SICP-Magazin_2

1

update Das Magazin des SICP – Software Innovation Campus Paderborn 2 | 2025 Künstliche Intelligenz QUELLE: ADOBE STOCK/ PESHKOVA

2

„NEUROPRIVACY“ IM FOKUS Verlust der mentalen Privatsphäre INHALT 6 8 10 12 14 16 18 19 INTERNETZENSUR UMGEHEN Wissenschaftler entwickeln frei zugängliches Tool CARBON-FOOTPRINT-TRACKING Treibhausgase in der Industrie verringern „NEUROPRIVACY“ IM FOKUS Verlust der mentalen Privatsphäre MEILENSTEIN FÜR NEMO manuelle DemoFahrten am Flughafen Paderborn/Lippstadt NEUES AKADEMIEMITGLIED Prof. Dr. Lena Steinhoff in Akademie aufgenommen FLEXIBILITÄT STATT STILLSTAND Wie Workarounds den Wandel erleichtern FLÜSSIGKÜHLUNG VON SERVERSYSTEMEN DC2Heat: Sparen bei der Abwärmenutzung MIT KI ZUR WÄRMEWENDE Besuch im grünen Rechenzentrum im Eurotheum, Frankfurt THEMENSCHWERPUNKT: KÜNSTLICHE INTELLIGENZ 22 23 28 30 THEMENSCHWERPUNKT: KÜNSTLICHE INTELLIGENZ AI ALS INNOVATIONSTREIBER Der Kompetenzbereich AI im Software Innovation Campus Paderborn KI-TEXTANALYSE IN DER FINANZBRANCHE Beschleunigung der Finanzrisikobewertung mit BARS No-Code-Ansatz von Weidmüller edgeML – Machine Learning direkt an der Steuerung

3

PRÄZISE PROGNOSEN FÜR STABILE NETZE Einsatz von KI beim Strom-Management der Zukunft 3 Fragen an ... 58 62 64 impressum SICP-MITGLIEDSUNTERNEHMEN 32 34 36 39 40 42 45 46 49 50 52 54 VERSTEHEN, WAS KÜNSTLICHE INTELLIGENZ DENKT? TRR 318 „Constructing Explainability“ WENN KI AUF LOW-CODE-EXPERTISE TRIFFT Wie aus alltäglichen Problemen faszinierende Lösungen werden MENSCH + MASCHINE = ZUKUNFT AISceMa: Wenn KI das Denken in Zukünften transformiert KI.HOCHSTIFT neues Innovationsnetzwerk für Unternehmen in Paderborn & Höxter STAATLICHE AUFTRÄGE FÜR KMU Milliardenaufträge – und niemand sieht sie? KI MUSS SICH AUCH IRREN DÜRFEN Konkrete KI-Projekte mit echtem Mehrwert KI ALS BRÜCKE ZU OPTIMIERUNGSSOFTWARE wie KI die Interaktion mit komplexer Software vereinfachen kann GENERATIVE KI VERSTEHEN UND ANWENDEN Einsteiger-Workshops der SICP Academy KINTELLECTDETECT Mit KI-Verfahren Produktpiraterie auf der Spur WIE WISSEN IM UNTERNEHMEN BLEIBT Expertenwissen erfassen, aufbereiten und weitergeben MULTI-AGENT REINFORCEMENT LEARNING Steuerung von Lagerbeständen in industriellen Lieferketten MODEL CONTEXT PROTOCOL Ein Standard, um KI-Systeme mit der Außenwelt zu verbinden 56 PRÄZISE PROGNOSEN FÜR STABILE NETZE Einsatz von KI beim Strom-Management der Zukunft

4

E D I T O R I A L FOTO: BESIM MAZHIQI

5

Liebe Leserin, lieber Leser, das Münchner ifo-Institut schrieb vor einigen Monaten zur Bedeutung von KI1: „Künstliche Intelligenz (KI) hat sich zu einem zentralen Treiber der mo- dernen Wirtschaft entwickelt. Insbesondere in Deutschland transformiert KI eine Vielzahl von Branchen – von der Automobilindustrie bis hin zur Finanz- branche – und beeinflusst maßgeblich strategische Entscheidungen und Kundeninteraktionen.“ Aber viele Wirtschaftsakteure stehen vor der Frage, wie sie KI strategisch oder ganz konkret einsetzen können und sollten. Und auch die Politik ist gefragt, geeignete Rahmenbedingungen zu schaffen, die den Interessen der Gesellschaft, des Staats und der Wirtschaft – als Ge- meinschaft, aber auch jedes Einzelnen – gerecht werden. Umso mehr ist ein breiter und wissenschaftlich fundierter Diskurs über die Chancen und Risiken der KI erforderlich, der technologische, aber auch soziale, ethische und rechtliche Perspektiven einbezieht. Das Kölner Institut der deutschen Wirtschaft (IW) gibt in einer aktuellen Studie2, die es im Auftrag des Gemeinschaftsausschusses der Deutschen Gewerblichen Wirtschaft erstellt hat, zahlreiche Handlungsempfehlungen für Politik und Wirtschaft, u.a. die zeitnahe Umsetzung des EU AI Acts, nie- derschwellige und praxisnahe Angebote zur Umsetzung des AI Acts spe- ziell für KMU, Ertüchtigung der IT-Infrastruktur für KI, KI-Forschung in die Anwendung bringen und die Aus- und Weiterbildung für KI stärken. Auf all diesen Feldern ist der SICP – Software Innovation Campus Paderborn aktiv. In unserem Kompetenzbereich Artificial Intelligence bündeln wir fa- kultätsübergreifend die Kompetenzen von Wissenschaftler*innen, die für eine ganzheitliche Betrachtung der Potenziale und Herausforderungen von B P U , S E G R U B N E T U R D I E H L E D A : O T O F KI von Bedeutung sind. Gerade dieser interdisziplinäre Ansatz zeichnet uns aus. Gleichzeitig bringen die SICP-Mitgliedsunternehmen und unsere Partner vielfältige Expertise und Kompetenzen zu Technologien, Lösungen und Einsatzpotenzialen in unterschiedlichen Branchen ein, aus denen sich technologische Entwicklungen, Beratungsansätze, Anwendungsfälle und Weiterbildungsangebote ableiten lassen. Wir greifen wissenschaftliche Forschungsergebnisse auf und bringen sie gemeinsam in die praktische Anwendung, transferieren Technologie und Wissen! Verschaffen Sie sich selbst einen Eindruck. Artificial Intelligence ist das Schwerpunktthema dieser Ausgabe unseres update-Magazins. Es zeigt an vielen Beispielen, wie die KI-Transformation in Deutschland und Europa, in Wirtschaft und Gesellschaft gelingen kann, wenn wir unsere Fähigkeiten und Interessen zusammenbringen. Das ist unser Credo! Freundliche Grüße, Ihr 1 Anna Kerkhof, Thomas Licht, Manuel Menkhoff und Klaus Wohlrabe: Die Nutzung von Künstlicher Intelligenz in der deut- schen Wirtschaft, ifo Schnelldienst, August 2024, Vol. 77, Nr. 08, S. 39–43 2 Vera Demary, Michael Grömling, Christian Kestermann, Marc Scheufen, Stefanie Seele, Oliver Stettes und Marco Trenz: Wie wird KI die Produktivität in Deutschland verändern?, Institut der deutschen Wirtschaft Köln, Februar 2025 Prof. Dr. Stefan Sauer Geschäftsführer SICP

6

INTERNETZENSUR UMGEHEN Wissenschaftler entwickeln frei zugängliches Tool Der freie Zugang zu Informationen im Internet ist ein wesentlicher Bestandteil demokratischer Gesellschaften. Doch was hierzulande als Selbstverständlichkeit gilt, ist längst nicht überall möglich. For- scher der Universität Paderborn und des Technology Innovation Ins- titute in Abu Dhabi zeigen deshalb in einer aktuellen Studie auf, wie Internetzensur durch gezielte Modifikation der Verschlüsselungspro- tokolle umgangen werden kann. Ziel ist es, Betroffenen den Zugang zu gesperrten Webseiten zu erleichtern und Ansätze für künftige Technologien bereitzustellen. Besonderer Fokus liegt auf bekannten Zensursystemen wie der „Great Firewall“ in China und der Zensur im Iran. Die Autoren plädieren außerdem dafür, die sogenannte „Zen- surforschung“ auszubauen. Ihre Ergebnisse sind also nicht nur von praktischem Nutzen, sondern liefern auch wertvolle Erkenntnisse für die Wissenschaft. Für seine Arbeit wurde das Team Mitte Mai auf der renommierten Konferenz „IEEE Symposium on Security and Privacy“ in San Francisco mit einer Auszeichnung gewürdigt. Mechanismen für ein freieres Internet Die Wissenschaftler haben mit „Censor Scanner“ ein Open-Source- Werkzeug entwickelt, das Internetanfragen so verschlüsselt, dass Zensursysteme sie entweder nicht erkennen oder nicht blockieren können. Das Team testete damit auch, welche Techniken diese Syste- me umgehen und dabei gleichzeitig sicherstellen, dass die Internet- anfrage von echten Webseiten verstanden wird. Das ist entscheidend, um gesperrte Seiten erfolgreich anzeigen zu können. Ein zentrales Beispiel, das die Forscher dabei unter die Lupe ge- nommen haben, ist ein Mechanismus im Dienst „TLS“, Transport Layer Security. Das Protokoll sorgt normalerweise dafür, dass Inter- netverbindungen sicher verschlüsselt werden. „Da TLS weltweit mil- lionenfach genutzt wird, ist es ein beliebtes Ziel für Zensoren. Um unerwünschte Webseiten zu blockieren, können sie das Protokoll analysieren. Das ist möglich, weil die allererste TLS-Nachricht unver- schlüsselt geschickt wird und den Namen der Webseite verrät, zu der man sich verbinden möchte. So können Zensoren den Anfang der TLS- Verbindungen beobachten und bei Bedarf unterbinden“, erklärt Prof. Dr.-Ing. Juraj Somorovsky, Leiter des Fachgebiets „Systemsicherheit“ am Paderborner Institut für Informatik, Mitautor der Studie sowie Hochschullehrer im Kompetenzbereich „Digital Security“ und stell- vertretender Vorstandsvorsitzender des SI-Labs im SICP – Software Innovation Campus Paderborn. Unter den erfolgreichsten Methoden zur Umgehung der Zensur ist laut Team die sogenannte „TLS-Fragmentierung“. „Dabei wird die erste TLS-Anfrage, die den Namen der Zielwebseite trägt, in kleine Teile zerlegt, die für die Zensursysteme schwerer zu analysieren sind“, erklärt Erstautor Niklas Niere, ebenfalls von der Universität Paderborn. Weitere Tricks bestehen darin, Angaben über die Ziel- webseite zu verändern oder zu verschleiern. Eine andere Methode entfernt bestimmte Informationen ganz aus den Internetanfragen. Alle identifizierten Lösungen haben eines gemeinsam: Sie sind nicht nur wirksam gegen Zensursysteme, sondern werden auch von 6

7

Internetservern akzeptiert. Das bedeutet, dass die Anfragen trotz dieser Tricks erfolgreich beantwortet werden. steht, die für eine erfolgreiche Zensurumgehung überlistet werden müssen. Globale Bedeutung Die Ergebnisse der Forscher sind ein Lichtblick für Personen, die un- ter repressiven Regimen keinen freien Zugang zum Internet haben. Sie könnten in Zukunft praktische Technologien unterstützen, die Menschen weltweit dabei helfen, Sperren zu umgehen. Dabei be- tonen die Wissenschaftler, dass auch Zensoren ihre Technik stetig weiterentwickeln. Beispielsweise zeigen sie in ihrer Arbeit, dass die chinesische „Great Firewall“ aus drei verschiedenen Systemen be- Während Verschlüsselung und Sicherheitsmechanismen weltweit verbessert werden, bleibt die Freiheit im Internet ein Wettlauf zwi- schen technischem Fortschritt und staatlicher Kontrolle. Die Studie dient nicht nur als Grundlage für künftige wissenschaftliche Arbei- ten, sondern auch als Leitfaden für die Entwicklung von Tools, die einen freien Zugang zum Internet fördern. Zur Studie: https://ris.uni-paderborn.de/record/59824. Kontakt 7 Prof. Dr.-Ing. Juraj Somorovsky Systemsicherheit juraj.somorovsky@uni-paderborn.de

8

CARBON-FOOTPRINT-TRACKING Treibhausgase in der Industrie verringern Die Reduktion von Treibhausgasen zugunsten von Umwelt und Klima gehört zu den drängendsten Herausforderungen der Industrie. Noch sind geeignete Maßnahmen, die die gesamte Wertschöpfungsket- te abdecken, allerdings mit hohen Kosten verbunden. Weil Produk- tions-, Energie- und Informationstechnik aufeinander abgestimmt werden müssen, kommt es zu Wechselwirkungen, die sich auf die Identifikation und den Preis der Maßnahmen auswirken. Im it’s OWL- Projekt „Climate bOWL“ („Climate-neutral Business in Ostwestfalen- Lippe“) haben Partner*innen aus Wissenschaft und Wirtschaft jetzt ein intelligentes Assistenzsystem zur Reduktion von Treibhausgas- emissionen entwickelt. Das Forschungsprojekt mit einem Gesamtvo- lumen von rund 3,16 Millionen Euro wurde nach dreijähriger Laufzeit Ende März abgeschlossen. Das Ergebnis ist ein produktspezifisches Carbon-Footprint-Trackingsystem, das Unternehmen durch eine automatisierte Datenverarbeitung Aufschluss über ihre Emissionen gibt und die Transparenz erhöht. Projektpartner*innen waren die Uni- versität Paderborn, der SICP – Software Innovation Campus Pader- born, die Universität Bielefeld, NTT Data Business Solutions AG, GEA Westfalia Separator Group GmbH, Miele & Cie. KG sowie die Phoenix Contact Smart Business GmbH. Zu den Förderern zählte neben dem it’s OWL Spitzencluster auch das damalige MWIDE.NRW, heute das Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie Nord- rhein-Westfalen (MWIKE.NRW). Treibhausgasemissionen fallen entlang der gesamten Wertschöp- fungskette in der industriellen Produktion an. Um CO2-Emissionen zu reduzieren, ist es zunächst notwendig, deren Quellen zu identi- fizieren. Aufgrund der Wechselwirkungen verschiedener Industrie- bereiche und Produktionsprozesse ist dieser Schritt jedoch kom- plex und kostenintensiv. Auf dem Weg zur Klimaneutralität bedarf es deshalb einer ganzheitlichen Herangehensweise, die eine prä- zise Bewertung der Treibhausgasemissionen gewährleistet. Dieser Herausforderung nahm sich das interdisziplinäre Projektteam von „Climate bOWL“ an. „Als Projektergebnis ist ein produktspezifisches Carbon-Footprint-Trackingsystem entstanden, das Wissen durch eine konsistente, automatische und ortsunabhängige Datenver- waltung generiert. Darauf aufbauend haben wir die assistierte Ent- wicklung von Klimaschutz- und Energieeffizienzmaßnahmen durch ein Unterstützungssystem umgesetzt, das Treibhausgasemissionen ihren Verbrauchern auf Basis von Energie- und Stoffstromdaten zu- ordnet. So können Energieeffizienzpotenziale erkannt und Vermei- dungsmöglichkeiten ermittelt werden“, erklärt Prof. Dr.-Ing. Hen- ning Meschede, wissenschaftlicher Leiter des Projekts, Professor für Energiesystemtechnik an der Fakultät für Elektrotechnik, Informatik und Mathematik der Universität Paderborn sowie Leiter des Innova- tionsbereichs „Smart Energy“ im SICP. „Ein wesentlicher Fortschritt ist es, diese Informationen transparent für jedes Produkt und alle beteiligten Akteure abzubilden“, so Prof. Dr.-Ing. Meschede weiter. Gegenwärtig existiere keine vergleichba- re Lösung, auch im Hinblick auf die assistierte Ableitung geeigne- ter Maßnahmen entlang der Wertschöpfungskette. „Das Unterstüt- zungssystem, das wir im Projekt entwickelt haben, schließt diese Lücke und hilft Unternehmen dabei, Klimaziele mithilfe gezielter 8

9

I I Q H Z A M M S E B I : O T O F Effizienzmaßnahmen zu erreichen. Klimaneutralität kann nur erzielt werden, wenn Unternehmen nicht auf Kompensation, sondern auf reale Vermeidung von Treibhausgasemissionen setzen“, fasst Prof. Meschede zusammen. Weitere Informationen gibt es auf der Projektwebseite. Kontakt 9 Prof. Dr.-Ing. Henning Meschede Energiesystemtechnik henning.meschede@uni-paderborn.de

