der zunehmenden Individualisierung von Industrieprodukten im Rahmen von Industrie 4.0 steigt die Anzahl der Produktvarianten drastisch an – ebenso wie die Komplexität des Produktmanagements. KI kann dabei helfen, Transparenz über die Profitabilität von Produktvarianten und -Features herzustellen sowie Variantenoptimierungen vorzuschlagen. 

Beispiele hierfür aus der Industrie sind die Bündelung von Co-Selling-Features, die Standardisierung ähnlicher Varianten und die Dekontaminierung des gesamten Feature-Portfolios. 

Ein Beispiel aus der Praxis: Ein deutscher Industriehersteller hat gemeinsam mit PwC einen KI-gestützten Ansatz entwickelt, um Produktvarianten zu clustern, Ähnlichkeiten und Ausreißer zu identifizieren, Standardisierungsoptionen zu ermitteln und deren Auswirkungen auf die Profitabilität der Varianten zu simulieren.

Nachfrageprognose

Auf der Basis historischer Zeitreihendaten für interne und externe Nachfragetreiber kann KI diese Treiber vorhersagen und die zukünftige Nachfrage unter Unsicherheit in bestimmten Märkten, Kundensegmenten und für bestimmte Ereignisse simulieren.

Ein Beispiel aus der Praxis: Ein globaler Lkw-OEM nutzte die PwC-Software Forecast Engine, um Absatzmengen in Märkten mit hoher Unsicherheit vorherzusagen. Mit Data Mining und maschinellen Lernalgorithmen ließ sich die Prognosegenauigkeit verbessern und die Effizienz des Vertriebsplanungsprozesses steigern.

PwC Forecast Engine

Ein Beispiel für eine KI-basierte Technologie, die innerhalb von PwC entwickelt und bereits vielfach in der Praxis angewendet wurde, ist der PwC Forecast Engine. Dieser bildet die technische Grundlage der Predictive Excellence Plattform.

Optimierung der Lagerbestände

Die dynamische Verwaltung von Lagerbeständen kann Überbestände reduzieren und gleichzeitig die Lieferfähigkeit sicherstellen. Das ermöglicht erhebliche Kosteneinsparungen. Auf der Basis des Lagerumschlags sowie  Nachfrage- und Angebotsdaten kann KI die richtigen Lagerbestände für einzelne Teile ermitteln und dabei Risiken und Unsicherheiten bei Lieferanten und Kunden berücksichtigen.

Ein Beispiel aus der Praxis: Ein Tier-1-Automobilzulieferer hat mit PwC zusammengearbeitet, um mit Hilfe von maschinellem Lernen die Zieltage für den Lagerbestand von Teilen vorherzusagen. Das Ergebnis: Es konnten Überbestände im Wert von mehr als 3 Millionen Euro abgebaut werden.

Predictive Maintenance

Der Wartungsbedarf von Industrieanlagen kann stark von Nutzungsmustern und Umgebungsfaktoren abhängen. Für Maschinenbediener sind diese nur schwer vorhersehbar. KI dagegen kann diese anhand von Prozessparametern und Sensormessungen erkennen und vorhersagen.

KI ist in der Lage, große Mengen an Maschinendaten zu verarbeiten und diese mit vergangenen Maschinenfehlern und -ausfällen zu korrelieren. So lassen sich Anomalien erkennen, das Ausfallrisiko vorhersagen und Wartungsmaßnahmen empfehlen. 

Ein Beispiel aus der Praxis: Ein Tier-1-Automobilzulieferer arbeitete mit PwC zusammen, um Ausfälle von Honmaschinen vorherzusagen. Dabei haben wir Algorithmen mit maschinellem Lernen auf Messungen von Schwingungssensoren angewendet. Dadurch konnten Brüche von Ringen zuverlässig erkannt und deren Ursachen durch Anpassungen des Produktionsprozesses auf Basis der gewonnenen Erkenntnisse behoben werden. Das Ergebnis: Ungeplante Stillstands-Zeiten der Produktionsmaschinen haben wir somit reduziert. 

