Häufig gestellte Fragen
Frequently Asked Questions (FAQ)
Im Alltag des Mittelstand 4.0‑Kompetenzzentrum Lingen sehen sich die Projektpartner häufig gestellten Fragen rund um das Thema Cloud Computing und Künstliche Intelligenz gegenüber, die an dieser Stelle aufgelistet und beantwortet werden. Die Fragen sind nach verschiedenen Kategorien geordnet: Mittelstand 4.0‑Kompetenzzentrum Lingen, Cloud Computing Allgemein, Cloud Computing Glossar, Künstliche Intelligenz Allgemein, Künstliche Intelligenz Glossar.
Sie haben selbst eine Frage, die mit in unsere FAQ aufgenommen werden soll? Dann kontaktieren Sie uns.
Mittelstand 4.0‑Kompetenzzentrum Lingen
Das Angebot richtet sich an kleine und mittelständische Unternehmen in den Regionen Weser-Ems und Münsterland.
Nein. Das Mittelstand 4.0‑Kompetenzzentrum Lingen setzen sich aus Transfer- und Forschungspartnern in der Region zusammen. Die Konsortialleitung sitzt mit dem IT-Emsland in Lingen.
Das Mittelstand 4.0‑Kompetenzzentrum Lingen ist ein Teil der Förderinitiative „Mittelstand 4.0 –digitale Produktions- und Arbeitsprozesse“, die im Rahmen des Förderschwerpunkts „Mittelstand-Digital – Strategien zur digitalen Transformation der Unternehmensprozesse“ vom Bundesministerium für Wirtschaft und Klimaschutz (BMWi) gefördert wird. Die Angebote des Mittelstand 4.0‑Kompetenzzentrum Lingen sind anbieterneutral. Sämtliche Angebote können von Unternehmen kostenlos genutzt werden.
Ja, alle Angebote können kostenfrei genutzt werden.
Fragen zu Cloud Computing
Cloud Computing eröffnet speziell für den Mittelstand viele Grenzen und der Erweiterung oder gar Neuorganisation von Geschäftsprozessen. Neben den klassischen Vorteilen von Skalierbarkeit, Kostentransparenz, bedarfsgerechter Leistungsabrechnung und der häufig einfachen Integration ist Cloud Computing auch ein Treiber im Bereich der digitalen (datengetriebenen) Geschäftsmodelle.
Cloud-Computing stellt integrierte, skalierbare und anpassbare Applikationen für Geschäftsprozesse zur Verfügung. Eine höhere Flexibilität bei geringeren Kosten und Risiken steht im Vordergrund. Outsourcing hingegen verlagert lediglich den Betrieb von Teilen des IT-Ökosystems zu einem Outsourcing-Anbieter, beispielsweise die Personalabrechnung oder Desktop Services.
Typische Anwendungen für Cloud Computing sind beispielsweise Optimierung der eigenen IT-Infrastruktur, Bereitstellen von Content, Hosting von Anwendungen, Externe E‑Commerce Lösungen und Datenspeicherung und Datenbackup.
Durch die Virtualisierung und Bereitstellung von Software, Speicher, Rechenleistung und IT-Strukturen können Unternehmen bis zu 25 % ihrer IT-Kosten sparen. Viele Anbieter bieten Services an, die bedarfsgerecht und skalierbar sind, sodass IT-Leistungen bezahlt werden, die tatsächlich genutzt werden.
Insbesondere für kleine und mittlere Unternehmen eignet sich Cloud Computing. Die Kosten, die Sie sonst für die Verwaltung und das firmeneigene Datencenter benötigen, fallen durch die Cloud weg. So können Sie Ihre verfügbaren Ressourcen anderweitig einsetzen.
Grundsätzlich kann jedes Unternehmen von Cloud-Lösungen profitieren. Durch das Entlasten interner Ressourcen können sich Unternehmen auf das Kerngeschäft konzentrieren und zahlen idealerweise über das Pay-as-you-go-Modell für jene Services, die sie auch tatsächlich nutzen. Daher ist sie kostentechnisch im mittleren Bereich, sodass auch Kleinunternehmen davon profitieren können.