10

1 0 FOTO: BESIM MAZHIQI

11

„NEUROPRIVACY“ IM FOKUS Verlust der mentalen Privatsphäre Neurotechnologische Anwendungen sammeln und analysieren sen- sible Hirndaten. Die Neurotechnologie beschränkt sich dabei mittler- weile nicht mehr nur auf die Medizin, sondern wird auch in Bereichen wie Unterhaltung oder Fitness eingesetzt. Mit dieser Entwicklung wachsen jedoch auch die datenschutzrechtlichen Herausforderun- gen. Prof. Dr. Patricia Arias Cabarcos und Doktorandin Emiram Kablo vom Fachgebiet IT-Sicherheit der Fakultät für Elektrotechnik, Infor- matik und Mathematik der Universität Paderborn haben in der ersten nutzerorientierten Studie zum Thema „Neuroprivacy“ die Erwartun- gen und Bedenken der Menschen in Bezug auf die Privatsphäre von Hirndaten untersucht. Dafür wurden die Wissenschaftlerinnen im Ap- ril in Madrid mit dem renommierten Forschungspreis „Emilio Aced“ der spanischen Datenschutzbehörde Agencia Española de Protecci- ón de Datos AEPD ausgezeichnet. Der Preis würdigt herausragende wissenschaftliche Arbeiten auf dem Gebiet des Datenschutzes und ist mit 1.500 Euro dotiert. Akzeptanz stark vom Verwendungszweck abhängig Ausgezeichnet wurde die Publikation „Privacy in the Age of Neuro- technology: Investigating Public Attitudes towards Brain Data Col- lection and Use“, die auf der jährlichen Konferenz „ACM Conference on Computer and Communications Security“ (CCS) veröffentlicht wurde. In der Studie untersuchten Prof. Dr. Arias Cabarcos und Ka- blo die Bedingungen, unter denen Nutzer*innen bereit sind, ihre Ge- hirnaktivitäten zu teilen. Das Ergebnis: Besonders große Bedenken hatten die Teilnehmer*in- nen in der gewerblichen Nutzung der neurologischen Daten. „Viele von ihnen fürchten sich um den Verlust ihrer mentalen Privatsphä- re“, erklärt Prof. Dr. Arias Cabarcos, beteiligte Hochschullehrerin im Kompetenzbereich „Digital Security“ im SICP – Software Innovation Campus Paderborn. Auch staatliche Stellen, soziale Medien und Arbeitgeber*innen stoßen auf geringe Akzeptanz der Nutzer*innen. Größeres Vertrauen bestehe dagegen in Medizin und Forschung. „Transparenz und das Einholen einer informierten Zustimmung sind die Schlüsselfaktoren für eine Akzeptanz der Neurotechnologie“, betont Kablo. Hohes Bedürfnis nach Kontrolle Die Ergebnisse zeigen deutlich, dass klare Regeln und Schutzme- chanismen für Hirndaten benötigt werden, bevor die Technologie massenhaft im Alltag eingesetzt wird. „Unsere Erkenntnisse kön- nen als Grundlage dienen, Lücken in der derzeitigen Neuroprivacy- Praxis zu identifizieren“, so Prof. Arias Cabarcos. „Wir wollen Orga- nisationen, Entwickler, politische Entscheidungsträger, Forscher und Datenschutzbeauftragte dabei unterstützen, einen Beitrag zur datenschutzgerechten Weiterentwicklung von Neurotechnologien zu leisten.“ Zur Studie: https://www.aepd.es/documento/premio-emilio-aced- 2024-patricia-arias-cabarcos-emiram-kablo-en.pdf Kontakt 11 Prof. Dr. Patricia Arias Cabarcos IT-Sicherheit pac@mail.uni-paderborn.de

12

MEILENSTEIN FÜR NEMO Manuelle DemoFahrten am Flughafen Paderborn/Lippstadt Die Initiative Neue Mobilität Paderborn (NeMo) und das von ihr initi- ierte Projekt NeMo.bil haben den nächsten Meilenstein erreicht: Die ersten manuellen Demonstrationsfahrten eines NeMo.bil-Cabs wur- den am Flughafen Paderborn/ Lippstadt durchgeführt. Im Kreis des Vorstands, der Mitglieder des NeMo e.V. und weiterer Projektbeteiligter drehte das Ultraleicht-Demonstrationsfahrzeug auf dem nicht-öffentlichen Gelände des Flughafens Paderborn/Lippstadt seine ersten Runden. Auch der SICP – Software Innovation Campus Paderborn war als Projektpartner vor Ort, um das Fahrzeug auf dem Testgelände zu erproben. holt sie zu Hause ab und steuert einen (virtuellen) Verkehrsknoten- punkt an. Dort schließt es sich mit weiteren Cabs zu einem Konvoi zusammen. Dieser Konvoi wird von einem größeren, ebenfalls auto- nom fahrenden Fahrzeug („NeMo.Pro“) gezogen. Das NeMo.Pro wird mit Wasserstoff betrieben und dient gleichzeitig als mobile Ladesta- tion für die Cabs, die während der gekoppelten Fahrt aufgeladen wer- den können. Im Konvoi legen die Kleinfahrzeuge und das Pro länge- re Überlandstrecken zurück und können so höhere Reichweiten und Geschwindigkeiten erzielen. Für die „letzte Meile“ koppeln sich die Cabs wieder vom Konvoi ab, um schließlich die individuellen Ziele zu erreichen. Dr. Christoph Weskamp, Leiter des Innovationsbereichs „Seamless Mobility“ am SICP, und Philipp Speckenmeyer, wissenschaftlicher Mitarbeiter am SICP, präsentierten zudem zentrale Einblicke in die digitalen Planungs- und Optimierungskomponenten, mit denen das Mobilitätssystem strategisch und operativ gestaltet wird. NeMo.bil: Bedarfsgerechte Mobilität in ländlichen Regionen Im Rahmen des Projekts NeMo.bil, das vom Bundesministerium für Wirtschaft und Energie (BMWE) mit mehr als 18 Millionen Euro geför- dert wird, entwickeln die Beteiligten ein Mobilitätssystem für einen bedarfsgerechten Personen- und Gütertransport, den sie im Projekt- zeitraum bis zum 30. Juni 2026 auch prototypisch demonstrieren. Dazu verfolgt NeMo.bil einen innovativen Ansatz mit zwei automati- sierten Fahrzeug-Typen. Konkret soll das System so aussehen: Fahr- gäste geben über eine App ihr Ziel an und fordern ein „NeMo.Cab“ an. Dieses kleine, sehr leichte und autonom fahrende Elektrofahrzeug Automatisierte Testfahrten folgen Insgesamt sind im Rahmen von NeMo.bil 19 Partner aus Wirtschaft und Forschung daran beteiligt, das autonome Fahren auf die Straße zu bringen. Mit umfangreichen Arbeiten in den Bereichen Entwicklung, Engineering, Zulassung und Test liegt das Projekt voll im Zeitplan. Die ersten manuellen Demonstrationsfahrten am Flughafen bilden den Startpunkt für den Testfahrten-Zyklus. Im Sommer wird NeMo.bil ein automatisiert fahrendes Cab vorstellen, das wenig später auch mit einem Sicherheitsfahrer im öffentlichen Raum unterwegs sein wird. SICP entwickelt intelligente Planung bedarfsgerechter Mobilität Damit das On-Demand-Mobilitätssystem NeMo.bil gut funktioniert, müssen die Fahrten clever geplant und koordiniert werden. Genau hier bringt sich der SICP ein: Ziel ist es, herauszufinden, wie man das Zusammenspiel der kleinen Cabs und größeren Pro-Fahrzeuge mög- 12

13

lichst kosteneffizient und umweltfreundlich organisiert – und dabei auch auf die Bedürfnisse der Fahrgäste achtet. Dafür wird ein intelligentes Planungssystem entwickelt, das hilft, die richtige Anzahl und Art der Fahrzeuge für eine Region zu bestimmen, und dafür sorgt, dass die Fahrgäste schnell, günstig und klimafreund- lich ans Ziel kommen – zum Beispiel durch geschickte Routen und Konvois. Die große Herausforderung: Kurze Fahrtzeiten, geringe Kosten, hohe Auslastung und niedrige Umweltbelastung – diese Ziele stehen oft im Widerspruch. Weniger Fahrzeuge bedeuten geringere Kosten, aber auch längere Wartezeiten. Mehr Fahrzeuge verbessern den Service – aber machen es für Anbieter teurer. Deshalb arbeiten die Forschenden am SICP unter der wissenschaftli- chen Leitung von Prof. Dr. Guido Schryen an mathematischen Model- len und Simulationen, um all diese Faktoren gegeneinander abzuwä- gen. So können Mobilitätsanbieter später fundierte Entscheidungen treffen – bevor das System in der Realität startet. „Zum einen wird das Planungsproblem als mathematisches Modell abgebildet, das mit Hilfe problemspezifischer Heuristiken gelöst wird. Zum anderen wird eine Simulation vorgenommen, die dem dynamischen Entscheidungsumfeld von NeMo.bil gerecht wird“, er- läutert Prof. Dr. Guido Schryen. „Diese Simulation ermöglicht es, die Auswirkungen verschiedener Entscheidungen auf das Gesamtsystem zu analysieren und damit einen effizienten Systembetrieb zu planen, bevor die Entscheidungen in der Realität umgesetzt werden.“ Kontakt 13 Dr. Christoph Weskamp Leiter des Innovationsbereichs "Seamless Mobility" weskamp@sicp.de

14

NEUES AKADEMIEMITGLIED Prof. Dr. Lena Steinhoff in Akademie aufgenommen Prof. Dr. Lena Steinhoff, Wirtschaftswissenschaftlerin an der Univer- sität Paderborn sowie Direktorin des Kompetenzbereichs „Software and Service Systems Engineering“ im SICP – Software Innovation Campus Paderbon, ist neues Mitglied der Nordrhein-Westfälischen Akademie der Wissenschaften und der Künste. Die feierliche Auf- nahme in die Traditionseinrichtung fand am Mittwoch, 14. Mai, im Beisein von Ina Brandes, Ministerin für Kultur und Wissenschaft des Landes NRW, statt. Prof. Dr. Steinhoff, deren Schwerpunkt auf Be- triebswirtschaftslehre (BWL), insbesondere Marketing und digitaler Transformation, liegt, ist ab jetzt Teil der Akademie-Klasse für Inge- nieur- und Wirtschaftswissenschaften. „Ich freue mich sehr auf den fachlichen Austausch mit Kolleg*innen aus verschiedensten Disziplinen, den die Akademie ermöglicht, und fühle mich sehr geehrt durch die Aufnahme“, so die Forscherin. Prof. Dr. Steinhoff ist seit Oktober 2022 Inhaberin der Professur für BWL, insbesondere Marketing und Digital Transformation, an der Fakul- tät für Wirtschaftswissenschaften der Universität Paderborn. Zuvor forschte und lehrte sie als Juniorprofessorin an der Universität Ros- tock. Stipendien des Deutschen Akademischen Austauschdienstes (DAAD) und der Deutschen Forschungsgemeinschaft (DFG) ermög- lichten ihr Forschungsaufenthalte an der Foster School of Business der University of Washington. In ihrer wissenschaftlichen Arbeit befasst sich Prof. Dr. Steinhoff mit allen Marketingaktivitäten, die darauf ausgerichtet sind, erfolgreiche Kundenbeziehungen aufzu- bauen, weiterzuentwickeln und aufrechtzuerhalten. Dabei nimmt sie verschiedene Instrumente des Beziehungsmarketings aus der analogen wie aus der digitalen Welt in den Blick und untersucht deren beabsichtigte und unbeabsichtigte Effekte. Auf dieser Basis entwickelt die Expertin Handlungsempfehlungen für den optimalen Einsatz der Instrumente. Seit 2023 verantwortet Prof. Dr. Steinhoff im Gesamtvorstand des Verbands der Hochschullehrerinnen und Hochschullehrer für Betriebswirtschaft (VHB) e. V. das Ressort Nach- wuchsarbeit. Im SICP leitet und koordiniert Prof. Dr. Steinhoff als Direktorin des Kompetenzbereichs "Software and Service Systems Engineering" die interdisziplinären Forschungsaktivitäten der beteiligten Pro- fessor*innen rund um die Entwicklung, Bereitstellung und Verwal- tung moderner Softwaresysteme sowie die notwendigen Prinzipien, Methoden und Werkzeuge zu deren effektiven Gestaltung, damit Qualitätseigenschaften wie Zuverlässigkeit, Effizienz und Benutzer- freundlichkeit maximiert werden. Die Nordrhein-Westfälische Akademie der Wissenschaften und Künste wurde 1970 gegründet. Zusätzlich zu den Wissenschaften integriert sie als einzige deutsche Akademie seit 2008 auch die Künste unter ihrem Dach. Aufgenommen werden ausschließlich ex- zellente Forschende und Kunstschaffende. Die Mitglieder pflegen den wissenschaftlichen Dialog untereinander ebenso wie den Aus- tausch mit Forschungs- und Kultureinrichtungen im In- und Ausland. Gewählt werden kann nur, wer sich nach der Satzung „durch wissen- schaftliche oder künstlerische Leistungen ausgezeichnet hat“. Der- zeit hat die Akademie rund 280 ordentliche und knapp 130 korres- pondierende Mitglieder. 14

15

I I Q H Z A M M S E B I : O T O F Foto (Nordrhein-Westfälische Akademie der Wissenschaften und der Künste / Fotografin: Bettina Engel-Albustin, 2025): Prof. Dr.-Ing. Jochen Kreusel, Sekretär der Klasse für Ingenieur- und Wirtschaftswissenschaften, Prof. Dr. Martin R. Hofmann, Inhaber des Lehrstuhls für Photonik und Terahertztechnologie der Ruhr-Universität Bochum, Prof. Dr.-Ing. Alfred Ludwig, Inhaber des Lehrstuhls „Materials Discovery and Interfaces“ am Institut für Werkstoffe der Ruhr-Universität Bochum, Prof. Dr. Lena Steinhoff, Professorin für Betriebswirtschaftslehre, insbesondere Marketing und Digital Transformation, an der Fakultät für Wirtschaftswissenschaften der Universität Paderborn, Prof. Dr.-Ing. Steffen Freitag, Leiter des Instituts für Bau- statik am Karlsruher Institut für Technologie (korrespondierendes Mitglied), Prof. Dr. med. Dr. h.c. Dr. h.c. Gerd Heusch, Präsident der NRW-Akademie. Kontakt Prof. Dr. Lena Steinhoff Betriebswirtschaftslehre, insbes. Marketing und Digital Transformation lena.steinhoff@uni-paderborn.de 15

16

FLEXIBILITÄT STATT STILLSTAND Wie Workarounds den Wandel erleichtern Als flexible Anpassungen an bestehende Strukturen helfen Worka- rounds Organisationen, Herausforderungen zu bewältigen und ihre Widerstandsfähigkeit gegenüber Veränderungen zu erhöhen. Trotz ihrer weiten Verbreitung wird ihr Einfluss auf die Wandlungsfähigkeit und Resilienz von Unternehmen bislang nur unzureichend betrach- tet. Wie Workarounds dazu beitragen können, Innovationen voranzu- treiben und Organisationen anpassungsfähiger zu machen, steht im Fokus aktueller Forschungen. Workarounds als Treiber für Prozessinnovationen raufhin wurde eine Verbesserung der Automatisierungs- und Erken- nungssoftware angestoßen. Die Ergebnisse zeigen, dass erfolgreiche Innovationen durch klare Governance, effektive Kommunikation und transparente Entscheidungsprozesse gefördert werden. Prof. Dr. Beverungen ergänzt: „Unsere Untersuchungen zeigen, dass Workarounds als Katalysator für Prozessinnovationen dienen können, sofern sie systematisch in bestehende Geschäftsprozesse integriert werden. Organisationen, die Workarounds gezielt managen, profitie- ren von einer erhöhten Anpassungsfähigkeit und Innovationskraft.“ Neue Studien von Forschenden der Fakultät für Wirtschaftswissen- schaften an der Universität Paderborn, darunter Prof. Dr. Daniel Be- verungen, Vorstandsvorsitzender des Software Innovation Labs im SICP – Software Innovation Campus Paderborn, und Jun.-Prof. Dr. Christian Bartelheimer, seit Kurzem Juniorprofessor an der Georg-Au- gust-Universität Göttingen und zuvor ebenfalls Mitglied des Software Innovation Labs im SICP, zeigen, dass Workarounds weit mehr sind als kurzfristige Lösungen für operative Probleme – sie können auch der Ausgangspunkt für langfristige Prozessinnovationen sein. Eine aktu- elle Fallstudie untersucht neun Workarounds in drei Organisationen und analysiert, wie Unternehmen entweder erfolgreich oder erfolglos Workarounds in nachhaltige Prozessinnovationen umwandeln konn- ten. In einem Prozess wurde beispielsweise eine automatisierte Digi- talisierung von analogen Dokumenten angewendet, welche zunächst nur für eine Sprache implementiert wurde. Fremdsprachige Dokumen- te verursachten dementsprechend Probleme, welche eine manuelle Identifizierung der Sprache durch einen Mitarbeiter erforderten. Da- Workarounds als Bottom-up-Ansatz zur Prozessneugestaltung Hierauf aufbauen beleuchtet ein weiterer Forschungsbeitrag den „Workarounds-to-Innovation“-Prozess. Dabei werden Workarounds als ein Mittel für Bottom-up-Prozessinnovationen betrachtet. Unter- nehmen, die Workarounds systematisch identifizieren, bewerten und als Innovationsquelle nutzen, können ihre Prozesse flexibler gestal- ten und schneller auf Marktveränderungen reagieren. Prof. Dr. Goy Hinrich Korn, CDO der KRONE Group, verdeutlicht: „Wir haben erkannt, dass Workarounds nicht nur improvisierte und bereits erprobte Lösungen sind, sondern oft wertvolle Ansätze für echte Pro- zessinnovationen. Deshalb testen wir nun diesen systematischen An- satz des 'Workarounds-to-Innovation'-Prozesses“, um Workarounds im Unternehmen bewusst zu identifizieren, zu bewerten und gezielt in unsere Innovationsstrategie zu integrieren. Anstatt sie dem Zufall zu überlassen, möchten wir sie aktiv managen – so können wir agiler 16

