Erst Datenstrategie, dann KI

Künstliche Intelligenz wird oft als Spielerei großer Tech-Konzerne missverstanden – faszinierend, aber scheinbar fern der Praxis für den Mittelstand. Dabei kann KI echten unternehmerischen Mehrwert schaffen. Der Schlüssel liegt darin, sich von der Spielerei zu lösen und die richtigen Strategien zu entwickeln.

Doch was sind die grundlegenden Voraussetzungen, um eine tragfähige Datenstrategie zu entwickeln und damit die Basis für KI-Projekte zu legen? Wie intensiv müssen sich Unternehmen mit der Technologie auseinandersetzen, um die Vorteile von KI voll auszuschöpfen? Und wie gelingt es, relevante KI-Anwendungsfälle für das Unternehmen zu identifizieren und Investitionen in KI-Technologien gegenüber anderen strategischen Projekten zu priorisieren?

Peter Johannes Wöstheinrich und Alexander Rockstroh von W&R werden aufzeigen, welche Elemente eine solide Datenstrategie beinhalten muss, damit sie die Grundlage für erfolgreiche KI-Projekte bildet.

Julius Weissmann wird anhand eines Praxisbeispiels aus dem Bereich KI-unterstützte Instandhaltung erläutern, welche Vorteile Nutzen der Einsatz von KI für Bosch mit sich bringt. Weiterhin beleuchtet er die Schritte, die dafür notwendig waren und geht dabei auch auf Herausforderungen ein.

Ralf Walther wird darauf eingehen, welche technischen Entwicklungen im KI-Bereich essentiell für KMU sind und wie Unternehmen lernen, diese einzuordnen und zu nutzen.

Die Veranstaltung findet im Rahmen des Projekts TIM (Transformation – Innovation – Mobilität) statt.

Die Veranstaltung ist kostenfrei, eine Anmeldung erforderlich.

Themen im Fokus

Datenstrategie und KI

• Definition und Bedeutung einer Datenstrategie: Erfolgsfaktoren für die Strategie, Kosten-Nutzen-Verhältnis
• Abhängigkeit von Unternehmensstrategie – Datenstrategie – IT-Strategie
• Zusammenhang zwischen gut strukturierten Daten und der Effizienz von KI

Wirtschaftlicher Nutzen von KI

• Anwendungsfall Predictive Maintenance
• Notwendige Schritte für messbare Ergebnisse und Erfahrungen bei der Umsetzung

Entwicklungen und Trends im KI-Bereich

• Technische Perspektive
• Large Language Models und optimierte Produktions Maintenance