Im ersten Schritt sollte jedes Unternehmen individuell für sich klären, wie die Potenziale von Cloud genutzt werden können. Als nächstes gilt zu bestimmen, ob ein Mehrwert in der eigenen Prozessoptimierung gegeben ist und ob technische Vorrausetzungen vorhanden sind. Anschließend sollte ein geeigneter Anbieter gefunden werden, um das technische Vorgehen umzusetzen. Zur Unterstützung und Einführung können Unternehmen auf das kostenlose Beratungsangebot vom Kompetenzzentrum zurückgreifen und sich von Praxisbeispielen inspirieren lassen.
Die Anforderungen der Bandbreite hängt zum Teil von der Art der Anwendung und auf die Anzahl der Nutzer der Datenmenge ab, die zwischen dem Unternehmen und der Cloud regelmäßig übermittelt werden soll. Daher ist eine allgemeingültige Detailantwort nicht möglich. Zur groben Orientierung kann für ein Kleinunternehmen mit wenigen Mitarbeitern eine Bandbreitenverbindung ab 10Mbit/s bereits ausreichen.
Nein. Das Mittelstand 4.0‑Kompetenzzentrum Lingen wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert, sodass sie neutral gegenüber der Auswahl der Anbieter aufzutreten hat. Sie bietet eine Cloud-Anbietersuche, die beispielhaft dargestellt werden und keinen Markteilnehmer oder Produkte bevorzugt.
Fragen zu Künstliche Intelligenz
Die Künstliche Intelligenz bietet eine Vielzahl an operativen Geschäftsvorteile. Sie reduziert Fehler, automatisiert wiederholende Aufgaben und unterstützt bei wichtigen Geschäftsentscheidungen und sorgt für die Arbeitsentlastung für das Management und Mitarbeitenden.
Die relevantesten KI-Anwendungen sind und werden sein: Assistenzsysteme und Automatisierungen, Intelligente Sensorik, optimiertes Ressourcenmanagement, vorausschauende Wartung, Robotik, Qualitätskontrolle sowie Chatbots und Sprachassistenten.
Typische Einsatzgebiete für KI sind und werden: Prognose/ Vorhersage, Planungsassistenz/ Ressourcenmanagement, Wissensmanagement, Muster-/ Objektidentifikation, Intelligente Automatisierung und Qualitätskontrolle
Durch die Digitalisierung und den Einsatz Künstlicher Intelligenz und Machine Learning können technologische Innovationen (Internet, 3D Druck, Blockchain Technologie, …) bestehende Geschäftsmodelle positiv beeinflussen. KI-gestützte Geschäftsmodelle können sich während der Nutzung selbst verbessern, sodass Daten ständig optimiert werden und gewinnbringend für digitale Geschäftsmodelle sind.
Jedes Unternehmen kann grundsätzlich von KI profitieren. Häufig reicht bereits einfache IT-Infrastruktur wie ein Laptop oder ein Mini-PC aus um KI-Anwendungen gewinnbringend einsetzen zu können. Entscheidend sind die Prozesse und deren datenbasierten Möglichkeiten im Unternehmen.
Im ersten Schritt sollte jedes Unternehmen individuell für sich klären, wie die Potenziale von KI genutzt werden können. Als nächstes gilt zu bestimmen, ob ein Mehrwert in der eigenen Prozessoptimierung gegeben ist und ob technische Vorrausetzungen vorhanden sind. Anschließend sollte ein geeigneter Anbieter gefunden werden, um das Technische Vorgehen umzusetzen. Zur Unterstützung und Einführung können Unternehmen auf das kostenlose Beratungsangebot vom Kompetenzzentrum zurückgreifen und sich von Praxisbeispielen inspirieren lassen.
Für eine erfolgreiche Anwendung von KI-Algorithmen ist die Datenqualität und ‑quantität besonders wichtig. KI-Anwendungen liefern deutlich bessere Ergebnisse, wenn die basierten Daten vollständig bzw. in geeigneter Qualität vorliegen. Eine ungenügende Qualität der Daten führt zu falschen Ergebnissen.