17

auf Veränderungen reagieren und unsere Abläufe kontinuierlich ver- bessern.“ Einfluss der Unternehmenskultur auf Workarounds Neben den strukturellen und technologischen Aspekten spielt auch die Unternehmenskultur eine entscheidende Rolle. Jun.-Prof. Dr. Christian Bartelheimer erklärt: „Unsere Forschung zeigt, dass Unter- nehmen mit einer offenen Innovationskultur Workarounds gezielt in ihr Prozessmanagement integrieren können und damit langfristig in- novativer und anpassungsfähiger sind. Streng regulierte Organisatio- nen hingegen stehen oft vor der Herausforderung, informelle Innova- tionen sinnvoll zu nutzen.“ Dr. Yvonne Groening, Geschäftsführerin des SICP-Mitgliedsunterneh- mens myconsult GmbH, unterstützt dies: „Um eine offene, innovative und wandlungsfähige Organisationskultur im Unternehmen zu etab- lieren, müssen Führungskräfte kulturelle Rahmenbedingungen schaf- fen, in denen offen kommuniziert, zusammengearbeitet sowie konti- nuierlich reflektiert wird und Fehler erlaubt sind. Gemeinsam mit den Partnerorganisationen haben wir im Projekt ein Programm entwickelt, welches Führungskräfte dabei unterstützt, diese Rahmenbedingun- gen zu realisieren.“ Chancen und Risiken von Workarounds Trotz der positiven Effekte bergen Workarounds auch Risiken. Die Stu- dien zeigen, dass unkontrollierte Workarounds zu Dateninkonsisten- zen, Compliance-Problemen und Sicherheitsrisiken führen können. Daher ist es entscheidend, dass Unternehmen Workarounds nicht nur als spontane Notlösungen akzeptieren, sondern strukturiert in das Prozessmanagement integrieren. Jun.-Prof. Dr. Christian Bartelheimer betont: „Ohne eine gezielte Steuerung können Workarounds zu ineffizienten Abläufen führen und sogar bestehende Prozesse destabilisieren. Die richtige Balance zwi- schen Flexibilität und Kontrolle ist essenziell.“ Die aktuellen Forschungsergebnisse unterstreichen die Bedeutung von Workarounds als Instrument für organisatorische Anpassungsfä- higkeit und Innovation. Unternehmen, die Workarounds gezielt ma- nagen und in ihren Innovationsprozess einbinden, können nicht nur effizientere Abläufe gestalten, sondern auch ihre Wettbewerbsfähig- keit nachhaltig stärken. Dies und viele weitere Perspektiven zu Workarounds werden im Projekt Change.WorkAROUND betrachtet, welches seit Januar 2023 vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR; vormals Bundesministerium für Bildung und Forschung, BMBF) gefördert wird. Anwendungspartner sind hier sowohl die Kro- ne Agriculture SE als auch REMBE® GmbH Safety+Control, welche von den Befähigerunternehmen, UNITY AG, myconsult GmbH und viadee Unternehmensberatung AG, mit ihrer Lösungskompetenz unterstützt werden. Wissenschaftlich begleitet wird das Projekt von den For- schungsgruppen von Prof. Dr. Martin Schneider (Personalwirtschaft) sowie Prof. Dr. Daniel Beverungen für Wirschaftsinformatik, insb. be- trieblicher Informationssysteme). Das Forschungsvorhaben wird darüber hinaus seit Oktober 2023 als Teil des Paderborner Wissenschaftskollegs der Universität gefördert. Daran beteiligt sind auch Prof. Dr. Brian Pentland von der Michigan State University, USA, und Prof. Dr. Iris Beerepoot von der Utrecht Uni- versity, Niederlande. Kontakt Bernd Löhr, M.Sc. Wirtschaftsinformatik, insb. betriebliche Informationssysteme bernd.loehr@uni-paderborn.de 17

18

FLÜSSIGKÜHLUNG VON SERVERSYSTEMEN DC2Heat: Sparen bei der Abwärmenutzung Aktuelle DC2HEAT-Abschätzungen zeigen, dass im Jahr 2035 in Deutschland zwischen 1,5 Mrd. und 3 Mrd. kWh fossiler Wärme durch Abwärme aus Rechenzentren ersetzt werden könnten. Würde diese Wärme aus flüssigkeitsgekühlten Systemen bereitgestellt, so ließen sich damit Kosten in der Größenordnung von 20 bis 50 Millio- nen Euro jährlich sparen. Die Flüssigkühlung von Serversystemen ist auf dem Vormarsch. Vor allem wissenschaftlich genutzte Systeme im Bereich des High Per- formance Computings (HPC) setzen immer mehr auf diese Technolo- gie. Dies verrät auch ein Blick in die Liste der Top 500 Supercomputer (www.top500.org). Aber auch im kommerziellen Bereich werden flüs- sigkeitsgekühlte Serversysteme zunehmend eingesetzt, wie zuletzt beim Supercomputer Colossus von Elon Musk. Dieses System setzt mit 100.000 Nvidia GPUs neue Maßstäbe für KI-Rechenzentren. Flüssigkeitsgekühlte Systeme wie Direct Liquid Cooling oder Immer- sionskühlung helfen, die Wärme aus Hochleistungsrechnern effektiv und effizient abzuführen. Im Rahmen von DC2HEAT wurde jetzt auch abgeschätzt, welche Vorteile die Kühltechnologie bei der Abwärme- nutzung bietet. Wie eine Befragung von 100 Betreibern von Rechen- zentren in Deutschland ergab, liegt das durchschnittlich nutzbare Temperaturniveau der Abwärme bei flüssigkeitsgekühlten Systemen um etwa 10 Grad Celsius über dem Temperaturniveau bei luftgekühl- ten Systemen. Damit kann die Versorgung von Wohngebäuden mit Warmwasser und Heizenergie deutlich kostengünstiger realisiert werden. In einer Untersuchung des Borderstep-Instituts aus dem Jahr 2022 wurde ermittelt, dass mit einer Erhöhung des Tempera- turniveaus um 10 Grad Celsius Kosteneinsparungen von 1,1 bis 1,6 Cent/kWh Wärme möglich sind. Kontakt 18 Dr. Gunnar Schomaker Leiter des Innovationsbereichs "Advanced Computing" schomaker@sicp.de

19

MIT KI ZUR WÄRMEWENDE Besuch im grünen Rechenzentrum im Eurotheum, Frankfurt Staatssekretärin Dr. Christiane Rohleder besuchte das grüne Re- chenzentrum im Eurotheum, Frankfurt am Main, und diskutierte beim Digital-Gipfel mit dem KI-Projekt DC2HEAT über die nachhaltige Nut- zung von Rechenzentrums-Abwärme durch Künstliche Intelligenz. Streaming-, Social-Media-Dienste, Cloud-Anwendungen und nicht zuletzt Sprachmodelle wie etwa ChatGPT gehören fest zu unserem digitalen Alltag. Da die Anzahl und der Umfang dieser Dienste stetig wachsen, sind immer mehr Rechenzentren nötig, die dafür ihre Re- chenleistung und Speicherkapazität zur Verfügung stellen. Der Auf- bau und Betrieb dieser Zentren verbraucht eine Menge Energie, die meist aus fossilen Energieträgern gewonnen wird. Hinzu kommt: Die Abwärme, die dabei entsteht, bleibt häufig ungenutzt. Das vom Bundesministerium für Umwelt, Klimaschutz, Naturschutz und nukleare Sicherheit (BMUV) geförderte KI-Leuchtturmprojekt DC2HEAT arbeitet an einer ressourceneffizienten KI-basierten Lösung, um die Abwärme in Rechenzentren als Energiequelle klimafreundlich zu nutzen, anstatt sie einfach nur verpuffen zu lassen. Die anvisierte Lösung soll die Planung, Anpassung und den Betrieb von Anlagen und Gewerken zur Nutzung der Abwärme aus Rechenzentren vereinfachen, wirtschaftlicher und zugleich umweltfreundlicher gestalten. Ziel des Projekts ist es, die Ergebnisse vom Standort Frankfurt am Main auch auf andere nationale und internationale Standorte zu übertragen. Mit Hilfe von KI Abwärme in Wärmenetze einspeisen Beim Besuch des Eurotheums am 22. Oktober konnte sich Dr. Chris- tiane Rohleder, Staatssekretärin im BMUV, das vom Kooperations- partner Cloud&Heat Technologies GmbH betriebene Rechenzentrum in der siebten Etage des Eurotheums genauer anschauen. Im Gegen- satz zu vielen anderen Rechenzentren, wird dieses statt mit Luft mit Wasser gekühlt. Bei dieser Form der Klimatisierung hat die so ge- wonnene Abwärme bereits ein Temperaturniveau, das unmittelbar für die Warmwasserversorgung und zum Heizen eingesetzt werden kann. Vom Eurotheum aus werden zentrale Daten für die Projekt- arbeit geliefert. Im Fokus der Projektarbeit stehen Intelligente Digitale Zwillinge: einer für ein Projekt mit wassergekühltem und einer für ein luftge- kühltes Rechenzentrum. Die KI-Anwendung soll Daten zum Wärme- und Kühlbedarf sowie zur Abwärme der Zentren liefern und kann so zur Wärmeversorgung und zu höherer Transparenz über Ressourcen- verbräuche beitragen. Die Abwärme soll dann künftig in die Wärme- netze eingespeist werden. Etwa dann, wenn zum Beispiel bei unter- schiedlichen Wetterlagen und Jahreszeiten mehr Wärme benötigt oder abgestrahlt wird. Die KI-Anwendung verteilt dann die Rechen- leistungen mit Blick auf die verschiedenen Bedarfe optimal. Panel-Diskussion: KI meets Wärmewende In einer anschließenden Panel-Diskussion stellte Dr. Ralph Hinte- mann vom Projekt DC2HEAT das Leuchtturmprojekt als Best-Practice- Beispiel vor. Dr. Christiane Rohleder tauschte sich unter anderem mit Vertreter*innen des Bundeswirtschaftsministeriums und Dr. Ralph Hintemann zu den Potenzialen aus, die KI für die klimafreundliche 19

20

Besuch bei DC2HEAT (von links: Sascha Solbach (Bürgermeister der Stadt Bedburg), Barbara Levi-Wach (Ehrenamtliche Geschäftsführerin Lokale Agenda 21 Offenbach), Dr. Christiane Rohleder, Gunnar Schomaker (Software Innovation Campus der Universität Paderborn), Ronny Reinhardt (Cloud&Heat), Dr. Ralph Hintemann, Donald Badoux (Energieversorgung Offen- bach)) Nutzung von Abwärme aus Rechenzentren bereithält. Hierbei wurden vor allem auch Herausforderungen und Hemmnisse, die bei der Um- setzung der Abwärmenutzung auftreten können, thematisiert. Mehr Informationen zum Projekt und zur Initiative KI-Leuchttürme DC2HEAT ist ein Projekt der Förderinitiative KI-Leuchttürme, eine von vier KI-Initiativen des BMUV. Das Ministerium unterstützt damit eine nachhaltige KI-Gestaltung und die Nutzung von KI für Umwelt und Klima. Das Umweltressort investiert im Rahmen der KI-Strategie der Bundesregierung 150 Millionen Euro in KI-Maßnahmen für den Um- welt- und Klimaschutz. Hintergrund zum Digital-Gipfel 2024 Am 21. und 22. Oktober fand in Frankfurt am Main der Digital-Gip- fel 2024 der Bundesregierung statt. Unter dem Motto „Deutschland Digital – Innovativ. Souverän. International“ kamen rund 2000 Teil- nehmende aus Wirtschaft, Wissenschaft, Zivilgesellschaft und Poli- tik zusammen und diskutierten über digitale Innovationen, digitale Souveränität und das Thema Künstliche Intelligenz für Umwelt- und Naturschutz. Kontakt 20 Dr. Gunnar Schomaker Leiter des Innovationsbereichs "Advanced Computing" schomaker@sicp.de

21

PADERBORNER TAG DER IT-SICHERHEIT 9./10.9.2025 9./10.9.2025 ZUKUNFTSMEILE 2, PADERBORN WEITERE INFOS 21 D 3 K C A J K C A L B / K C O T S I : E L L E U Q D L I B

22

THEMENSCHWERPUNKT: KÜNSTLICHE INTELLIGENZ

23

AI ALS INNOVATIONSTREIBER Der Kompetenzbereich AI im Software Innovation Campus Paderborn Artificial Intelligence (AI) hat sich in den letzten Jahren von einer viel diskutierten Zukunftstechnologie zu einem entscheidenden Faktor für Wettbewerbsfähigkeit und Innovation entwickelt. Im SICP – Software Innovation Campus Paderborn widmet sich ein eigener Kompetenzbereich diesem Thema und zeichnet sich durch einen klaren Anwendungsfokus aus. Im Interview sprechen Prof. Dr. Oliver Müller, wissenschaftlicher Direktor, und Dr. Christoph Wes- kamp, Manager des Kompetenzbereichs Artificial Intelligence, über Ziele, Herausforderungen und konkrete Chancen für Unternehmen. Herr Prof. Dr. Müller, Herr Dr. Weskamp, warum braucht es einen eigenen Kompetenzbereich für Artificial Intelligence im SICP? Prof. Dr. Oliver Müller: Weil AI inzwischen in nahezu allen Branchen eine Schlüsselrolle spielt – von der Automatisierung in der Fertigung über intelligente Services im Handel bis hin zur datengetriebenen Entscheidungsunterstützung in der Energiewirtschaft oder der Mo- bilität. Im SICP wollen wir dieses Thema nicht nur aus wissenschaft- licher Sicht vorantreiben, sondern gezielt in die Anwendung bringen. Dafür braucht es einen zentralen Ort, an dem Expertise, Daten und Methoden zusammengeführt und gemeinsam mit Industriepartnern konkrete Lösungen erforscht werden können. Dr. Christoph Weskamp: Viele Firmen wissen, dass sie sich mit AI aus- einandersetzen müssen, aber ihnen fehlen häufig noch Ressourcen, Know-how oder geeignete Partner. Der Kompetenzbereich ist genau dafür da: Wir schaffen einen Raum für vertrauensvolle Zusammen- arbeit, in dem innovative AI-Anwendungen entstehen, zugeschnitten auf reale industrielle Herausforderungen. Unsere Motivation ist es, Technologie verständlich und nutzbar zu machen – nicht als Zukunfts- versprechen, sondern als greifbaren Wettbewerbsvorteil. Worauf konzentriert sich Euer Kompetenzbereich ganz konkret? Müller: Unser Fokus liegt auf der Entwicklung und Evaluation AI-ba- sierter Methoden und Systeme zur Automatisierung von Prozessen oder zur Unterstützung von Entscheidungen. Dafür erforschen wir verschiedene AI-basierte Methoden und Techniken und kombinie- ren sie miteinander. Konkret arbeiten wir an Methoden des maschi- nellen Lernens, der Natürlichen Sprachverarbeitung und der wis- sensbasierten Systeme, also Techniken, die es ermöglichen, aus komplexen Daten fundierte Mehrwerte abzuleiten. Aktuell im Trend stehen natürlich auch generative Modelle wie gro- ße Sprachmodelle oder multimodale AI-Systeme. Sie eröffnen völlig neue Möglichkeiten: für Assistenzsysteme, für die Automatisierung von Prozessen, aber auch zur intelligenten Unterstützung in der Softwareentwicklung oder im Kundenservice. Wir erforschen, wie sich solche Modelle effizient anpassen und sicher in industrielle An- wendungen integrieren lassen, ohne dabei die Kontrolle, Transpa- renz und Verantwortlichkeit aus dem Blick zu verlieren. Ihr verbindet technologische Forschung mit ethischen, rechtlichen und gesellschaftlichen Fragestellungen. Warum ist dieser interdis- 23

