Page 62 - Handbuch Digitalisierung (2. Ausgabe)

62 Kapitel 1.7 / Forschung & Entwicklung „ HANDBUCH DIGITALISIERUNG Für die Forschung & Entwick- lung bieten KI und vor allem das Machine Learning riesige Poten- ziale, wenn es darum geht, das Kundenverhalten über prädik- tive Analysen gezielter zu prog- nostizieren und via Algorithmen fundiertere Innovationsen“tschei- dungen zu fällen. nellen Faktoren wie Schri , Form, Farbe und Bild beitragen. Dabei bietet sich auch in die- sem Fall die Open Innovation, also die Zusam- menarbeit verschiedener Akteure – meist über eine cloudbasierte Plattform –, an, über die sich nicht nur eine Vielzahl von Entwurfsalternati- ven erzeugen lässt, sondern über die die Ent- würfe auch im Hinblick auf die Kundenakzep- tanz geprü werden können. Im Idealfall wer- den die verschiedenen Stakeholder, allen voran natürlich die Kunden, am Projekt beteiligt und aktiv in den Designprozess eingebunden. Die Echtzeitinformationen sorgen für schnellere Durchlaufzeiten von Projekten. Digitaler Zwilling Das Gabler Wirtscha slexikon de niert den „digitalen Zwilling“ (Digital Twin) als „virtu- elles Modell z. B. eines Prozesses, eines Pro- dukts oder einer Dienstleistung, welches die zent des ökonomischen Wertes, den KI heu- te scha , wird durch die eine Art von KI er- zeugt, die von A nach B lernt, durch Input- zu Output-Mappings“, also durch Machine Lear- ning. Worum geht es? Es geht um selbststän- dig lernende Maschinen und Computer; die- se lernen anhand von Beispielen und können diese nach Ende der Lernphase verallgemei- nern, indem sie Muster und Gesetzmäßigkei- ten in den Lerndaten „erkennen“. Dies erfolgt mithilfe von Algorithmen, die sich wieder- um in überwachtes Lernen (teilüberwachtes, bestärkendes, aktives Lernen) und unüber- wachtes Lernen unterteilen lassen. Für die Forschung & Entwicklung bieten KI und vor allem das Machine Learning riesige Potenzi- ale, wenn es darum geht, das Kundenverhal- ten über prädiktive Analysen gezielter zu pro- gnostizieren und via Algorithmen fundierte- re Innovationsentscheidungen zu fällen. Dies betri u. a. den Designprozess – Stichwort Generatives Design – reicht aber weit darüber hinaus. Generatives Design Hier übernimmt ein Algorithmus die Aufga- be, die früher der Designer erledigte. Dieser erstellt nur den digitalen „Werkzeugkasten“, während der Computer das Ergebnis erzeugt. Die Aufgabe des Designers besteht darin, das Ergebnis zu beurteilen und ggf. den Quellcode, die Parameter und den Algorithmus zu ver- ändern. Dazu gibt es neue Tools – Stichwort bspw. Low Code – die eine Programmierung auch ohne vertie e Programmierkenntnis er- lauben. Der Gestaltungsspielraum erweitert sich durch Generative Design in erheblicher Weise, wozu Parameter wie Zufall, Struktur oder Wiederholung kombiniert mit traditio-