Wichtig für die Einführung einer neuen Technologie ist das frühzeitige und offene Kommunizieren der anstehenden Veränderung mit allen Mitarbeitern. Die Akzeptanz ist entscheidend für eine erfolgreiche und zuverlässige Nutzung der neuen KI-Anwendung. Ebenso müssen ausgesprochene und unausgesprochene Ängste behandelt und kommuniziert werden. Der Besuch in einem Labor oder eine Nutzung einer kostenlosen Testversion hilft KI greifbarer zu machen, Ergebnisse aus KI-Anwendungen besser zu erklären und anhand von Beispielen Vor- und Nachteile zu diskutieren.
Es gibt auf Landes- und Bundesebene verschiedene Förderungen, die sich speziell auf die Unterstützung und Finanzierung von Kooperationen zwischen Unternehmen und Digitalisierung ausrichten. Der Mittelstand 4.0‑Kompetenzzentrum Lingen ist einer davon und bietet umfassende Beratung zum Thema Digitalisierung für kleine und mittelständische Unternehmen.
Cloud Computing Glossar
Business Intelligence sind Verfahren oder Prozesse, welche der elektronischen Analyse von Daten dienen. In der Praxis versteht man BI als eine Automatisierung des Reportings (Berichtswesens) und des Controllings. Mit bestimmten Software-Lösungen sind Unternehmen in der Lage relevante Daten zu sammeln, auszuwerten und anschließend für operative und strategische Entscheidungen zu nutzen.
Das Cloud Computing ist eine Bereitstellung der IT-Infrastruktur (Speicherplatz, Zugriff auf Daten und Programme, Netzwerkdienste, Analyse und vieles mehr) als Dienstleistung über das Internet. Kapazitäten sind beliebig skalierbar und passen sich so der jeweiligen Auslastung an.
Ein Cloud Provider ist ein externer Anbieter, der eine Cloud-basierte Plattform der verschiedene Dienst, wie Infrastruktur, Cloud-Services, Cloud-Server und Speicherdienste anbietet.
Cloud Security bezieht sich auf die breite Palette von Richtlinien, Technologien, Anwendungen und Kontrollen, die zum Schutz von Daten, virtualisierten IP, Diensten und der zugehörigen Infrastruktur des Cloud Computing eingesetzt werden. Sie ist ein Teilbereich der Computersicherheit, der Netzwerksicherheit und vor allem in der Informationssicherheit.
Cloud Speicher ist ein Cloud-Computing Modell, bei dem die Daten im Internet über den Cloud-Anbieter speichert. Er wird als Service verwaltet und betrieben und mit Just-in-Time Kapazität und entsprechenden Kosten bereitgestellt, so dass keine eigene Datenspeicherinfrastruktur gekauft oder verwaltet werden müssen. Durch die Flexibilität, globale Skalierbarkeit und Dauerhaftigkeit kann jederzeit und überall auf die Daten zugreifen.
Die Community Cloud ist ein Zusammenschluss von mehreren Unternehmen der gleichen Branche oder Interessengemeinschaft, welche aus ihren privaten Cloud-Lösungen eine Community Cloud formen. Der Zugriff ist auf die Mitglieder beschränkt. Die Form bietet sich überall dort an, wo sich Anforderungen aus Sicht der Unternehmen überschneiden und die Nutzung einer gemeinsamen Infrastruktur gewollt ist.
Data Intelligence bezeichnet einen wertschöpfungs-orientierten Umgang mit gesammelten Daten aus dem Betrieb. Diese Informationen werden anhand von Data Intelligence in zweckmäßiger Weise für das Unternehmen aufbereitet und verarbeitet. Dadurch können Mehrwert und Wettbewerbsvorteile für das Unternehmen generiert werden.
Hybrid Cloud ist eine Mischform, die öffentliche und private Cloud verbindet und Dienste im Haus und in der Cloud nutzt. Die verschiedenen, für sich individuellen Infrastrukturen, können über standardisierte Schnittstellen miteinander kommunizieren. Es ermöglicht die Vorteile der verschiedenen Umgebungen zu vereinen und miteinander zu kombinieren.