24

ziplinäre Ansatz für Euch so zentral? Weskamp: Weil Unternehmen heute nicht mehr nur die technische Machbarkeit im Blick haben dürfen. Sobald AI in reale Anwendun- gen überführt wird, etwa in der Produktion oder im Kundenser- vice, stehen sofort Fragen im Raum: Ist das rechtskonform? Ist das ethisch vertretbar? Können wir die Entscheidungen des Systems er- klären – gegenüber Kunden, Auditoren oder Mitarbeitenden? Genau hier zeigt sich: Rein technische Exzellenz reicht nicht aus. Bei uns im Kompetenzbereich arbeiten daher Informatiker*innen und Wirtschaftsinformatiker*innen eng mit Expert*innen aus Recht, Ethik und Wirtschaftswissenschaft zusammen. Dieser interdiszip- linäre Austausch ist kein Beiwerk, sondern essenziell, weil wir nur so Lösungen entwickeln können, die nicht nur funktionieren, son- dern auch verantwortungsvoll und nachhaltig einsetzbar sind. Ein Schwerpunkt liegt insbesondere auch auf der Erklärbarkeit von AI: Wenn Systeme eigenständig Inhalte erzeugen oder Entscheidungen vorbereiten, müssen diese Prozesse für Anwender*innen nachvoll- ziehbar sein, gerade im industriellen Umfeld, wo Zuverlässigkeit und Qualität essenziell sind. Wie zeigt sich dieser Ansatz konkret in Eurer Arbeit? Gibt es ein Bei- spiel für ein Projekt, in dem technologische und gesellschaftliche Aspekte eng miteinander verzahnt wurden? Weskamp: Ein sehr gutes Beispiel ist unsere Beteiligung am Kom- petenzzentrum Arbeitswelt.Plus, das vom Bundesministerium für Forschung, Technologie und Raumfahrt gefördert wird. Dort arbeiten wir mit zahlreichen Partnern aus Wissenschaft, Industrie und Sozial- partnerschaft zusammen, um AI gezielt für die Arbeitswelt von mor- gen zu gestalten – und zwar menschenzentriert und nachhaltig. für neue Mitarbeitende effizienter und zielgerichteter zu gestalten. Das System soll beim Prozess unterstützen, bisheriges Expertenwis- sen im Unternehmen zu erfassen, aufzubereiten und anschließend an neue Mitarbeiter*innen weiterzugeben. Entwicklung und Einsatz dieser Technologie bringen neue sozio-technische Fragen mit sich: Welches Wissen im Unternehmen ist wichtig? Entsprechen die gene- rierten Ergebnisse noch dem aktuellen Wissenstand oder sind sie inzwischen veraltet? Verletzen die generierten Ergebnisse die Privat- sphäre der Mitarbeitenden? Wie stellen wir sicher, dass die Systeme nachvollziehbar bleiben und nicht das Gefühl entsteht, dass Men- schen durch AI ersetzt werden? In der Projektarbeit beziehen wir daher frühzeitig die betroffenen Mitarbeitenden und Führungskräfte ein, erproben neue Formen der Zusammenarbeit zwischen Mensch und Maschine und evaluieren kontinuierlich auch die sozialen Auswirkungen, beispielsweise im Rahmen von Feldexperimenten. Welche Entwicklungen im Kontext von AI beobachtet Ihr aktuell be- sonders aufmerksam? Müller: Eine der dynamischsten Entwicklungen ist derzeit natürlich der rasante Fortschritt bei großen generativen Modellen – insbeson- dere Sprachmodelle wie GPT oder multimodale Systeme, die Text, Bild, Ton und andere Datenformen kombinieren können. Wir beob- achten intensiv, wie Large Language Models nicht nur in der reinen Sprachverarbeitung, sondern zunehmend in domänenspezifischen Anwendungen skalieren, z.B. für industrielle Planung oder Energie- prognosen. Ebenso spannend ist die Entwicklung von AI-Agenten, die autonom handeln und komplexe Aufgaben eigenständig erledi- gen können. Diese intelligenten Agenten eröffnen völlig neue Mög- lichkeiten, etwa in der Automatisierung industrieller Prozesse oder im Kundenservice. Ein konkretes Projekt in diesem Rahmen beschäftigt sich mit dem Einsatz eines generativen AI-Systems, um den On-Boarding-Prozess Ein weiterer bedeutender Trend ist das Thema Prescriptive Analy- 2424

25

tics und in diesem Kontext die Verbindung von verschiedenen Ver- fahren wie zum Beispiel maschinellem Lernen mit mathematischer Optimierung. Anders als klassische Predictive-Modelle, die sich da- rauf beschränken, zukünftige Ereignisse und Entwicklungen vorher- zusagen, geht Prescriptive Analytics einen entscheidenden Schritt weiter: Es werden konkrete Maßnahmen, Handlungsempfehlungen oder Entscheidungen prognostiziert, um aktiv Einfluss auf zukünfti- ge Entwicklungen nehmen zu können. Durch diese gezielte Kombi- nation von datengetriebenen Prognosen und optimierenden Verfah- ren lassen sich nicht nur Risiken besser abschätzen, sondern auch Chancen effizienter nutzen und konkrete Ziele präziser erreichen. Ein Beispiel dafür ist die Verknüpfung von Prognosemodellen für die Nachfrageplanung mit Optimierungsmethoden im Bereich Supply Chain Management. Während die Prognosemodelle helfen, zukünf- tige Bedarfe genau vorherzusagen, identifizieren Optimierungsalgo- rithmen direkt im Anschluss die besten operativen Maßnahmen, um diese Bedarfe möglichst kosteneffizient und ressourcenschonend zu erfüllen. Und schließlich beobachten wir natürlich auch die regulatorische Entwicklung, etwa auf EU-Ebene mit dem AI Act. Für uns bedeutet das: Technologische Innovation muss Hand in Hand mit rechtlicher und gesellschaftlicher Reflexion gehen. Genau diese Verbindung zwischen Forschung und Verantwortung prägt auch unsere Arbeit im Kompetenzbereich AI. litativ hochwertige und gut strukturierte Daten, um effektiv arbeiten zu können. Viele Unternehmen verfügen zwar über umfangreiche Datenmengen, diese sind jedoch oft verteilt, nicht einheitlich er- fasst oder nur schwer zugänglich. Eine weitere Herausforderung liegt in der Kompetenzentwicklung der Mitarbeitenden. Die Einführung von AI-Technologien verändert beste- hende Rollen und schafft neue Anforderungen an das Fachwissen der Beschäftigten. Viele Mitarbeitende stehen AI häufig zunächst skep- tisch gegenüber oder verfügen nicht über die notwendigen Fähigkei- ten. Hier unterstützen wir Unternehmen proaktiv, indem wir gezielte Qualifizierungsangebote schaffen. Mit der SICP Academy bieten wir maßgeschneiderte Weiterbildungsprogramme an, die Mitarbeitende befähigen, AI-Systeme effektiv und kritisch zu nutzen. Beispielswei- se veranstalten wir Workshops zum Thema „Generative AI“, in denen Mitarbeitende praktische Techniken wie effektives Prompting erler- nen und diskutieren, wie Large Language Models konkret zur Produk- tivitätssteigerung eingesetzt werden können. Darüber hinaus begegnen Unternehmen oft strategischen Unsicher- heiten: Wo und wie kann AI konkret Mehrwert schaffen? Welche Pro- zesse eignen sich besonders gut zur Automatisierung oder zur Un- terstützung durch AI? Genau hier setzen wir als Kompetenzbereich an, indem wir in gemeinsam mit den Unternehmen in verschiedenen Kooperationsformaten klare AI-Strategien entwickeln, mögliche Ein- satzszenarien identifizieren und diese methodisch erproben. Wenn Ihr mit Unternehmen zusammenarbeitet: Welche Herausfor- derungen begegnen ihnen typischerweise bei der Integration von AI in bestehende Strukturen und Prozesse? Und wie unterstützt Ihr die Unternehmen als Kompetenzbereich dabei, genau diese Hürden zu überwinden? Weskamp: Eine wesentliche Hürde ist häufig die unzureichende oder noch nicht vorhandene Datenbasis. AI-Modelle benötigen qua- Und abschließend: Was wünscht Ihr Euch für die Zukunft der AI-For- schung in Deutschland? Müller: Ich wünsche mir, dass wir in Deutschland den Mut haben, AI nicht nur zu regulieren, sondern auch aktiv zu gestalten – wis- senschaftlich, technologisch und gesellschaftlich. Wir haben in der Forschung hervorragende Voraussetzungen: starke Universitäten, exzellente Fachkräfte und mit dem SICP ein hervorragendes Innova- 25

26

tionsnetzwerk zwischen Wissenschaft und Wirtschaft. Aber wir müs- sen schneller, agiler und mutiger werden, gerade im internationalen Vergleich. Zudem muss die AI-Forschung noch enger mit der Breite der Gesell- schaft verzahnt werden. Dazu gehört eine bundesweite (Weiter-) Bildungsinitiative, die sowohl Fachkräfte qualifiziert als auch be- stehende Beschäftigte für den Umgang mit AI vorbereitet. Am SICP machen wir hier bereits mit der SICP Academy gute Erfahrungen mit Formaten zu Professional Education, Talentförderung oder Unter- stützung beim Recruiting. Solche Strukturen müssen ausgebaut und bundesweit vernetzt werden. Zuletzt wünsche ich mir, dass wir Deutschland als Vorreiter für ver- trauenswürdige AI positionieren - mit klaren ethischen, rechtlichen und technischen Leitplanken. Das heißt aber auch: Wir dürfen nicht nur regulieren, sondern müssen den Transfer von Forschung in die Anwendung deutlich beschleunigen. Der SICP zeigt in vielen Projek- ten, wie das gelingen kann, insbesondere durch die enge Zusam- menarbeit mit mittelständischen Unternehmen, die oft keine eige- nen AI-Teams haben, aber riesiges Potenzial mitbringen. Weitere Infos zum Kompetenzbereich Artificial Intelligence: https://www.sicp.de/alle-kompetenzbereiche/artificial-intelligence Prof. Dr. Oliver Müller, wissenschaftlicher Direktor des Kompetenzbereichs Artificial Intelligence im SICP Dr. Christoph Weskamp, Manager des Kom- petenzbereichs Artificial Intelligence im SICP 2626

27

JETZT GEMEINSAM DIE ZUKUNFT GESTALTEN Sie möchten Potenziale von Artificial Intelligence für Ihr Unternehmen erschließen? Sie haben eine konkrete Idee, ein Problem oder einfach den Wunsch, in das Thema AI einzusteigen? Was wir bieten: • Machbarkeitsanalysen und Use-Case-Entwicklung • Gemeinsame Forschungs- und Transferprojekte • Prototypische AI-Anwendungen • Workshops, Schulungen und strategische Beratung • Zugang zu interdisziplinärem Forschungswissen Kontaktieren Sie uns unverbindlich Direktor Prof. Dr. Oliver Müller E-Mail: oliver.mueller@uni-paderborn.de Manager Dr. Christoph Weskamp E-Mail: weskamp@sicp.de 27

28

KI-TEXTANALYSE IN DER FINANZBRANCHE Beschleunigung der Finanzrisikobewertung mit BARS Der Einfluss Künstlicher Intelligenz (KI) nimmt in zahlreichen Bran- chen stetig zu, und der Finanzsektor bildet hier keine Ausnahme. Im- mer häufiger werden Mitarbeiter*innen in verschiedenen Bereichen durch KI-Anwendungen von Routineaufgaben entlastet. Ein aktuelles Beispiel hierfür ist die KI-Textanalyse im Bilanzanalysesystem BARS der S&N Invent GmbH, Mitgliedsunternehmen im SICP – Software In- novation Campus Paderborn. BARS ist bei Finanzinstituten im deutschsprachigen Raum das führen- de System zur Auswertung von Jahresabschlüssen (aka „Bilanzen“) von Unternehmen. Die Bilanzanalyse liefert hierbei wichtige Kennzah- len für die Beurteilung der Bonität, also der Ausfallwahrscheinlichkeit der Kunden. Aus diesen Kennzahlen leitet sich unmittelbar ab, ob und zu welchen Konditionen der Kunde der Bank einen Kredit erhält. Bisher war die Analyse von BARS auf die Zahlen aus der Bilanz sowie der Gewinn- und Verlustrechnung beschränkt. Die Auswertung text- basierter Teile des Jahresabschlusses sowie die Erfassung darin ent- haltener relevanter Befunde erfolgte immer durch eine Analystin oder einen Analysten. Angesichts des oft großen Umfangs der Dokumen- te – von 50 Seiten bei kleineren Unternehmen oder 300 Seiten und mehr bei Konzernen – war dieser Prozess bisher zeitaufwendig und teuer. ten, objektiveren Analyse und minimiert das Risiko, dass relevante Sachverhalte unentdeckt bleiben. Dennoch behalten Analyst*innen weiterhin die volle Entscheidungsbefugnis über die Kreditvergabe. Die überwiegende Anzahl der Texte ist durch rechtliche Vorgaben erforderlich. Viele weitere Informationen dienen der positiven Dar- stellung des Unternehmens gegenüber Investoren, Mitarbeiter*innen und der Allgemeinheit. Die KI hilft hier, genau die Textstellen zu iden- tifizieren, die sich mit dem Geschäftsverlauf, Problemen, Verände- rungen und Risiken beschäftigen. Sie unterstützt mit der Suche nach vorgegebenen Sachverhalten und individuellen Fragestellungen der Analyst*innen. Dies steigert nicht nur die Effizienz und Qualität der Finanzanalyse, sondern ermöglicht es der Bank auch, Bilanzen mit er- kannten Risiken bei der Analyse zu priorisieren. Zur Extraktion, Verarbeitung und Analyse der Textinhalte aus den Do- kumenten wird ein spezialisiertes Large Language Model (LLM) einge- setzt. Die Bilanzdokumente werden mithilfe von Fragenkatalogen auf 15 Sachverhalte überprüft, darunter Anzeichen von Zahlungsschwie- rigkeiten, Investorenaktivitäten, Gerichtsprozessen und Schadens- ereignissen. Je nach Bedarf können weitere Sachverhalte hinzugefügt werden. Die Komplexität des jeweiligen Sachverhalts bestimmt die Anzahl an Fragen, die das LLM zu den Dokumenten beantwortet. Die KI-Textanalyse erkennt Risiken, Veränderungen und andere rele- vante Aspekte in Jahresabschlüssen. Durch die KI-Analyse wird die Auswertung standardisiert und die Abhängigkeit von der Erfahrung der jeweiligen Analyst*innen reduziert. Dies führt zu einer konsisten- Bei einem Fund wird eine prägnante Zusammenfassung erstellt, über die der Analyst*innen nach Abschluss der KI-Analyse durch eine Benachrichtigung informiert werden. Zur Nachvollziehbarkeit der Analyse werden die relevanten Textstellen in den Bilanzdoku- menten visuell hervorgehoben. Um die Analyse individuell auf die 2828

29

N E S U A H R E K C A W B O C A J / K C O T S I : E L L E U Q D L I B Anforderungen der jeweiligen Institute anzupassen, können die Analyst*innen eigene Fragen zu den Bilanzdokumenten stellen. Die- se werden in ähnlicher Weise wie die vordefinierten Sachverhalte verarbeitet und beantwortet. Die KI-Textanalyse wurde in Zusammenarbeit mit den Kunden der S&N Invent GmbH mit mehreren 100.000 Jahresabschlüssen trainiert. Sie befindet sich derzeit im Probebetrieb und hat sich bei der Analyse einer großen Anzahl von Bilanzen als äußerst effektiv erwiesen. Weitere Informationen zu BARS finden Sie hier: BARS - Bilanzanalyse und Rating - das Bilanzanalysesystem. Kontakt 29 Claus Hoffmann Product Line Manager, S&N Invent GmbH Claus.Hoffmann@sn-invent.de

30

NO-CODE-ANSATZ VON WEIDMÜLLER edgeML – Machine Learning direkt an der Steuerung Die neue Machine-Learning-Lösung edgeML von Weidmüller ist un- abhängig von Cloud- und Internetzugang. Lernalgorithmen können nun direkt an der Edge laufen – sei es in Form einer SPS oder eines IPC. Dabei steht die Software als Docker-Container zur Verfügung. Somit ist edgeML herstellerunabhängig und kann auf allen gängi- gen industriellen Steuerungen verwendet werden, die eine Ausfüh- rung von Docker-Containern unterstützen. edgeML kann verschie- dene Modelle zu maschinellem Lernen ausführen und eignet sich für Automatisierungsingenieure. Der No-Code-Ansatz von Weidmül- ler macht es möglich, ML-Modelle auch ohne Kenntnisse in Python oder Data Science auf eine Steuerung zu deployen. Mit edgeML Mehrwerte schaffen Machine Learning direkt an der Anlage bringt gleich mehrere Vor- teile mit sich. Einer der wichtigsten ist die lokale Erfassung, Spei- cherung und Verarbeitung von Daten. Denn im Gegensatz zu cloud- basierten ML-Lösungen muss die Maschine oder die Steuerung die Daten nicht in die Cloud übertragen. Sie werden lokal verarbeitet. So können Betreiber sicherstellen, dass sensible Daten das Unter- nehmen nicht verlassen. Die neue ML-Lösung bedeutet außerdem Schnelligkeit: Unstim- migkeiten im Produktionsprozess werden direkt an der Maschine erkannt. Das beschleunigt die Fehlerbehebung, beugt langen Aus- fällen vor und verringert die Produktion von Ausschuss. Gleichzei- tig spart edgeML Kosten, da Cloud-Lizenzen und Gebühren für die Datenübertragung und -speicherung entfallen. Auch Produktionslinien, deren Maschinen und Anlagen aus Sicher- heitsgründen nicht mit dem Internet verbunden werden dürfen, pro- fitieren mit edgeML von maschinellem Lernen. Einfaches Erstellen und Anpassen von Modellen Der Weg zu einem Machine-Learning-Modell auf der Edge beginnt mit der Datensammlung an der Anlage. Diese importiert die/der Automatisierungsingenieur*in oder Domänenexpert*in in den Mo- delBuilder. Dort kann er/sie nun auf Basis der Daten ML-Modelle er- stellen, die im letzten Schritt auf edgeML übertragen werden. Da edgeML das Standardformat ONNX unterstützt, haben Anwender zusätzlich zum ModelBuilder weitere Möglichkeiten: Modelle lassen sich beispielsweise auch in Python erstellen. So können sie maschi- nelles Lernen in ihrem gewohnten Umfeld verwirklichen. Existierende ONNX-Modelle lassen sich ebenfalls mit edgeML wiederverwenden. Performt ein Modell nicht mehr in gewünschter Weise, lässt es sich leicht ersetzen, ohne dass die Kommunikationseinstellungen ange- passt werden müssen. Somit unterstützt edgeML eine einfache Ver- waltung des Lebenszyklus von ML-Modellen (MLOps). Um Zeit und Ressourcen bei der Erstellung von ML-Lösungen möglichst gering zu halten, ermöglicht Weidmüller in Zukunft auch die Kalibrierung von erstellten Modellen. Diese Funktion ist bereits in ModelRuntime ver- fügbar. Ein Standardmodell für eine Maschinenfamilie wird zu einer Schablone, die auf andere Maschinen derselben Klasse ausgewei- tet werden kann. An diesen lernt das angewandte Modell weiter, um 3030

