Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS
KI-Methoden wie Maschinelles Lernen, erfahren in Produktion und Logistik einen rasanten Aufschwung, von einfachen explorativen Datenauswertungen bis hin zu komplexen Systemen zur Entscheidungsunterstützung innerhalb der Betriebe. Dabei ist für die Erstellung, Inbetriebnahme und die anschließende Operationalisierung von komplexen Machine Learning-Lösungen eine hohe technische Expertise notwendig. Insbesondere für den täglichen Betrieb, also das Monitoring, Wartung und Instandhaltung dieser Systeme, auch Machine Learning Operations (MLOps) genannt, ist der Aufwand, der von Expertinnen und Experten durchgeführt werden muss, nicht unerheblich.
Auch wenn für den Betrieb von MLOps bereits eine hohe Anzahl an Tools und Methoden auf dem Markt vorhanden ist, fehlt es vor allem in kleinen und mittleren produzierenden Unternehmen oft an den Kompetenzen, wie sie für die Umsetzung vieler Anwendungsfälle benötigt würde, denn die Systeme richten sich an Expertinnen und Experten aus dem Bereich Data Science. Auch die bereits vorhandenen Methoden zur Erklärung von KI-Modellverhalten befassen sich vorangig mit der Modellperformance und sind darauf beschränkt KI-Expertinnen und -Experten zu unterstützen.
Daher werden im Forschungsfeld Entwicklungsleitlinien für verständliche bedien- und wartbare KI-Systeme (MLOps) entwickelt, welche die operative Nutzung von Machine Learning Methoden für Endanwenderinnen und Endanwender ohne KI-Expertise ermöglichen. Dabei ist das übergeordnete Ziel die Demokratisierung von KI-Systemen und der niederschwellige Zugang zu ML-Lösungen, um dem Fachkräftemangel von KI-Expertinnen und -Experten entgegenzuwirken.