IaaS (Infrastructure as a Service) ist die unterste Ebene der Cloud-Modelle. In diesem Bereich wird vom Anwender virtuelle Hardware als Infrastruktur beim Cloud-Service-Provider (CSP) gemietet und in die unternehmensinterne IT-Landschaft integriert. Klassische Beispiele sind Speicherplatz, Rechenleistung oder Netzwerkbandbreite.
Multi-Cloud kombiniert mehrere Cloud-Anbieter, Plattformen oder Services in einer Umgebung oder Architektur. Eine Multi-Cloud-Strategie reduziert die Abhängigkeit von einem einzigen Anbieter, schützt Ihre Cloud-Services vor Ausfällen, lässt Sie Ihre Architektur an Ihre Anforderungen anpassen und gibt Ihnen die Flexibilität, bei sich ändernden Anforderungen die Lösung zu wechseln.
Bei der Auslagerung von IT-Dienstleistungen in die Cloud wird häufig von Software-on-Demand gesprochen. Im Vergleich zu dem On-Premise-Nutzungsmodell, bei welchem der Nutzer die Lizenz für ein Computerprogramm erwirbt und dieses selbst auf der eigenen Hardware betreibt, wird bei der On-Demand-Lösung die Software und damit verbundene Lizenzen beim Anbieter betrieben und je nach Bedarf hoch- oder herunterskaliert.
PaaS (Platform as a Service) ist die mittlere Ebene der Cloud-Modelle. In diesem Bereich werden Vorgaben zur Infrastruktur sowie Programmiersprachen und Schnittstellen vordefiniert. Der Anwender hat keinen oder nur eingeschränkten Zugriff auf die Administration der Hardware. Sie ist eine Entwicklungs- und Bereitstellungsumgebung in der Cloud mit Zugang zu Ressourcen für die Bereitstellung von Web-Anwendungen.
Private Cloud ist eine unternehmenseigene Cloud-Umgebung, welche gezielt für die eigene Institution betrieben wird. Sie kann vor Ort im eigenen Rechenzentrum installiert oder von Drittanbietern bereitgestellt werden. Sie ermöglicht Unternehmen, eine individuelle, auf die hausinternen Geschäftsprozesse zugeschnittene IT-Betriebsumgebung zu etablieren, ist jedoch meistens auch mit mehr Kosten verbunden.
Public Cloud ist sind IT-Dienste, die im öffentlichen Netz angeboten werden. Die Anbieter stellen gratis oder über ein nutzungsabhängiges Zahlungsmodell Anwendungen und Speicherplatz zur Verfügung. Die Nutzer besitzen aufgrund des Mietverhältnisses ein temporäres Nutzungsrecht. Bekannte Anbieter sind Amazon Web Services, Microsoft Azure, IBM Cloud und Google Cloud Plattform.
SaaS (Software as a Service) ist die oberste Ebene der Cloud-Modelle. In diesem Bereich werden fertige Softwarelösungen in Form von Anwendungen für den Nutzer bereitgestellt. Der Cloudanbieter sorgt für Wartung, Sicherheit, Leistungsstärke und Verfügbarkeit der Anwendungen.
Das Zahlungsmodell ist meist abhängig von der Nutzungsart. Klassische Beispiele sind Office 365, Google Apps und iCloud Apps.
Virtualisierung ist ein Grundbaustein des Cloud Computing, da dort die gemeinsame Nutzung von Ressourcen, beispielsweise Rechenkapazität durch viele Anwender möglich ist. Ein Cloud Anbieter kann beispielsweise nicht für jeden Kunden einen eigenen Rechner bereitstellen, sondern nur eine virtuelle Maschine.
Künstliche Intelligenz Glossar
Algorithmus ist eine eindeutige Rechenvorschrift, um ein Problem oder eine Klasse von Problemen selbst beibringend zu lösen. Sie besteht aus endlich vielen Einzelschritten und Trainingsdaten. Das System lehnt sich an das menschliche Gehirn an. Verknüpfung (Neuronale Netze).