31

Foto: edgeML verwirklicht Machine Learning direkt dort, wo die Daten entstehen. sich auf die jeweilige Anlage anzupassen. Dies ermöglich die ska- lierbare Wiederverwendung von ML-Modellen. Nutzbar auf allen Systemen Über RestAPI können auch Kunden, die bereits eine HMI (Mensch- Maschine-Interaktionsschnittstelle) oder ein MS-System integriert haben, edgeML anwenden. Für den nächsten Entwicklungsschritt ist geplant, die Zugänglichkeit des Produkts weiter zu verbessern. Ein Connector wird die Grenzen von Feldbussen und Protokollen über- winden, sodass edgeML übergreifend einsetzbar wird. Kontakt 31 Marc Landermann Leiter Weidmüller Unternehmenskommunikation presse@weidmueller.com

32

VERSTEHEN, WAS KÜNSTLICHE INTELLIGENZ DENKT? TRR 318 „Constructing Explainability“ Wie können wir verstehen, was Künstliche Intelligenz (KI) denkt? Diese Frage ist eine der zentralen Motivationen des Forschungs- zentrums, das vor vier Jahren begann. Der gemeinsame Sonderfor- schungsbereich/Transregio (TRR) 318 der Universitäten Paderborn und Bielefeld startete mit einer visionären Idee: Um komplexe KI-Er- gebnisse nachvollziehbar zu machen, braucht es einen Dialog zwi- schen System und Nutzer*innen, in dem beide gemeinsam zu einer Erklärung beitragen. Stand der Technik war es bis vor kurzem, dass KI-Systeme für ihre Ergebnisse zwar eine Art Erklärung produzieren können – in Form von Diagrammen zur Bedeutung von Eigenschaf- ten für ein Ergebnis (z.B. „Feature Importance“-Erklärungen). Aller- dings waren diese Erklärungen oft unvollständig und so gestaltet, dass Nutzer*innen sie weder nachvollziehen noch kritisch hinter- fragen konnten. Der TRR 318 will das ändern. Der mangelnde Erfolg bestehender Erklärsysteme ist nicht nur vor dem Hintergrund der aktuellen rechtlichen Regulierungen, wie zum Beispiel dem Recht auf Erklärungen oder dem notwendigen Kom- petenzaufbau der Mitarbeitenden vor dem Einsatz von KI in Unter- nehmen, relevant. Weil KI immer stärker in gesellschaftliche Ent- scheidungsprozesse eingreift, muss das Gelingen verständlicher Erklärungen zu einer gemeinsamen, pragmatischen Aufgabe wer- den – noch bevor solche Systeme breit eingesetzt werden. Ko-konstruierende Systeme als Schlüssel zur Verständlichkeit Nach vier Jahren Forschung trägt der TRR 318 nun dazu bei, Erklä- rungen als Prozess zu verstehen. Die Idee eines ko-konstruierenden Systems – eines Systems, das sich auf jeden Nutzenden einstellen und eine Erklärung in unterschiedlicher Form und nach Bedarf ge- nerieren kann – zeigt sich in der Realität als die aktuell erfolgver- sprechendste Lösung. Dieser gehen auch große Unternehmen wie OpenAI nach: Während frühere Versionen von ChatGPT beispielswei- se nicht in die Simulation eines Nutzerdialogs eingegriffen haben, stellen neuere Versionen vermehrt Rückfragen oder unterbreiten Al- ternativen, um die Nutzer*innen zu integrieren. Diese Entwicklung spiegelt die Forschung wider: In der ersten Förder- periode hat der TRR empirische Untersuchungen zum Verständnis der Erklärungsprozesse in Mensch-Mensch- und Mensch-KI-Interak- tionen durchgeführt und dabei Erkenntnisse darüber gewonnen, wie Erklärungsdialoge in Alltagssituationen strukturiert sind und wie Nutzer*innen modelliert werden können, um Erklärungen entspre- chend anpassen zu können. Aufbauend auf diesen Erkenntnissen wurden erste erklärbare KI-Systeme (XAI-Systeme) entwickelt, die die Nutzer*innen einbeziehen: Sie interagieren ko-konstruktiv und passen die Erklärungen Stück für Stück im Verlaufe des Dialogs an. Darüber hinaus wurde untersucht, ob und in welchen Situationen es den Nutzer*innen wichtig ist, die Funktion und den Output von KI zu verstehen. Die Ergebnisse zeigen, dass die Erklärungsbedürfnisse der Nutzer*innen vielfältig sind und sich im Laufe der Interaktion dynamisch verändern. Erklärsysteme dürfen daher nicht auf Basis einfacher Kriterien stereotypisieren und zum Beispiel nur zwei Arten von Erklärungen produzieren, wie das der Fall mit einer Version für Laien und einer Version für Expert*innen wäre. Stattdessen müssen die Systeme in jeder Phase der Erklärung in der Lage sein, auf verän- 3232

33

„Die Forschung der beteiligten Universitäten ist insbesondere für die deutsche Wirtschaft relevant, weil eine Stärke Deutschlands und Europas in der Zukunft sein wird, nicht nur performante, son- dern auch zuverlässige und nachvollziehbare KI-Systeme zu entwi- ckeln. Absolut erfolgskritisch für die effiziente Anwendung ist die effektive und verantwortungsbewusste Integration von Künstlicher Intelligenz in Unternehmen, für die erklärbare und zur Kollaboration fähige KI-Erklärsysteme geschaffen werden müssen“, erläutert Prof. Dr. Philipp Cimiano, Leiter der AG Semantische Datenbanken an der Universität Bielefeld sowie stellvertretender Sprecher des TRR 318. Bringen Sie Ihre Expertise ein und gestalten Sie die Zukunft nach- vollziehbarer KI mit Unternehmen mit Interesse an einer Kooperation sind eingeladen, Kontakt aufzunehmen. Weitere Informationen zum TRR 318 „Con- struc ting Ex plaina bi li ty“: https://trr318.uni-paderborn.de. derte Erwartungen und Ansprüche von Menschen zu reagieren, um verständliche sowie relevante Erklärungen zu produzieren. Nutzerzentrierte Erklärungen durch verbesserte Modellierung und Dialoggestaltung Mit den Ergebnissen zur verbesserten Modellierung von Menschen und verbesserter Dialoggestaltung trägt der TRR zu einer deutlich nutzerzentrierten Gestaltung von Erklärungen bei, die den Men- schen in den Mittelpunkt rückt. Dadurch wird sowohl die Gestaltung von KI-Systemen durch Expert*innen als auch die Kollaboration zwi- schen KI und Nutzer*innen deutlich verbessert. „Aktuell bereiten wir die zweite Förderphase des TRR vor. Auf Basis der Ergebnisse der ersten Phase soll hier untersucht werden, inwie- fern typisch menschliche Anpassungen auf den Kontext einer Erklä- rung auch auf die Erklärungen von KI übertragen werden können“, so Prof. Dr. Katharina Rohlfing, Sprecherin des Sonderforschungsbe- reichs Transregio 318 an der Universität Paderborn, Mitglied im Vor- stand des SI-Lab im SICP – Software Innovation Campus Paderborn sowie Direktorin des Kompetenzbereichs Human-Centered Digitality im SICP. „Menschen reagieren durch das Anknüpfen an bereits Ge- sagtes, die Anpassung des Kommunikationsstils und die Zuhilfe- nahme von Gesten auf den sozialen Kontext einer Erklärung. Im Falle einer Förderung durch die Deutsche Forschungsgemeinschaft (DFG) für die nächsten Jahre soll untersucht werden, wie diese menschli- chen Reaktionen, von denen bekannt ist, dass sie zum Gelingen von Erklärungen beitragen, auch von KI-Systemen übernommen werden können“, ergänzt Prof. Dr. Kirsten Thommes, Projektleiterin im TRR 318 sowie Professorin für Organizational Behavior an der Universität Paderborn und im Software Innovation Lab im SICP. Kontakt Prof. Dr. Katharina Rohlfing Institut für Germanistik und Vergleichende Literaturwissenschaft katharina.rohlfing@uni-paderborn.de 33

34

WENN KI AUF LOW-CODE-EXPERTISE TRIFFT Wie aus alltäglichen Problemen faszinierende Lösungen werden Was passiert, wenn KI auf alltägliche Probleme trifft? Innovation entsteht. Unsere zwei Praxisbeispiele zeigen: Die Verschmelzung von Künstlicher Intelligenz und Low-Code verwandelt frustrierende Routineaufgaben in elegante Lösungen – mit überraschend gerin- gem Aufwand. Es gibt Momente in der Softwareentwicklung, die einen wirklich be- geistern. Wenn aus einer scheinbar simplen Anforderung plötzlich eine Lösung entsteht, die nicht nur funktioniert, sondern echten Mehrwert schafft. Genau das erleben wir derzeit, wenn Künstliche Intelligenz auf Low-Code-Entwicklung trifft. Der Durchbruch: Natürliche Sprache statt starrer Kommandos Stellen Sie sich vor: Ein Techniker steht vor einem Gabelstapler, prüft die Bremsen, das Licht, die Hydraulik. Seine Hände sind ölver- schmiert, Handschuhe erschweren jede Bedienung. Trotzdem muss er penibel dokumentieren – Punkt für Punkt einer umfangreichen Checkliste. Ein alltägliches Dilemma in Werkstätten und Produkti- onshallen. Genau mit diesem Problem wandte sich ein Kunde an agentbase: Wie können Techniker während Wartungsarbeiten effizient doku- mentieren, wenn eine händische Bedienung praktisch unmöglich ist? nierte, allerdings nur bei exakter Wortwahl. Sagte der Techniker statt "ja funktioniert" beispielsweise "einwandfrei" oder "läuft perfekt", versagte die Erkennung. Der entscheidende Wendepunkt kam mit ChatGPT: Diese KI versteht natürliche Sprache und übersetzt sie in strukturierte Antworten. "Licht leuchtet" wird automatisch als "funktioniert" erkannt und ent- sprechend in der Checkliste vermerkt. Wie ein intelligenter Dolmet- scher zwischen Menschen und Computer. Das Faszinierende: Statt hunderte Wenn-Dann-Regeln zu program- mieren, reichte eine clevere Anweisung (= "Prompt") an die KI. Diese übernimmt die komplette Interpretation. Der Programmieraufwand schrumpfte dramatisch. Die Anwendungsmöglichkeiten sind beeindruckend vielfältig: von der Maschinenwartung über Qualitätskontrollen bis hin zur Patien- tenversorgung – überall wo strukturierte Dokumentation per Hand erfolgt. Automatisierte Belegerfassung: Von der Vision zur Realität Das zweite Beispiel: Reisekostenabrechnungen – ein Dauerthema in jedem Unternehmen. Die manuelle Erfassung jedes Belegs kostet Zeit und produziert Fehler. Ein idealer Kandidat für intelligente Auto- matisierung. Unser erster Ansatz setzte auf Spracherkennung mit festgelegten Kommandos – ähnlich wie bei Alexa oder Siri. Das System funktio- Unsere Lösung nutzt die Bilderkennung von ChatGPT. Mitarbeiter 3434

35

T R E I R E N E G I K / K I P E E R F : E L L E U Q D L I B Unsere wichtigsten Erkenntnisse: • KI erweitert bestehende Systeme perfekt, ohne Neuaufbau • Minimaler Aufwand, maximaler Nutzen für Anwender • Clevere KI-Anweisungen sind wichtiger als komplizierter Code • Selbst veraltete Software wird zukunftsfähig Ausblick: Diese Beispiele kratzen nur an der Oberfläche. Überall wo Menschen repetitive, regelbasierte Aufgaben erledigen, wartet Po- tenzial für intelligente Automatisierung. Die Zukunft der Software- entwicklung: weniger programmieren, mehr intelligent instruieren. fotografieren ihre Belege mit dem Smartphone, die KI analysiert die Bilder automatisch: Belegtyp, Datum, Beträge, Steuersätze und bei Auslandsbelegen auch die Währung. Selbst komplexe Hotelrech- nungen mit verschiedenen Steuersätzen werden korrekt erfasst. Besonders bemerkenswert: Die Integration in eine jahrelang be- währte Anwendung erforderte nur wenige Stunden. Statt das kom- plette System neu zu bauen, wurde einfach eine moderne Kompo- nente angedockt – wie ein intelligentes Add-on. Der Erfolg basiert wieder auf intelligentem Anweisungsdesign: Eine einzige, gut formulierte Aufgabenbeschreibung deckt verschiedens- te Belegarten ab. Die KI lernt automatisch, unterschiedliche Layouts zu verstehen – ohne spezielle Programmierung für jeden Belegtyp. Die neue Entwicklungsart: Anweisen statt Programmieren Diese Projekte zeigen einen fundamentalen Wandel: Erfolgreiche KI-Lösungen entstehen weniger durch komplexe Programmierung als durch geschickte Kommunikation mit der KI. Entwickler werden zu "KI-Flüsterern" – sie erklären der Künstlichen Intelligenz präzise, was sie tun soll. Kontakt 35 Simone Wibbe Leiterin Marketing agentbase AG simone.wibbe@agentbase.de

36

VERNETZT, ENGAGIERT, ZUKUNFTSORIENTIERT – DAS TEAM HINTER AISCEMA 3636

37

MENSCH + MASCHINE = ZUKUNFT AISceMa: Wenn KI das Denken in Zukünften transformiert Das zweijährig laufenden Forschungsprojekt „AISceMa“ zeigt, wie Künstliche Intelligenz das Szenario-Management auf ein neues Ni- veau hebt. Ziel ist es, Zukunftsdenken effizienter, präziser und brei- ter zugänglich zu machen. Gemeinsam mit Partnern entwickelt die ScMI AG prototypenhaft eine Software, die menschliche Kreativität mit KI-Power verbindet – für mehr Orientierung in einer komplexen Welt. Durch den gezielten Einsatz von generativer KI werden Szenariopro- zesse nicht nur effizienter und schneller, sondern es entstehen auch völlig neue Möglichkeiten der Vorausschau und des Monitorings von Zukunftsthemen. Darüber hinaus wird bereits vorhandenes Zu- kunftswissen, etwa aus früheren Szenario-Prozessen, intelligent verknüpft und nutzbar gemacht. Das verbessert die Qualität der Er- gebnisse und spart wertvolle Ressourcen. KI als Partner für das strategische Zukunftsmanagement Durch Mensch-Maschine-Co-Kreation zu neuen Zukünften Wie können wir uns auf zukünftige Entwicklungen vorbereiten, die wir noch nicht kennen? In einer Welt zunehmender Unsicherheiten, Dynamiken und Disruptionen stoßen klassische Prognosemodelle immer stärker an ihre Grenzen. Viele Unternehmen und öffentliche Institutionen planen weiterhin auf Basis linearer Trends. Doch diese reichen in komplexen Entscheidungssituationen oft nicht mehr aus. Szenarien gelten hier als kraftvolle Instrumente, um sich durch die Unsicherheiten von morgen zu navigieren. Künstliche Intelligenz verändert die Wissensarbeit grundlegend. Studien zeigen, dass die Aufgabenbearbeitung durch KI-Unterstüt- zung um bis zu 40 % verbessert werden kann.1 Diese Hebelwirkung soll nun auch im Bereich der Zukunftsplanung genutzt werden. Durch Automatisierung werden Datenanalysen beschleunigt und Routinetätigkeiten übernommen, während durch Augmentierung menschliche Akteure bei strategischen und kreativen Aufgaben ge- zielt unterstützt werden. Allerdings ist ihre Entwicklung häufig aufwendig, ressourcenintensiv und stark abhängig von menschlicher Expertise. Genau hier setzt das Projekt „AISceMa“ (AI-Supported Scenario Management) an: Dessen Ziel ist eine KI-gestützte Szenario-Management-Software, die syste- matisches Zukunftsdenken neu denkt und für eine breitere Zielgrup- pe zugänglich macht – von Unternehmen jeder Größe über öffentliche Einrichtungen bis hin zu zivilgesellschaftlichen Akteuren. AISceMa verbindet beide Ansätze: Die KI übernimmt datenintensive Analyse- und Strukturierungsprozesse, während der Mensch stär- ker in die Rolle des Impulsgebers, Interpretierenden und Entschei- dungsträgers versetzt wird. So entsteht ein Co-Kreation-System, das bestehendes Zukunftswissen systematisch nutzt und gleichzeitig neue Zukünfte entwirft – evidenzbasiert, flexibel und visionär. 37