Predictive Quality

Werden Produktqualitätsprobleme zu spät im Produktionsprozess identifiziert,  verursacht das hohe Nacharbeits- oder Ausschusskosten. Wenn die Ursachen von Qualitätsproblemen nicht im ersten Anlauf richtig erkannt und behoben werden, sinkt die Produktmarge. KI kann dabei helfen, die Testergebnisse von Produkten oder Teilen zu klassifizieren, neue Fehlermuster zu erkennen und Standard- oder benutzerdefinierte Nachbesserungsmaßnahmen zu empfehlen. Das Ziel: Den Ausschuss reduzieren und die First-Fix-Rate verbessern. 

Ein Beispiel aus der Praxis: Ein deutscher Automobilhersteller hat gemeinsam mit PwC ein Machine-Learning-Modell für den Kalt-Test von Motoren am Ende der Produktionslinie entwickelt. Die KI verarbeitet große Mengen von Testmessungen und gleicht sie mit klassifizierten Fehlermustern ab. Auf dieser Basis empfiehlt sie bestimmte Nachbesserungsaktionen. Gleichzeitig erkennt die Lösung neue Fehlermuster, die eine spezielle Bewertung durch Experten auslösen. Diese bringen der KI dann geeignete Nachbesserungsaktionen bei.

„KI bietet Unternehmen riesiges Potenzial. Wir unterstützen Sie dabei, die Chancen der neuen Technologie zu nutzen. Wie das in der Praxis aussieht, können wir anhand zahlreicher Use Cases und Fallstudien aus der Praxis demonstrieren.“

Hendrik Reese,Director Artificial Intelligence bei PwC Deutschland

Für Unternehmen aller Branchen

KI-basierte Vorhersagen auf Knopfdruck

Datengetriebene Prognosetechnologien auf Basis von Künstlicher Intelligenz und maschinellem Lernen verschaffen Unternehmen aller Branchen entscheidende Vorteile. Moderne Tools wie der von PwC entwickelte Forecast Engine liefern eine faktenbasierte, objektive Grundlage für Entscheidungen und die Unternehmenssteuerung. Die Analysen großer Datenmengen zeigen Marktveränderungen frühzeitig an. 

Präzise und toolgestützte Prognosen minimieren unerwartete Abweichungen, sorgen für mehr Sicherheit und Vorhersehbarkeit bei Unternehmensentscheidungen, steigern die Effizienz und setzen Ressourcen frei. 

Dank des hohen Automatisierungsgrades werden Prognosen "auf Knopfdruck" erstellt. Währenddessen konzentrieren sich die Mitarbeiter:innen darauf, als Geschäftspartner wertvolle Erkenntnisse zu generieren. Konkrete Simulationsrechnungen innerhalb des Prognosehorizonts ermöglichen Einblicke in Treiber und deren jeweilige Relevanz.

Finanzprognose und Budgetierung

Durch die Nutzung externer und interner Geschäftstreiber sowie historischer Zeitreihendaten für finanzielle KPIs liefern KI- und Machine-Learning-Techniken automatisierte und qualitativ hochwertige Prognosen für die nächsten 12 bis 15 Monate (Full P&L Forecasting). 

So nutzen beispielsweise Großunternehmen aus der Automobil-, Pharma- oder Handelsbranche, aber auch Familienunternehmen oder mittelständische Betriebe den Forecast Engine von PwC zur Vorhersage von Finanzkennzahlen. Maschinelle Lernalgorithmen verbessern die Prognosegenauigkeit und erhöhen die Effizienz des Planungsprozesses. 

Hochwertige Prognosen verbessern auch die Kapitalmarktkommunikation. Ihre Integration in den Finanzplanungsprozess kann Ad-hoc-Gewinnwarnungen verhindern und damit das Vertrauen in das Unternehmen stärken.

Follow us

Contact us

Hendrik Reese

Hendrik Reese

Director, Artificial Intelligence, PwC Germany

Tel.: +49 89 5790-6093

Michael Berns

Michael Berns

Director, PwC Germany

Tel.: +49 69 9585-5407

Hide