Die Automatisierungsstufe gibt den Automatisierungsgrad eines Systems an. Sie unterscheidet sich in ferngesteuerte Systeme, Assistenzsysteme, automatisierte und autonome Systeme. Bei einigen Fahrzeugen besteht eine Einteilung in teil‑, hoch- oder vollautomatisierte Systeme.
Autonome Systeme bezeichnet man Geräte oder Softwaresysteme, die ohne vorprogrammierte Abläufe und ohne Steuerung des Menschen selbstständig agieren. Solche Systeme besitzen Sensoren und Softwaresysteme, die digitale Datenströme beobachten.
Assistenzsysteme sind Systeme, die sich auf eine Software beruhen, die den Menschen auf bestimmte Situationen oder Handlungen unterstützen. Sie analysieren die Situation und die Umgebung, um aufbauend darauf Vorhersagen zu treffen. Beispiel für Assistenzssysteme sind autonome Fahrsysteme, die den Fahrer bei der Steuerung des Fahrzeuges unterstützen.
Bestärkendes Lernen ist eine Methode des maschinellen Lernens, die sich darauf beruht,
das KI-Systeme durch Interaktionen mit der Umwelt selbst lernt, um verschiedene Situationen besser einschätzen zu können. Sie wird oft für autonome Systeme und Spiele eingesetzt.
Mit Big Data werden große Datenmengen bezeichnet, die zu groß und komplex sind, um sie mit herkömmlichen Datenbanksystemen zu verwalten oder auszuwerten. Beispielsweise Daten zum Online-Suchverhalten, Bewegungsdaten oder Daten zum Kaufverhalten.
Die Bilderkennung kann visuelle Informationen durch die Analyse der Muster in kleine Bestandteile zerlegen und zuordnen. Anwendung findet sie häufig beim Entsperren des Smartphones oder auch in der Medizin beim Erkennen von Krankheiten.
Ein Bot ist ein Computerprogramm, die wiederkehrenden Aufgaben automatisch abarbeitet. Beispiele für solche Programme sind Chatbots, Social bots oder Gamebots, die auf maschinelles Lernen basieren.
Unter Data Mining versteht man eine systematische Anwendung computergestützter Methoden, um Muster, Trends oder Zusammenhänge in vorhandene Datenmenge (Big Data) zu finden.
Ferngesteuerte Systeme wie beispielsweise Maschinen, Roboter oder Softwaresysteme werden durch den Menschen aus der Ferne gesteuert. Sie werden häufig in lebensfeindlichen Umgebungen eingesetzt.
Das Gegnerische Lernen versucht mit sogenannten gegnerischen Beispielen ein Modell durch Lernen abgehärtet gegen Angriffe zu machen. Hierbei sind die Beispiele gezielt gestört, um falsche Ergebnisse herbeizuführen.
Die Gesichtserkennung analysiert die Merkmale im Bereich des Kopfes durch geometrische Anordnungen. Sie erkennt ein Gesicht im Bild oder ordnet Gesichter einer bestimmten Person zu. Anwendung findet sie z.B. an Flughäfen im Check-in Bereich.
Als Internet der Dinge wird eine Vernetzung von Geräten wie beispielsweise Maschinen, Produkte, Fahrzeuge etc. bezeichnet, die untereinander Daten austauschen oder Daten im Internet zur Verfügung stellen.
KI gesteuerte Roboter besitzen menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren. Sie sind der Lage, ihr Handeln anzupassen und können daher autonom arbeiten wie z.B. als autonome mobile Roboter oder als Serviceroboter (Chatbot).
Korpus bezeichnet eine Sammlung von Daten und Algorithmen, aus denen Informationen durch Methoden der Künstlichen Intelligenz abgeleitet werden.
Bei der Künstlichen Intelligenz versucht man menschliches Lernen und Denken auf den Computer zu übertragen. Kognitive Kompetenzen sollen imitiert werden wie beispielsweise strategisches Denken und sprachliche Fähigkeiten.