38

AISceMa zeigt eindrucksvoll: Die Verbindung von Technologie und Zukunftsmethodik ist kein Widerspruch – sondern der nächste logi- sche Schritt, um strategische Planungsprozesse zukunftsfähig, brei- ter wirksam und effizient zu gestalten. Dieses Projekt wird kofinanziert durch Mittel der Europäischen Uni- on im Rahmen des Europäischen Fonds für regionale Entwicklung (EFRE) und des Just Transition Fund (JTF) in Nordrhein-Westfalen 2021–2027. 1 Dell'Acqua, Fabrizio; McFowland III, Edward; Mollick, Ethan R.; Lifshitz-Assaf, Hila; Kellogg, Katherine; Rajendran, Saran; Krayer, Lisa; Candelon, François; Lakhani, Karim: Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality, Harvard Business School Technology & Operations Mgt. Unit Working Paper No. 24-013, 2023. Zugleich verfolgt AISceMa das Ziel, Zukunftsplanung zu demo- kratisieren. Durch die einfachere, zugänglichere und intuitive- re Gestaltung von Szenario-Prozessen können künftig nicht nur Großunternehmen, sondern auch kleinere Teams, Initiativen oder Einzelpersonen fundierte Zukunftsbilder entwickeln – ein Schritt hin zu breiter gesellschaftlicher Zukunftskompetenz. Innovation made in Paderborn: Forschung mit Praxisbezug Initiiert von der ScMI AG und realisiert mit dem Fraunhofer IEM, dem Netzwerk OWL Maschinenbau sowie der WAPP GmbH wird „AISce- Ma“ auf dem Innovationscampus Paderborn entwickelt. Das zwei- jährige Forschungsprojekt zielt nicht nur auf einen funktionierenden Software-Prototyp, sondern auch auf tragfähige Geschäftsmodel- le – insbesondere für kleine und mittlere Unternehmen (KMU). Das Projekt verfolgt dabei drei zentrale Ziele: 1. Die Erforschung der Einsatzmöglichkeiten von generativer KI im Szenario-Management. 2. Die prototypische Entwicklung einer Software, die Szenarien KI-basiert strukturiert, vernetzt und visuell darstellbar macht. 3. Die praktische Validierung in Musterprozessen – etwa in der Maschinenbauindustrie in NRW, um Resilienz und Innovati- onsfähigkeit zu stärken. Kontakt 3838 Jens-Peter Kuhle Prokurist, ScMI kuhle@scmi.de

39

KI.HOCHSTIFT neues Innovationsnetzwerk für Unternehmen in Paderborn & Höxter Künstliche Intelligenz (KI) verändert die Wirtschaft – doch gerade kleine und mittlere Unternehmen (KMU) stehen oft vor der Frage: Wie kann KI in unserem Betrieb sinnvoll eingesetzt werden? Mit KI.Hoch- stift gibt es nun eine regionale Initiative, die Unternehmen praxis- nah, vernetzt und ganzheitlich bei der Einführung und Nutzung von KI unterstützt. KI.Hochstift bietet Unternehmen eine niedrigschwellige und bedarfs- gerechte Begleitung auf ihrem Weg in die KI-Welt. Ob erste Orientie- rung, konkrete Anwendungsfälle oder strategische Integration – hier gibt es Antworten. Möglich wird dies durch eine enge Zusammenar- beit mit führenden KI-Experten aus der Wissenschaft und Wirtschaft. Unternehmen profitieren von einem breiten Angebot, das über klassi- sche Beratung hinausgeht: • Regelmäßige KI-Meet-ups: Austausch, Inspiration und Vernet- zung mit anderen Unternehmen und Experten der Region • Use Cases aus der Praxis: Erprobte KI-Lösungen für konkrete be- KI.Hochstift ist mehr als ein Beratungsangebot – es ist ein Netzwerk, das gemeinsam an der Zukunft der regionalen Wirtschaft arbeitet. Mit Unterstützung des Zukunftszentrums KI.NRW, InnoZent OWL e.V., dem Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM und den KI- Experten der enpit GmbH & Co. KG sowie Thorsten Ising werden Un- ternehmen im Rahmen der KI-Sprechtage begleitet. Die bestehenden KI-Meetups der Wirtschaftsförderungsgesellschaft Paderborn, Pader- born ist Informatik e.V. und der Incony AG werden erweitert und durch die Einbindung der FHDW und des SICP – Software Innovation Campus Paderborn um weiteres Know-how aus der Wissenschaft ergänzt. „KI ist längst keine Zukunftsmusik mehr – sie ist ein entscheidender Wettbewerbsfaktor. Mit KI.Hochstift wollen wir Unternehmen die rich- tigen Werkzeuge an die Hand geben, um die Potenziale dieser Tech- nologie zu nutzen und ihre Innovationskraft zu stärken“, so Daniel Beermann, Referent Wirtschaftsförderung der IHK-Zweigstelle Pader- born und Höxter sowie verantwortlicher Projektleiter von KI.Hochstift. • triebliche Herausforderungen Impulse aus der Wissenschaft: Direkter Zugang zu neuesten KI- Forschungsergebnissen und Technologien Unternehmen, die die Möglichkeiten von KI ausloten oder bereits be- stehende Ansätze weiterentwickeln möchten, sind herzlich eingela- den, Teil des Netzwerks zu werden. • Vertrauliche 1:1-Beratung im Rahmen der KI-Sprechtage: indivi- duelle Unterstützung – unabhängig von Branche und Unterneh- mensgröße Mehr Infos zu den aktuellen Veranstaltungen unter: https://www.ostwestfalen.ihk.de/unternehmen-entwickeln/digitali- sierung/kuenstliche-intelligenz/. Kontakt 39 Dr. Christoph Weskamp R&D Manager AI weskamp@sicp.de

40

STAATLICHE AUFTRÄGE FÜR KMU Milliardenaufträge – und niemand sieht sie? 500 Milliarden Euro vergibt der Staat jedes Jahr – doch viele KMU gehen leer aus. Nicht, weil ihnen die Kompetenz fehlt, sondern weil der Prozess voller Hürden steckt. Tenderflow will das ändern – und sorgt dafür, dass endlich die richtigen Unternehmen die passenden Aufträge bekommen. Stellen Sie sich vor, Sie hätten gestern den perfekten Großauftrag verpasst – einfach, weil niemand im Team ihn rechtzeitig gesehen hat. Klingt unrealistisch? Ist aber tägliche Realität für viele kleine und mittlere Unternehmen in Deutschland. Denn der Staat vergibt jedes Jahr Aufträge im Wert von rund 500 Milliarden Euro – doch der Großteil landet bei wenigen großen Playern. Warum? Weil der Zu- gang für KMU unnötig kompliziert ist. 1. Zugang? Nur mit viel Geduld und Glück Wer heute nach öffentlichen Ausschreibungen sucht, stößt auf ein fragmentiertes Dickicht: bund.de, evergabe.de, Vergabemarktplätze der Länder – alle mit eigener Logik, Suchmaske und Datenstruktur. 40 Prozent der Unternehmen sagen laut Bundeswirtschaftsministerium: Es ist nicht leicht, passende Ausschreibungen zu finden. Drei von vier würden häufiger nach Aufträgen suchen – wenn es eine zentrale, in- telligente Suche gäbe. Das Resultat: Täglich bleiben Aufträge ungesehen, weil niemand sie findet. Die Frustration steigt, der Aufwand ist zu hoch, die Motiva- tion sinkt. Eine klassische Lose-Lose-Situation. 2. Papierkrieg, der Chancen frisst Wenn Unternehmen dann doch eine Ausschreibung finden, beginnt der eigentliche Kampf: Die Unterlagen sind oft schwer verständlich, unvollständig oder voller juristischer Floskeln. Wer die Frist verpasst, weil intern Rückfragen nicht rechtzeitig geklärt werden konnten, ist raus. Und viele geben direkt auf: Weil sie nicht wissen, ob sich der Auf- wand lohnt – oder ob das große Unternehmen am Ende sowieso ge- winnt. Tenderflow: Der smarte Weg in den Vergabemarkt Hier setzt Tenderflow an: eine KI-gestützte Plattform, die Unterneh- men in die Lage versetzt, öffentliche Ausschreibungen endlich effi- zient und selbstbestimmt zu bearbeiten. Was Tenderflow für Sie tut: • Findet automatisch relevante Ausschreibungen – individuell auf Ihr Unternehmensprofil abgestimmt. • Analysiert komplexe Ausschreibungsunterlagen per KI: erkennt Anforderungen, Risiken und Erfolgschancen. • Gibt eine fundierte Go-/No-Go-Empfehlung zur Teilnahme – da- tenbasiert und schnell. 4040

41

• Ab 2026: Erstellt strukturierte Angebotsunterlagen mit Text- Warum es sich lohnt, jetzt umzudenken bausteinen und Vorlagen. Tenderflow denkt wie ein erfahrener Ausschreibungsexperte – nur schneller. Und macht den Zugang zum Milliardenmarkt fair und ef- fizient. Wer jetzt nicht automatisiert, verliert den Anschluss. Während große Unternehmen längst mit eigenen Vergabeteams arbeiten, sind viele KMU noch mit Exceltabellen und PDFs beschäftigt. Dabei entschei- det Geschwindigkeit und Präzision längst über den Zuschlag. Wie funktioniert Tenderflow technisch? Tenderflow ist nicht nur ein Tool – sondern ein strategischer Vorteil für alle, die den Einstieg in den öffentlichen Markt meistern wollen. Tenderflow kombiniert moderne Webtechnologie mit leistungsstar- ker KI, um komplexe Ausschreibungsprozesse radikal zu vereinfa- chen. Die Plattform analysiert tagesaktuell tausende öffentliche Bekanntmachungen aus Bund, Ländern und Kommunen und gleicht diese automatisch mit dem Profil des Unternehmens ab. Mithilfe von Natural Language Processing (NLP) werden die Ausschreibungs- unterlagen semantisch ausgewertet – dabei erkennt das System nicht nur formale Anforderungen, sondern extrahiert auch Risiken, Ausschlusskriterien und Erfolgschancen. Für die Nutzer*innen ent- steht daraus eine klare Go-/No-Go-Empfehlung. In Zukunft wird Tenderflow zusätzlich KI-gestützt bei der Angebotsformulierung hel- fen – mit intelligenten Textbausteinen, Vorlagen und automatischer Strukturierung. Das Ergebnis: weniger manuelle Arbeit, höhere Tref- ferquote, mehr gewonnene Aufträge. Jetzt testen – exklusiv für Leser*innen Sie haben diesen Artikel gelesen? Dann nutzen Sie Ihre Chance: Jetzt als Leser*in des SICP-Magazins kostenlosen Testzugang si- chern – und mit Tenderflow noch dieses Jahr öffentliche Aufträge ge- winnen. Exklusiv für KMU, die nicht länger zuschauen wollen. Kontakt 41 Lars Lammers CEO und Co-Founder, TenderFlow l.lammers@tenderflow.ai

42

QUELLE: TEAM GMBH/ADOBE FYERFLY 4242

43

KI MUSS SICH AUCH IRREN DÜRFEN Konkrete KI-Projekte mit echtem Mehrwert Künstliche Intelligenz ist überall – und nirgends: Zwar bestimmt das Thema seit zwei Jahren die öffentliche Diskussion. Doch konkrete Projekte sind, gerade im deutschen Mittelstand, nach wie vor sel- ten. Rainer Appel, Geschäftsführer der Paderborner TEAM GmbH, erklärt, warum die Zukunftstechnologie nur langsam aus den Start- löchern kommt und wie Betriebe schon heute Potenziale erschlie- ßen können. KI ist das zentrale Hightech-Thema, doch wie bei jeder anderen Tech- nologie wird es dauern, bis der Hype in konkrete Projekte mündet. Auch wenn sich der Bereich wahnsinnig schnell entwickelt, werden viele Vorhaben nicht abgeschlossen, benötigen mehr Zeit oder Bud- get als gedacht oder zeigen am Ende nicht den gewünschten Erfolg. Obwohl viele Unternehmen inzwischen vom Potenzial der KI über- zeugt sind, ist ein KI-Projekt kein Selbstläufer. Im Gegenteil: Wer es überhastet oder ohne klares Konzept angeht, kann Schaden anrich- ten, Vertrauen zerstören oder sogar gegen geltendes Recht verstoßen. Erfolgreich mit KI-Technologien durchstarten Die TEAM GmbH hat für KI-Anwendungen mittlerweile klare Best Practices entwickelt. „Eines unserer ersten KI-Kundenprojekte war die Implementierung einer KI-basierten Vertragsvorprüfung“, erklärt Rainer Appel. „Viele Unternehmen haben in ihren Datenbanken un- zählige Kunden- und Lieferantenverträge, Angebote oder Service- Vereinbarungen liegen, die von internen Mitarbeiter*innen mit viel Aufwand abgeglichen werden müssen. Eine KI kann das schneller, genauer, fehlerfreier und vollständig automatisiert. Das ist eine enorme Entlastung in einem sehr komplexen Umfeld, von der fast jedes Unternehmen profitieren kann.“ Ein weiteres Beispiel ist der Einsatz von KI im betriebsinternen Wis- sensmanagement. Dabei wird das im Unternehmen vorhandene Know-how systematisch zusammengetragen und einer eigenen, lo- kal gehosteten KI-Instanz zur Verfügung gestellt. Dieser KI können die Anwender*innen dann sämtliche Fragen zu Abläufen, Prozessen oder Fakten in natürlicher Sprache stellen und das System generiert die Antwort sofort aus dem gesammelten Unternehmenswissen. TEAM hat bei einem Kunden bereits einen eigenen KI-Co-Piloten für die Einarbeitung neuer Mitarbeiter*innen eingeführt. Hürden und Unsicherheiten überwinden Die größten Hürden bei der Einführung von KI sind das Vertrauen in die Technologie, Sicherheits- und Datenschutzbedenken sowie das Fehlen verbindlicher Best Practices. „Viele Entscheider*innen sind skeptisch, weil KI gelegentlich Fehler macht, was die Praxistaug- lichkeit infrage stellt“, so Appel. „Wenn man seine eigene, lokale KI betreibt und nur mit dem eigenen Wissen füttert, stellt sich das Problem in den meisten Use Cases jedoch gar nicht. Des Weiteren sollte die Erwartungshaltung nicht zu hoch sein: KI muss sich auch mal irren dürfen!“ 43

44

Zudem gibt es innerhalb der EU strenge Richtlinien, die beachtet werden müssen. Unternehmen können KI jedoch erfolgreich einset- zen, wenn sie ihre Use Cases sorgfältig analysieren und anpassen. Ein weiteres Hindernis ist die Unsicherheit über den Einstieg in die KI-Nutzung, da es oft an klaren Leitfäden mangelt. „Um dies zu um- gehen, ist es ratsam, erfahrene Partner wie TEAM zu konsultieren, die durch die verschiedenen Phasen des Projekts unterstützen kön- nen“, so Appel. VIER EINFACHE KI-REGELN • Schon das erste Pilotprojekt sollte so geplant sein, dass inner- halb einiger Personentage oder Wochen ein funktionsfähiger Prototyp entsteht. So stellt man von Anfang an einen klaren Fokus sicher und vermeidet, dass sich das Projektteam in der Fülle der Optionen verläuft. • Mit dem ersten Prototyp müssen sich messbare Einsparungen und Effizienzsteigerungen realisieren lassen. Nur so schafft man ein robustes Fundament für weitere Entwicklungen. • Das Projekt muss von Anfang an zu 100 Prozent DSGVO-kon- form sein. • Die Lösung sollte einfach und intuitiv bedienbar sein, um den Einstieg zu erleichtern. Weitere Infos: https://www.team-pb.de/development/kuenstliche-intelligenz/ Foto: Rainer Appel, Geschäftsführer der Paderborner TEAM GmbH Bei TEAM starten KI-Kundenprojekte in der Regel mit einer dreiteili- gen Workshop-Reihe. Dabei werden gemeinsam geeignete Use Ca- ses identifiziert, dann die Architektur und das Vorgehen geplant und von dort erfolgt direkt der Proof-of-Concept. Kontakt 4444 Rainer Appel Geschäftsführer TEAM GmbH team@team-pb.de

45

KI ALS BRÜCKE ZU OPTIMIERUNGSSOFTWARE wie KI die Interaktion mit komplexer Software vereinfachen kann Die Forschungsgruppe Machine Learning and Optimization (kurz: MALEO) der Universität Paderborn unter der Leitung von Prof. Dr. Heike Trautmann, Hoch schul leh rerin im Kompetenzbereich AI im SICP – Software Innovation Campus Paderborn, und das SICP-Soft- wareunternehmen OPTANO haben die gemeinsame Projektgruppe GenUIne (Next Gen User Interface for optimization software based on Generative AI) erfolgreich abgeschlossen. Die Projektgruppe ist ein kooperatives Lehrformat zwischen Univer- sität und Unternehmen als Teil des Masterstudiengangs „Computer Science“ und wurde im Rahmen des SICP durchgeführt. Im Mittelpunkt des Projekts stand die Frage, wie komplexe Software für Planung und Entscheidungsunterstützung intuitiver nutzbar ge- macht werden kann. Die Lösung: ein auf Künstliche Intelligenz ge- stützter Chatbot, der natürliche Sprache versteht, Fragen beantwortet und Nutzer*innen bei komplexen oder aufwendigen Prozessen be- gleitet. „Unser Ziel war es, die Interaktion mit Optimierungssoftware zu ver- einfachen“, erklärt Dr. Moritz Seiler, Mitarbeiter der MALEO-Gruppe. „Dank generativer KI können auch Nicht-Expert*innen schneller und intuitiver mit komplexen Modellen arbeiten.“ Der Chatbot übernimmt beispielsweise die Erstellung oder Anpas- sung von Datensätzen, die zuvor manuell eingegeben oder importiert werden mussten. OPTANO bringt die Ergebnisse nun in die Weiterentwicklung seiner Softwareplattform ein. „Das Projekt zeigt, wie generative KI die Brü- cke zwischen mathematischer Exzellenz und praktischer Anwend- barkeit schlagen kann“, so Dr. Clara Marie Lüders, Projektleiterin bei OPTANO. Foto (OPTANO): Studierende der Projektgruppe GenUIne sowie Mitarbeitende von OPTANO und der MALEO-Gruppe Kontakt 45 Dr. Moritz Seiler Machine Learning and Optimisation moritz.seiler@uni-paderborn.de

