3 Erkenntnisse über Künstliche Intelligenz in der Holzwirtschaft

Der erste Startschuss fiel in Kooperation mit den DIH Süd und dem Know-Center und ging der Frage nach, welcher Einsatz von maschinellem Lernen und künstlicher Intelligenz in KMUs heute schon möglich ist. Daraus haben sich einige Erkenntnisse für die Teilnehmer:innen ergeben:

Die Einsatzmöglichkeiten von KI sind breit gefächert und ihr sind im Grunde genommen keine Grenzen gesetzt – auch in der Holzwirtschaft. Als Allheilmittel sollte man sie dennoch nicht betrachten. Unterschiedliche Faktoren wie die Wirtschaftlichkeit oder Komplexität von Projekten sind entscheidend darüber, ob ein Einsatz von KI sinnvoll ist oder zuvor doch ein anderer Weg zur Lösung der Aufgabenstellung eingeschlagen werden sollte. Wichtig ist es in jedem Fall, das zu lösende Problem und den erwarteten Nutzen sowie die gewünschten Ziele klar zu beschreiben.

Laut einer Studie über den derzeitigen Einsatz von künstlicher Intelligenz haben neun Prozent der Befragten KI bereits bewusst in Verwendung, 25 Prozent planen kommende Maßnahmen. Viel entscheidender ist die Erkenntnis, dass für 66 Prozent der deutschen Unternehmen sich mit dem Thema noch überhaupt nicht beschäftigt haben– diese Zahlen lassen sich auch auf Österreich übertragen.

Dabei gibt es auch jetzt schon fertige und einsatzbare Lösungen, die relativ einfach in den laufenden Betrieb implementiert werden können. Ein Beispiel dafür kann die optische Datenanalyse in Form von Bildanalyse sein. Durch laufendes Anlernen der KI mit Beispielbildern aus dem Wald oder von Holzoberflächen kann die künstliche Intelligenz mit der Zeit Veränderungen wahrnehmen und aufzeigen. Dadurch können Entwicklungen im Wald aufgrund von Umwelteinflüssen oder die Qualitätssortierung von Holzsortimenten rasch und qualitätssicher aufgezeigt werden.

Weitere Einsatzmöglichkeiten von KI sind beispielsweise bei Produktionsprozessen im Zusammenhang mit den Themen Fachkräftemangel (Assistenzsysteme, Teilautomatisierung), Qualitätsmanagement und Input-Output Feedbackschleifen, Planungsoptimierung und Planbarkeit sowie das breite Thema Sicherheit und Prävention von Arbeitsunfällen.

Strukturierte, statische Datenströme z.B. von einzelnen Maschinen sind relativ einfach beherrschbar, auch wenn sie von mehreren Sensoren stammen. Jedoch kann es zu einer großen Komplexität bei bereichs- oder betriebsübergreifenden Daten kommen – hier benötigt es unbedingt eine fundierte Analyse und ein durchdachtes Datenmanagement.