Künstliche Neuronale Netze sind Algorithmen, die dem menschlichen Gehirn nachempfunden sind. Sie sind eine Vielzahl von Deep-Learning-Technologien, die sich im Allgemeinen auf die Lösung komplexer Signalverarbeitungs- und Mustererkennungsprobleme konzentrieren.
Ein Lernalgorithmus ist ein Algorithmus, der Trainingsdaten enthält und ein Modell für die gesehenen Daten berechnet, das auf neue Beispieldaten angewendet werden kann.
Maschinelles Lernen bezeichnet die „künstliche“ Generierung von Wissen und Erfahrung. Das künstliche System lernt aus Beispielen und baut ein Modell aus Algorithmen, die auf Trainingsdaten beruhen.
Die Mensch-Maschine-Interaktion bezeichnet den Informationsaustausch zwischen Menschen und Maschine über eine Schnittstelle (User Interface). Solche Schnittstellen werden an menschliche Bedürfnisse und Fähigkeiten angepasst, um eine hohe Nutzerfreundlichkeit zu erreichen.
Maschinelle Sprachverarbeitung besitzt ein umfassendes Know-How zur Erkennung, Interpretation und Erzeugung von natürlicher Sprache in Wort und Schrift. Beispiele sind Stimmungserkennung und maschinelle Übersetzung, die aus dem Führen von Gesprächen resultieren.
Machine-to-Machine-Kommunikation ist die Bezeichnung eines überwiegend automatisierten Informationsaustausches zwischen zwei Maschinen. Beispiele sind Automaten, Fahrzeuge oder Messwerken (Strom‑, Gas und Wasserzählern).
Mehrschichtiges Lernen ist eine spezielle Methode der Informationsverarbeitung die künstlichen neuronalen Netze nutzen, um eigene Prognosen und Entscheidungen zu treffen. Sie kommen dort zum Einsatz, wo große Datenmengen nach Mustern und Trends untersucht werden.
Der Begriff Modell bezeichnet eine Abstraktion der Wirklichkeit. Im Bereich des maschinellen Lernens erzeugt ein Lernalgorithmus ein Modell, um eingespeiste Daten zu generalisieren.
Bei der Mustererkennung geht es um die automatisierte Erkennung von Mustern in gegebenen Daten. Beispiele für die Mustererkennung sind Bilderkennung, Gesichtserkennung oder Texterkennung.
Smart Data beschreibt Datenbestände, die mit Hilfe von Algorithmen aus großen Datenmengen (Big Data) gefiltert wurden, um sinnvolle Informationen zu erhalten. Diese Daten werden gesammelt, geordnet und sorgfältig analysiert. Anwendung findet sie beispielsweise an Smartwatches, in dem wichtige Gesundheitsdaten analysiert und übermittelt werden.
Die Spracherkennung wird aus einem akustischen Signal von gesprochener Sprache erzeugt und in eine textuelle Darstellung umgewandelt. Häufig werden Sie in Smartphones bei der Anwendung in der Karten App oder zur Erstellung einer Notiz verwendet.
Die Texterkennung erkennt mittels KI automatisch Texte und Schriftzeichen innerhalb von Bildern oder Dokumenten (OCR). Im Alltag begegnet sie uns im Büro z.B. beim Einscannen der Dokumente.
Unüberwachtes Lernen ist eine Methode des maschinellen Lernens, bei dem der Algorithmus lernt, selbstständig ohne Überwachung von Muster und Zusammenhänge in Daten explorativ zu erkennen.
Überwachtes Lernen beschreibt eine Methode des maschinellen Lernens, die aus bestehenden Trainingsdaten beruht. Das Modell soll lernen, eine Funktion zu erlernen, um neue Beispiele gut vorherzusagen. Hier wird mit einem Teil der verfügbaren Daten trainiert.
Bei einer vorausschauenden Wartung soll eine Störung des Systems erkannt werden, bevor sie tatsächlich auftritt. Die Sensoren erfassen den frühzeitigen Verschleiß, Produktionsmittel rechtzeitig zu warten. Sie werden beispielsweise bei Wartung von Maschinen eingesetzt.