46

4646

47

GENERATIVE KI VERSTEHEN UND ANWENDEN Einsteiger-Workshops der SICP Academy Generative Künstliche Intelligenz (GenAI) macht heute Anwendun- gen möglich, die noch vor wenigen Jahren kaum vorstellbar waren. Die Technologie entwickelt sich mit rasantem Tempo weiter und bie- tet diverse Einsatzmöglichkeiten, die breit gefächert sind: Ob bei der Erstellung und Umformulierung von Texten, der Bild- und Mu- sikgenerierung oder komplexeren Aufgaben wie etwa bei der Soft- wareentwicklung – GenAI ist vielseitig einsetzbar. Um GenAI und den damit einhergehenden Wandel besser zu verstehen und einordnen zu können, bieten Dr. Dennis Wolters, Programm-Manager der SICP Academy und Dr. Simon Oberthür, Strategic Research Manager im SICP – Software Innovation Campus Paderborn, einen Einsteiger- Workshop im Rahmen der SICP Academy an. „Ursprünglich war der Workshop für das Alumni-Netzwerk unseres Weiterbildungsprogramms mit Miele & Cie. KG (MIPP – Miele IT Pro- fessional Program) gedacht. Jedoch wurde uns schnell klar, dass das Thema auch bei unseren anderen Mitgliedsunternehmen einen Nerv trifft. Deshalb haben wir das Format für das gesamte SICP-Netzwerk geöffnet – und das mit großem Erfolg“, so Dr. Dennis Wolters. Der Workshop richtet sich an Einsteiger*innen, die in die Welt der Ge- nerativen Künstlichen Intelligenz (GenAI) eintauchen möchten. Auf- grund der hohen Nachfrage wurde er bereits mehrfach erfolgreich durchgeführt. Im Mittelpunkt stehen zentrale Fragestellungen rund um die Nutzung von Large Language Models (LLMs), also großen Sprachmodellen wie GPT-4, das unter anderem die Grundlage für An- wendungen wie ChatGPT bildet: • Wie funktionieren LLMs – und was unterscheidet sie von her- kömmlicher KI? • Wie können Prompts so gestaltet werden, dass sie qualitativ hochwertige Ergebnisse liefern? In welchen Bereichen können LLMs die Produktivität steigern? • • Welche weiteren Anwendungsfelder bietet GenAI jenseits von Text, etwa in der Bild- oder Musikgenerierung? Raum für Interaktion und Perspektiven Besonders positiv wurde der interaktive Charakter des Formats auf- genommen. Die Teilnehmenden brachten eigene Perspektiven und Erfahrungen ein, was nicht nur den Wissensaustausch förderte, son- dern auch ein realistisches Bild der aktuellen Herausforderungen und Möglichkeiten vermittelte. „Der Workshop hat nicht nur Begeisterung für Generative KI geweckt, sondern auch neue Gesichter mit dem SICP in Kontakt gebracht. Be- sonders spannend war der Austausch unter den Teilnehmenden: Wer nutzt die Technologie schon, wo liegen die Hürden und was ist mit den neuesten Entwicklungen wie GPT-4o plötzlich alles möglich? Das Themenfeld ist enorm dynamisch und genau das macht es so faszi- nierend“, fasst Dr. Wolters zusammen. 47

48

Weitere Termine geplant Der nächste Workshop findet am 1. Oktober in der Zukunftsmeile 2 statt. Er richtet sich an Beschäftigte unserer Mitgliedsunternehmen, aber auch an Mitarbeitende der Universität Paderborn. Wenn Sie Interesse an einer Teilnahme haben, sprechen Sie uns ger- ne an. Weitere Infos zum Workshop: https://www.sicp.de/academy/for-pro- fessionals/angebote/einsteiger-workshop-generative-ai. Kontakt 4848 Dr. Dennis Wolters Manager SICP Academy dennis.wolters@uni-paderborn.de

49

KINTELLECTDETECT Mit KI-Verfahren Produktpiraterie auf der Spur Das Projekt „KIntellectDetect“ adressiert die wachsende Bedrohung durch Produktpiraterie und Patentverletzungen. Ziel ist es, ein KI-ge- stütztes System zu entwickeln, das automatisch Schutzrechtsverlet- zungen identifiziert und Unternehmen bei der rechtlichen Absiche- rung ihres geistigen Eigentums unterstützt. Seit Juni arbeiten die Projektpartner InTraCoM, Böllhoff und der SICP – Software Innovation Campus Paderborn gemeinsam an intel- ligenten Verfahren zur Identifizierung von Schutzrechtsverletzungen. Die wissenschaftliche Projektleitung liegt bei Dr. Stefan Heindorf, Nachwuchsgruppenleiter für das Forschungsgebiet Data Science im Institut für Informatik der Universität Paderborn und Mitglied des Soft- ware Innovation Labs im SICP. Gefördert wird das Vorhaben durch die Europäische Union und das Land Nordrhein-Westfalen mit rund einer Million Euro. Produktpiraterie verursacht weltweit massive wirtschaftliche Schä- den. Der Global Brand Counterfeiting Report schätzt diese jährlich auf etwa 1,8 Billionen US-Dollar. Besonders herausfordernd ist die Erken- nung von Patentverletzungen, da hierzu Merkmale der Patentansprü- che und der potenziell verletzenden Produkte technisch aufwendig identifiziert, verglichen und analysiert werden müssen, was kosten- und zeitintensiv ist. KIntellectDetect setzt genau hier an: Mithilfe von KI-gestützten Ver- fahren und Sprachmodellen wird ein System entwickelt, das große Mengen an Patenten und Produktbeschreibungen effizient analysiert. Die extrahierten Informationen werden in Wissensgraphen gespei- chert und durch semantisches, erklärbares Matching sowie intelli- gente Suchmechanismen ausgewertet. So entsteht ein System, das Unternehmen nicht nur bei der Aufdeckung von Verletzungen unter- stützt, sondern auch hilft, unbeabsichtigte Rechtsverstöße frühzeitig zu vermeiden. Gesamtgesellschaftlich trägt das Projekt dazu bei, den wirtschaftli- chen Schaden durch Produktpiraterie zu reduzieren, Lizenzeinnah- men zu generieren und die Patentanmeldungen von KMUs zu fördern, indem der Schutzeffekt sichtbarer wird. Durch die vereinfachte und automatisierte Detektion von Verstößen wird zudem ein präventiver Abschreckungseffekt erwartet. Kontakt 49 Dr. Stefan Heindorf Data Science Junior Research Group heindorf@uni-paderborn.de

50

WIE WISSEN IM UNTERNEHMEN BLEIBT Expertenwissen erfassen, aufbereiten und weitergeben Es wird zunehmend wichtiger, dass neues Personal den Onboar- ding-Prozess effizient durchläuft und zielgerichtet eingearbeitet wird. Ein Projekt der TEAM GmbH und der Forschungsgruppe Or- ganizational Behavior der Universität Paderborn im Rahmen von Arbeitswelt.Plus zeigt, wie eine strukturierte Aufbereitung von Wis- sen die Expertise erfahrener Fachkräfte sichert und Onboarding- Prozesse effizienter werden können. Implizites Wissen ein strategischer Erfolgsfaktor In den nächsten Jahren werden die geburtenstarken Jahrgänge, die sogenannten Babyboomer, in den Ruhestand gehen. Aktuelle Stu- dien gehen davon aus, dass dem deutschen Arbeitsmarkt bis 2036 insgesamt 12,9 Mio. Erwerbstätige verloren gehen. Dadurch besteht für Unternehmen die Gefahr, dass wichtiges implizites Wissen die Or- ganisation verlässt. Insbesondere in der Position eines Projektleitenden des Transferpart- ners TEAM muss ein Mitarbeitender umfangreiches Wissen aus den Bereichen Intralogistik, IT-Technologie, Funktionalitäten und Prozes- se des ProStore®-Produkts, Projektmanagement-Methoden und der Leitung von ProStore®-Projekten vereinen. Die IT-Lösungen sind oft stark kundenspezifisch, weshalb der Onboarding-Prozess für neue Projektleitende zeitintensiv und vielschichtig ist. Die Einarbeitung ist inhaltlich klar definiert, allerdings erfordert sie zusätzlich oft tiefge- hendes Expertenwissen erfahrener Mitarbeitenden. Mit dem baldigen Ausscheiden von erfahrenen Mitarbeitenden entsteht akuter Hand- lungsbedarf, diesen Transformationsprozess neu zu denken. KI wird dabei als vielversprechende Möglichkeit gesehen, diesen Prozess zu unterstützen. Der Einsatz dieser Technologie bringt jedoch sozio- technische Herausforderungen mit sich. Strukturierte Aufbereitung von Wissen mittels KI Ziel des Transferprojekts war es, eine Blaupause zu schaffen, wie Wis- sen im Unternehmen extrahiert, gespeichert und aufbereitet werden kann. Dieses Wissen soll ergänzend zur bestehenden Dokumentation die Basis für ein KI-basiertes Unterstützungssystem bilden, das die Einarbeitung von neuen Mitarbeitenden beschleunigt und die Wis- sensdokumentation vervollständigt. Hierzu wurde gemeinsam zu Projektstart ein individuelles methodi- sches Vorgehen entwickelt und der Ablauf der Wissenstransformation skizziert. Um ein praxistaugliches Vorgehen zu sichern, war es ent- scheidend, die Perspektiven der Wissensträger einzubeziehen. Die Universität Paderborn führte daher zahlreiche Experteninterviews durch, um 1) die Ist-Situation des Wissensmanagements im Unter- nehmen abzubilden, 2) die geplante Vorgehensweise zu evaluieren und konstruktives Feedback zu erhalten sowie 3) die Mitarbeitenden frühzeitig in die Entwicklung der KI einzubeziehen, um die Akzeptanz und Nutzungsbereitschaft zu erhöhen. Die Entwicklung der KI zur Wissenstransformation (kurz: KIWI) begann mit der Identifikation relevanter Wissensdokumente (z. B. Pflichten- 5050

51

Bild: Benutzeroberfläche von KIWI (weitere Infos finden sie hier: https://youtu.be/OpktJWcrzlk?feature=shared) hefte, Handbücher, QM-Dokumente). Technisch entschieden sich die Partner, das System nach der RAG-Architektur (Retrieval-Augmented Generation) zu konzipieren und die Wissensquellen mithilfe definier- ter Metadaten strukturiert einzulesen. Die Oberfläche von KIWI wur- de so aufgebaut wie ein Chat. Mit der Unterstützung von erfahrenen Mitarbeitenden wurden dann typische ProStore®-Fragen erstellt, die KIWI anhand der eingelesenen Wissensquellen korrekt beantworten können musste. Die Antworten wurden dann von Expert*innen mit Schulnoten bewertet. Auf Basis dieser Rückmeldungen wurden in ei- nem iterativen Entwicklungsprozess gezielt technische Verbesserun- gen umgesetzt (z. B. Auswahl des LLMs, Embedding-Modell, Filterop- tionen, Chathistorie) und dadurch die KI schrittweise verbessert. Am Ende des Prozesses konnte die durchschnittliche Antwortqualität von „ausreichend“ auf „sehr gut“ gesteigert werden. Abschließend wurde KIWI mit realen Fragen von neuen Mitarbei- tenden validiert. Zu Beginn des Projekts wurden diese gebeten, in einem Katalog typische Fragen zu notieren, die sie sonst erfahrenen Kolleg*innen gestellt hätten. Dieser Katalog wurde dann in KIWI ein- gelesen, und die Antworten wurden erneut von Expert*innen auf ihre Richtigkeit geprüft. Unzureichend beantwortete Fragen wurden an- schließend analysiert, um mögliche Wissenslücken zu identifizieren und diese mit Hilfe von Expertenwissen schließen zu können. Zusammenfassend lässt sich festhalten, dass KIWI die Sammlung und Organisation von Wissen im Unternehmen vereinfacht und be- schleunigt sowie weitere Wissensbildung und -transfer fördert. Der Einsatz von KIWI wird nun auch über das Projekt hinaus auf weitere Unternehmensbereiche ausgeweitet. Kontakt 51 Prof. Dr. Kirsten Thommes Organizational Behavior kirsten.thommes@uni-paderborn.de Jörg Papenkordt Organizational Behavior joerg.papenkordt@uni-paderborn.de

52

MULTI-AGENT REINFORCEMENT LEARNING Steuerung von Lagerbeständen in industriellen Lieferketten Mit KI-gestütztem Multi-Agent Reinforcement Learning sollen Lager- bestände in industriellen Lieferketten flexibler, robuster und wirt- schaftlicher gesteuert werden. Herausforderung für klassische Verfahren „In komplexen Distributionsnetzwerken, wie wir sie täglich im Unter- nehmen erleben, setzen wir bereits leistungsstarke Algorithmen ein, die verlässlich optimale Lösungen liefern. Reinforcement Learning (RL) bietet dabei spannende Chancen: Es könnte unsere bewähr- ten Verfahren ergänzen, die Effizienz weiter steigern und besonders herausfordernde Probleme adressieren, bei denen klassische Algo- rithmen an ihre Grenzen stoßen. In dem Transferprojekt wollen wir herausfinden, inwieweit RL diese Potenziale tatsächlich realisieren kann“, beschreibt Katharina Klerx von OPTANO die aktuelle Situation. Gerade wenn Unsicherheiten und die Vernetzung im System zuneh- men, stoßen klassische Methoden an ihre Grenzen. Für besonders komplexe Lager- und Lieferstrukturen fehlen oft effiziente mathema- tische Lösungen. Multi-Agent Reinforcement Learning als Lösungsansatz Das Projekt ML4SAFETYSTOCK, das im SICP – Software Innovation Campus Paderborn gemeinsam von dem Mitgliedsunternehmen OP- TANO und der Wirtschaftsinformatik- Forschungsgruppe Data Analy- tics der Universität Paderborn unter Leitung von Prof. Dr. Oliver Müller, Direktor des Kompetenzbereichs Artificial Inteligence im SICP, durch- geführt wird, testet daher einen neuen Ansatz: Beim sogenannten Multi-Agent Reinforcement Learning steuern virtuelle Agenten die Sicherheitsbestände an den einzelnen Lagerorten und reagieren ei- genständig auf Veränderungen wie Lieferverzögerungen, Nachfrage- schwankungen oder kurzfristige Engpässe. Mithilfe einer eigens ent- wickelten Simulationsumgebung „lernen“ die Agenten in zahlreichen Versuchen, wie sich das Gleichgewicht aus niedrigen Lagerkosten und hoher Versorgungssicherheit herstellen lässt – und passen die Bestände dynamisch an aktuelle Risiken im gesamten Netzwerk an. Marcel Meyer von der Universität Paderborn ordnet die Ergebnisse ein: „Der RL-Ansatz eröffnet vielversprechende Möglichkeiten, Sicher- heitsbestände in komplexen Netzwerken gezielt und dynamisch an- zupassen. Für optimale Ergebnisse sind weitere Entwicklungen nötig, aber schon jetzt zeigt sich das Potenzial dieser Methode im Vergleich zu herkömmlichen Verfahren.“ Erfahrung bleibt zentral Entscheidend für die Leistungsfähigkeit der KI ist die Erfahrung und fachliche Einschätzung der Unsicherheiten durch die beteiligten Ex- pert*innen. Erst auf dieser Basis finden die lernenden Agenten trag- fähige Lösungen – reine Datenmodelle reichen nicht aus. Die Simula- tionen zeigen: RL öffnet so neue Wege, industrielle Lieferketten auch unter Unsicherheiten wirtschaftlich und stabil zu steuern. Kontakt 5252 Marcel Meyer Wirtschaftsinformatik, insb. Data Analytics marcel.meyer@uni-paderborn.de

53

SICP SYMPOSIUM DIGITALE RESILIENZ 30.9.2025 30.9.2025 ZUKUNFTSMEILE 2, PADERBORN INFOS & ANMELDUNG 5353 К Ю Л Е Р Е Т А Н Н А / K C O T S E B O D A : E L L E U Q

