Künstliche Intelligenz & Data Science | Mews Partners

Xavier Brucker

Partner (Paris) | Polytechnique MIT

Christophe Bressange

Senior Partner (Paris) | EMLyon

Jong-Mo Allegraud

Senior Data Scientist | ISAE

“KI ist eine Reihe von Methoden, die speziell an die Welt der Industrie angepasst sind. Es ist wichtig, frühzeitig in KI zu investieren, um die internen Fähigkeiten zu bereichern und einen wichtigen Wettbewerbsvorteil zu schaffen.”

Xavier Brucker

Polytechnique MIT

Herr Brucker hat an der École Polytechnique (X 1996), an der Telecom Paris Tech (2001) und am Massachusetts Institute of Technology (MIT 2002) studiert und kann auf vielfältige internationale Einsätze bei Industrieunternehmen und Start-ups verweisen. Nachdem er seine Laufbahn in der Strategieberatung begonnen hatte, leitet er bei Safran ein großes Verteidigungsprogramm und war im Anschluss daran Leiter des Geschäftsbereichs E-Commerce und Zahlungsabwicklung bei EquensWorldline. Danach verbrachte Xavier Brucker mehrere Jahre in Kalifornien, mitten unter den Start-ups in Los Angeles und im Silicon Valley. Nach seiner Rückkehr nach Frankreich begleitete er das Wachstum eines Fintech-Start-ups. Bei Mews Partners entwickelt er derzeit die Angebote in den Bereichen Data Science und KI, die für die Industrie und den Dienstleistungssektor zu einer echten strategischen Herausforderung geworden sind.

Christophe Bressange

EMLyon

Herr Bressange legte sein Diplom an der EM LYON ab und bringt mehr als 15 Jahre Erfahrung aus Beratungsgesellschaften mit Schwerpunkt Supply Chain mit. Darüber hinaus übte er sieben Jahre lang Betriebs- und Managementfunktionen bei der Geodis- und bei der Casino-Gruppe aus. Herr Bressange kam zu unserem Bereich Operations, weil er seine Kenntnis der Sektoren CPG, Retail, Transport & Logistik sowie seine Erfahrung aus einigen Transformationsprojekten für eine internationale Lieferkette einbringen wollte.

Jong-Mo Allegraud

Senior Data Scientist | ISAE

Künstlichen Intelligenz (KI) und Data Science sind besonders im industriellen Kontext relevant.

KI wird vordefinierte KPIs vorhersagen, überwachen, optimieren und in Echtzeit Antworten liefern. Die durch die vielen verschiedenen Paramater gestiegene Komplexität wird durch ein Machine Learning Model leicht beherrschbar sein. Der Mensch wird immer noch einen Mehrwert haben, wenn es darum geht, Kontext und Ausnahmen zu interpretieren und so mit Hilfe der Maschine die richtigen Entscheidungen zu treffen.

Ein KI-Projekt besteht darin, das Thema und die KPIs, die optimiert werden müssen, richtig zu formulieren und die Interaktion dieser Methoden im globalen Prozess sowie mit den Menschen, die ihn leiten, zu antizipieren.

30%

der Produktionsdaten werden nicht verwendet

99%

der Unternehmensdaten werden nicht verwendet

40

Zettabytes an Daten weltweit bis 2020

Was sind die Auswirkungen der Künstlichen Intelligenz in Organisationen?

In Organisationen wird die Künstliche Intelligenz zunächst versuchen, die operative Effizienz zu verbessern. In der Praxis basieren die effektivsten KI-Ansätze auf der Analyse von KPIs, die sich auf die untersuchten Prozesse beziehen. Man versucht, diese auf der Grundlage einer großen Anzahl von Parametern vorherzusagen und zu optimieren. Produkte, Dienstleistungen, Prozesse und Lebenszyklusmanagement können schrittweise unter der Kontrolle menschlicher Operatoren automatisiert werden. Das Unternehmen wandelt sich dann selbst um, indem es sich auf prädiktive und präskriptive Funktionalitäten stützt und aus vergangenen Ereignissen Kapital schlägt. Roboter, Cobots, natürliche Sprach- und Bildverarbeitung, aber auch RPAs (robotergestützte Prozessautomatisierung) gehören zu den Methoden, die beherrscht und eingesetzt werden.

Wie initiiert man einen KI-Prozess?

Zu Beginn gilt es, die Business Vision des Problems, an dem Sie arbeiten, zu definieren. Was sind die KPIs? Was sind die Parameter, die diese KPIs beeinflussen können? Welche Arten von Ergebnissen wären nützlich?

Die eigentliche Phase der “Data Science” besteht darin, Daten zu sammeln, sie gegebenenfalls zu bereinigen und sie in verschiedene Modelle einzuspeisen, welche die beste Leistung finden sollen.

Die letzte Phase ist von entscheidender Bedeutung: Es handelt sich um die Implementierung des Modells in den industriellen Prozess, wobei der Mehrwert der menschlichen Überwachung, die Leistung und Zuverlässigkeit der Algorithmen zu berücksichtigen ist.

4 Ansätze

KI ist besonders gut für Industrieprojekte geeignet.

1

Kontrolle der Komponenten in der Fabrik

Entscheidungshilfe für die Qualifizierung von Komponenten an einer Produktionslinie. Bild- und Parameteranalyse zur Diagnose.

2

Optimierung der Supply Chain

Vorhersage des Lagerbedarfs für eine Produkteinführung, genaue Definition des Sicherheitsbestandes, Optimierung von Lagern.

3

Optimierung der Leistung einer Produktionslinie

Suche nach optimalen Parametern für eine Produktionslinie. Antizipation von Problemen und Abweichungen.

4

Optimierung der Tests

Unterstützung bei der Fehlersuche, Überprüfung und Vorhersage von Testsequenzen, Vorhersage von Testergebnissen.

Sind Sie an diesen Themen interessiert?

Trete der Community bei

Folgen Sie uns auf Social Media