54

MODEL CONTEXT PROTOCOL Ein Standard, um KI-Systeme mit der Außenwelt zu verbinden Um aus großen Sprachmodellen (LLMs) handelnde Agenten zu ma- chen, müssen sie auf externe Systeme für Abfragen oder Funktions- ausführung zugreifen. Das Model Context Protocol (MCP) beschreibt, wie Systeme verwendet werden können, so dass gleich alle MCP-un- terstützenden KIs darauf aufsetzen können, man also nicht für jede KI einzeln seine Anbindung schreiben muss. Von Sprachmodellen zu Agenten: Eine technologische Entwicklung Der Einsatz von LLMs hat in den letzten Jahren eine rasante Entwick- lung durchlaufen. Was mit Frage-Antwort-Systemen begann, wurde um Möglichkeiten ergänzt, um externe Datenquellen anzuzapfen – etwa durch Webrecherche, Dateiuploads oder Datenbanken. Die nächste Evolutionsstufe sind Systeme, in denen Sprachmodelle nicht mehr nur Informationen verarbeiten, sondern über definierte Schnittstellen mit Tools interagieren und eigenständig Abläufe steuern können, so- genannte Agenten. In der Praxis mussten Integrationen bislang ein- zeln je Kombination aus Datenquelle/Tool und Anwendung/LLM ge- baut werden. Was fehlte, war ein verbindlicher Standard. Genau hier setzt das Model Context Protocol an. Standardisierung und Interoperabilität als Ziel die alle Akteure zurückgreifen können. So wie USB-C einheitlich be- schreibt, wie Geräte physisch verbunden werden, oder wie HTTP den Austausch von Daten im Web regelt, schafft MCP ein standardisiertes Format zur Kontext-Beschreibung für KI-Systeme. Im Mittelpunkt steht dabei ein architektureller Dreiklang aus Host- Anwendung, MCP-Client und MCP-Server. Die Host-Anwendung (z. B. „Claude Desktop“ oder „Cursor“) verwendet ein LLM, das den Ablauf steuert. Der MCP-Client ist der Teil innerhalb der Host-Anwendung, welcher den MCP-Server aufruft. Ein MCP-Server ist ein eigenstän- dig laufender Prozess, der mit dem angebundenen System kommu- niziert. Über den Client werden verfügbare Funktionen – sogenannte Capabilities – beim jeweiligen Server abgefragt, aufgerufen und deren Ergebnisse an das Modell zurückgegeben. MCP unterscheidet vier Ty- pen von Fähigkeiten: • Resources: Lesezugriffe auf Datenquellen wie Dateien, Daten- banken oder APIs. • Tools: Ausführbare Funktionen, die aktiv etwas bewirken – etwa das Versenden von E-Mails, das Schreiben in Datenbanken oder das Starten externer Prozesse. • Prompts: Vorgefertigte Anweisungen für das angebundene LLM, um bestimmte Arbeitsabläufe zu strukturieren. Bei MCP handelt es sich um genau so einen offenen Standard, der die Anbindung von Sprachmodellen an Funktionen, Datenquellen und Abläufe vereinheitlicht. Statt für jede Anwendung eigene Schnitt- stellen zu definieren, sorgt MCP für eine gemeinsame Grundlage, auf • Sampling: Vom Server initiierte Modellinteraktionen, bei denen das LLM aufgefordert wird, eigenständig Vorschläge oder Analy- sen zu liefern. Sampling erlaubt agentisches Verhalten, wie z.B. mehrstufige Problemlösungen. 5454

55

Mit wachsender Verbreitung und zunehmender Systemtiefe rückt aber auch die Frage nach Kontrolle und Sicherheit in den Fokus. Mithilfe des MCP können Sprachmodelle über Tools verschiedene Aktionen in Systemen auslösen oder haben ggf. Zugriff auf sensible Datenquel- len. Hier gilt es, präzise zu definieren, welche Fähigkeiten ein Modell nutzen darf und in welchem Umfang. Autorisierung, Zugriffsrechte und Funktionsgrenzen sind zentrale Aspekte, die bei der Implemen- tierung bedacht werden müssen. Ausblick: Ein Protokoll mit Perspektive Das MCP markiert einen wichtigen Schritt auf dem Weg zu flexiblen, interoperablen KI-Systemen. Indem es die Verbindung zwischen Sprachmodellen und ihrer funktionalen Umgebung standardisiert, eröffnet es neue Möglichkeiten für die Entwicklung agentenbasier- ter Anwendungen, unabhängig vom verwendeten LLM oder der Pro- grammiersprache. Große Softwareunternehmen wie OpenAI, Google und Anthropic unterstützen das Protokoll, für Microsoft soll es sogar zu einem festen Bestandteil für Agenten-Features in Windows wer- den. Es bleibt abzuwarten, wie sich diese Landschaft entwickelt. MCP ist jedoch in kurzer Zeit zu einem relevanten Akteur in der Dis- kussion um KI-Standards geworden, sodass es sich lohnt, das The- ma aufmerksam zu verfolgen. User Host Application + LLM Verknüpfung MCP Client MCP Server Nutzerinteraktion "Suche nach der Mail zum Thema xy, fasse sie zusammen und lege das Ergebnis im passenden Notion- Dokument ab. Ergebnis LLM (z.B. Claude Sonnet) verarbeitet Anfrage, kontrolliert Host-Application (z.B. Claude Desktop) Verbindung herstellen Funktionalitäten checken verfügbare Tools, Ressourcen etc. verfügbare Tools, Ressourcen etc. Funktionalitäten aktivieren Ergebnisse an LLM-Kontext liefern angefragte Funktionalitäten ausführen Ergebnisse zurückgeben Mail MCP-Server Notion MCP-Server User Host Application + LLM Verknüpfung MCP Client MCP Server Mailserver Notion Kontakt 55 Jonas Ludwig enpit GmbH & Co. KG jonas.ludwig@enpit.de

56

PRÄZISE PROGNOSEN FÜR STABILE NETZE Einsatz von KI beim Strom-Management der Zukunft Westfalen Weser Netz (WWN) setzt bei der zuverlässigen Vorher- sage der Stromnachfrage im Netzgebiet auf die Unterstützung von Künstlicher Intelligenz (KI). In Kooperation mit dem KI-Experten paiqo optimieren die beiden Mitgliedsunternehmen im SICP – Soft- ware Innovation Campus Paderborn die Lastprognosen des Netzbe- treibers – für mehr Netzstabilität, Effizienz und Zukunftssicherheit im Energiemarkt. Energiewende trifft auf Prognosepflicht Für Verteilnetzbetreiber wie Westfalen Weser Netz ist die präzise Prognose des Stromverbrauchs sowohl gesetzliche Pflicht als auch zentrales Steuerungsinstrument. Jeden Tag muss der voraussicht- liche Energiebedarf im 15-Minuten-Takt für den Folgetag vorherge- sagt werden. Die zunehmende Einspeisung von wetterabhängigen erneuerbaren Energien erschwert diese Aufgabe. einzuführen: die Demand Forecasting Solution (DFS) von AI Software Solutions (AI-S2.com). Die Software nutzt zur Analyse über 70 ver- schiedene Modellvarianten und erlaubt es, rasch und einfach, die optimale Konfiguration für den jeweiligen Anwendungsfall zu fin- den. So entsteht eine präzise Vorhersage, die sich bei WWN bereits nach kurzer Zeit im Betrieb bewährt hat. Ein weiterer Vorteil: Die Lösung automatisiert nicht nur die tägliche Prognoseerstellung innerhalb eines engen Zwei-Stunden-Zeitfens- ters, sondern passt sich durch kontinuierliches Retraining wöchent- lich neuen Daten an. Dies ist speziell bei längeren Prognosehorizon- ten, etwa in Ferienzeiten, relevant. Auf diese Weise wird dauerhaft eine hohe Vorhersagegenauigkeit sichergestellt. Nahtlos, sicher und zukunftsfähig Herkömmliche Prognosemodelle stoßen dabei oft an Grenzen, da sie externe Einflüsse wie Temperatur, Globalstrahlung und Wind- geschwindigkeiten sowie kurzfristige Verbrauchsspitzen nur einge- schränkt einbeziehen können. WWN nutzt die Lösung eingebettet in die Microsoft Azure-Cloud, di- rekt im eigenen Tenant. So bleiben alle sensiblen Daten sicher im unternehmenseigenen Umfeld. Die cloudbasierte Architektur er- laubt darüber hinaus eine flexible Skalierung der Rechenleistung, ganz ohne kostspielige Standby-Kapazitäten. Künstliche Intelligenz für möglichst konkrete Vorhersagen WWN und paiqo haben sich zusammengetan und demonstrieren eindrucksvoll, wie sich der SICP-Kompetenzbereich AI mit dem SICP- Innovationsbereich Smart Energy verknüpfen lässt. Das gemeinsa- me Projekt hat zum Ziel, eine moderne KI-gestützte Prognoselösung Dank API-Schnittstellen lassen sich die Prognosedaten mühelos in bestehende Prozesse integrieren. Die intuitive Benutzeroberfläche erleichtert den Einstieg für Fachabteilungen, selbst ohne tiefgehen- de Datenwissenschaftskenntnisse. „In nur zwei Monaten war die Lösung einsatzbereit. Erste Ergebnisse 5656

57

zeigen eine vergleichbare Prognosequalität wie unsere bestehende Software, mit Potenzial für noch bessere Werte. Die Lösung trainiert sich kontinuierlich weiter. Davon versprechen wir uns langfristig eine deutlich höhere Effizienz“, so Julian Schiewer, Fachspezialist Bilanzkreissteuerung Strom bei WWN. Vertrauen durch Transparenz und Performance Die Einführung erfolgte bei WWN begleitet von einem parallelen Testbetrieb zur Validierung der Ergebnisse. Die regelmäßige Gegen- überstellung mit bisherigen Prognosen, insbesondere unter wech- selnden äußeren Bedingungen, förderte das Vertrauen in die neue Technologie. Dabei bleibt der Mensch im Prozess: Prognosen wer- den weiterhin plausibilisiert, wobei mit wachsender Erfahrung der manuelle Aufwand sinkt. WWN prüft bereits, die Lösung auf weitere Unternehmensbereiche auszuweiten. Ein klares Zeichen für die Flexibilität und Zukunfts- fähigkeit von KI-basierten Prognosen im Energiesektor. Und davon profitieren wir am Ende alle. Kontakt 57 Dr. Timo Klerx Gründer und Data Scientist paiqo tklerx@paiqo.com Julian Schiewer Westfalen Weser Netz GmbH Julian.Schiewer@ww-energie.com

58

Wo setzen Sie Künstliche Intelligenz in Ihrem Unternehmen ein – sowohl in Ihren eigenen Prozes- sen als auch in Ihren Produkten oder Dienstleistungen für Kunden? Unsere gesamte Value-Proposition basiert auf KI, da sich alle unsere Offerings rund um das The- ma Daten & KI-Plattform(en) drehen. Interne Nutzung: Wissens- & Projektmanagement: Verwen- dung interner Chatbots (basierend auf OpenAI/ChatGPT) für Recherche, Dokumentation und auto- matisierte Reports. Was wir am Markt unseren Kunden anbieten: 1. AI.S² Demand Forecasting Tool Ein von paiqo entwickeltes, KI-gestütztes Prognose-Tool zur genauen Bedarfs- und Absatzplanung mit über 30 Algorithmen (inkl. TimeGPT) – nutzerfreundlich, konform mit DSGVO und für den Mit- telstand optimiert. 2. Branchenlösungen • Predictive Maintenance & Quality: Anomalie-Erkennung, visuelle Inspektion zur Produktions- optimierung in Industrieunternehmen • Finance & Procurement: KI-gestützte Fraud Detection, Automatisierung von Controlling-Pro- zessen • Marketing & Customer Journey: Customer Segmentation, Churn Prediction, Next-Best-Offer- Systeme 3. OpenAI & ChatGPT-Integrationen Entwicklung von firmenspezifischen „CompanyGPTs“, z. B. für Support-Chatbots oder interne as- sistive Systeme – unter Einhaltung hoher Datenschutz-Standards . DR. TIMO KLERX GRÜNDER UND DATA SCIENTIST, PAIQO 58 3 FRAGEN AN ...

59

Welche Vorteile oder Veränderungen haben Sie in Ihrem Unternehmen durch den Einsatz von KI festgestellt? Ich sehe keinen Unterschied. Bei paiqo ging es schon immer um Daten und KI. Was sind aus Ihrer Sicht die größten Herausforderungen bei der Integration von KI in bestehende Prozesse? Technisch ist das alles kein Problem. Es geht meist um organisatorische Hürden: • Wie kommt man an die Daten ran? • Darf man die Daten überhaupt nutzen? • Muss der Betriebsrat involviert werden? Changemanagement: • Wie schaffe ich Vertrauen in eine KI-Lösung, sodass die Lösung auch akzeptiert und genutzt wird? 59

60

Wo setzen Sie Künstliche Intelligenz in Ihrem Unternehmen ein - sowohl in Ihren eigenen Prozes- sen als auch in Ihren Produkten oder Dienstleistungen für Kunden? Künstliche Intelligenz durchdringt schon heute alle Unternehmensbereiche bei Miele. Fokusfel- der sind smarte Anwendungen für Produkte, Einsatz in Forschung & Entwicklung, Marketing und Vertrieb, Kundenservice sowie zur individuellen Produktivitätssteigerung. Beispiele: • Smart Food ID für die automatisierte Zubereitung von Speisen im Backofen mit Hilfe von Bild- interpretation. • Die App-Anwendung AI Diagnostics gibt Kunden Hilfe zur Selbsthilfe bei kleineren Geräte- störungen. • • • Entwickler nutzen KI zur Beschleunigung in der Produktentwicklung. In der Waschmaschinenfertigung dient ein KI-Tool zur Qualitätskontrolle von Fronten. Ein Chatbot gibt zukünftig eine individuelle Produktberatung und hilft bei der Bestellung von Ersatzteilen. • "Everyday AI" unterstützt in Verwaltungsbereichen beim Wissensmanagement. Welche Vorteile oder Veränderungen haben Sie in Ihrem Unternehmen durch den Einsatz von KI festgestellt? Miele steht weltweit in einem harten Wettbewerb mit anderen Marktteilnehmern. Hinzu kommt eine wirtschaftlich volatile Entwicklung. In diesem Umfeld muss das Unternehmen sich schnell neuen Rahmenbedingungen anpassen, seine Innovationskraft steigern, effizienter und wettbe- werbsfähiger werden. Die Digitalisierung des Unternehmens ist eine wesentliche Voraussetzung DR. FLORIAN NIELSEN KI-EXPERTE AUS DEM BEREICH SMART HOME, MIELE 60 3 FRAGEN AN ...

61

für eine bessere Wettbewerbsfähigkeit. Eine Schlüsselfunktion hat hier Künstliche Intelligenz, insbesondere Generative KI, die Entwicklungen exponentiell beschleunigen kann. Insofern ist KI eine zukünftige Grundlagentechnologie, die Miele effizienter macht, bei Produkten und Services das Kundenerlebnis verbessert, interne Pro- zesse optimiert, Freiräume für wertschöpfende Tätigkeiten schafft und die Innovationsgeschwindigkeit erhöht. Was sind aus Ihrer Sicht die größten Herausforderungen bei der Integration von KI in bestehende Prozesse? Die größte Herausforderung für ein produzierendes Unternehmen wie Miele besteht darin, das Bewusstsein und die Awareness für KI in der Belegschaft zu schaffen und aufrechtzuerhalten. Dazu initiiert das Unternehmen Befähigungsprogramme für Führungskräfte und Beschäftigte. Darüber hinaus erfordert ins- besondere die Neugestaltung bestehender Prozesse, um das volle Potenzial von KI zu entfalten, eine enge und kontinuierliche Zusammenarbeit zwischen Führungskräften, beteiligten Mitarbeitenden und KI-Expert*innen. Damit dieser Wandel nachhaltig gelingt, ist ein gezieltes und professionelles Change Management unerlässlich. 61

62

SICP-MITGLIEDSUNTERNEHMEN Der SICP steht für die direkte Kooperation von Wissenschaft und Unternehmen. Immer mehr Unternehmen profitieren von dieser Forschungs- und Innovationspartnerschaft mit der Universität Paderborn als Mitglieder des SICP. Für Unter- nehmen bedeutet die Beteiligung am SICP eine strategische Positionierung. Ihnen bietet der SICP die große Chance, ihre Zusammenarbeit mit den beteiligten Forschungseinrichtungen, aber auch den anderen beteiligten Unternehmen zu intensivieren. Der Zugang zu den unterschiedlichen wissenschaftlichen Kompetenzen der Universität Paderborn wird für die Unternehmen deutlich vereinfacht. Aktuell hat der SICP 41 Mitgliedsunternehmen. Interesse an einer Mitgliedschaft? Sprechen Sie uns an! Prof. Dr. Stefan Sauer Geschäftsführer SICP Tel.: +49 5251 60-6820 sauer@sicp.de 62

63

meta morphosis CONSULTING & INNOVATION 63

64

IMPRESSUM Herausgeber Universität Paderborn Warburger Str. 100 33098 Paderborn Deutschland webmaster@uni-paderborn.de Redaktion, Koordination, Realisierung und Herstellung Kontakt Copyright Die Universität Paderborn ist eine vom Land NRW getragene, rechtsfähige Körperschaft des Öffentlichen Rechts. Sie wird durch den Präsidenten Prof. Dr. Matthias Bauer vertreten. Zuständige Aufsichtsbehörde: Ministerium für Kultur und Wissenschaft (MKW) des Landes Nordrhein-Westfalen, Völklinger Str. 49, 40221 Düsseldorf, Deutschland Umsatzsteuer-Identifikationsnummer gemäß § 27 a Umsatzsteuergesetz: DE 811209907 Kerstin Sellerberg, M.A. Kerstin Sellerberg, M.A. Marketing und Kommunikation SICP – Software Innovation Campus Paderborn, Universität Paderborn Zukunftsmeile 2 33102 Paderborn sellerberg@sicp.de SICP – Software Innovation Campus Paderbon, Universität Paderborn Alle Rechte, insbesondere das Recht der Vervielfältigung und Verbreitung sowie der Übersetzung, vorbehalten. Jede Verwertung ist ohne Zustimmung des Herausgebers unzulässig. www.sicp.de 64

65

www.sicp.de