Startseite Folge 17

Podcast Folge 17

Nützliche KI und wie man sie verwirklicht

mit Sreedhar Sistu, VP für KI-Angebote bei Schneider Electric

KI ist schick, und Menschen neigen dazu, sich für schicke Dinge zu begeistern, und das ist ganz natürlich. Aber wenn Sie das bei der Integration von KI tun, riskieren Sie einen Fehlschlag. Hören Sie sich diese Folge von Automating the Enterprise an, in der wir mit Sreedar Sistu, dem VP für KI-Angebote bei Schneider Electric, darüber sprechen, wie man einen DISZIPLINIERTEN ANSATZ MIT KI verfolgt, wie man einen Sinn in seinen KI-Bemühungen findet und vieles mehr.

Vollständiges Transkript

Dayle Hall:  

Hallo und herzlich willkommen zu unserem Podcast "Automating the Enterprise". Ich bin Ihr Gastgeber, Dayle Hall, der CMO von SnapLogic. Unser Podcast soll Unternehmen Einblicke und Best Practices vermitteln, wie sie ihr Unternehmen integrieren, automatisieren und transformieren können. Unser heutiger Gast ist ein Vordenker auf dem Gebiet der technologischen Innovationen, insbesondere im Bereich der künstlichen Intelligenz. Er ist davon überzeugt, dass KI ein leistungsfähiges Transformationswerkzeug für alle Unternehmen ist, allerdings nur, wenn sie mit einem sehr disziplinierten Ansatz eingesetzt wird. Derzeit arbeitet er mit einem Team daran, den Einsatz von KI bei Unternehmen zu beschleunigen, die ihren Energieverbrauch optimieren und ihre Nachhaltigkeitsbemühungen verbessern wollen. Das ist ein sehr interessanter Aspekt, den wir in dieser Sendung noch nicht hatten. 

Begrüßen Sie also bitte zum Podcast Sreedhar Sistu, den VP für KI-Angebote bei Schneider Electric. Sreedhar, herzlich willkommen zum Podcast.

Sreedhar Sistu: 

Vielen Dank, Dayle. Ich bin froh, hier zu sein.

Dayle Hall: 

Ja, wir sind froh, dass wir Sie haben. Ich sage das gleich im Voraus, weil ich sehr stolz darauf bin, dass Schneider ein Kunde von uns ist. Also werde ich das einfach mal so sagen. Aber dies ist kein Verkaufsgespräch. Jeder, der das gerade in diesem Podcast gehört hat und denkt, oh, ich schalte das aus, nein, nein, bleiben Sie bei uns, ich verspreche, es hat nichts damit zu tun, mehr SnapLogic zu kaufen. Ich kann Sreedhars Gesicht auf dem Video sehen. Er sagt: "Puh, Gott sei Dank. Wie auch immer, wir freuen uns, dich hier zu haben, Kumpel. 

Bevor wir uns diesem Bereich zuwenden, möchte ich Sie bitten, mir ein wenig Hintergrundwissen über die Branche zu vermitteln und mir zu erklären, wie Sie zu diesem speziellen Bereich bei Schneider gekommen sind, denn das ist nichts, was ich sofort mit Ihrem Unternehmen in Verbindung bringen würde.

Sreedhar Sistu:

Ja, sicher. Ich werde aus zwei Richtungen berichten, zum einen über meinen persönlichen Weg und zum anderen darüber, wie wir bei Schneider zu diesem Ergebnis gekommen sind. Ich bin schon ziemlich lange in der Tech-Branche im Bereich Unternehmenssoftware und Cloud-SaaS-Anwendungen tätig und habe langsam versucht, die Vorteile von SaaS zu erkennen, nämlich dass man Daten hat, mit denen man seinen Kunden helfen kann. Meine Erfahrung mit künstlicher Intelligenz reicht jedoch weit zurück. Ich denke, die Veteranen der Branche werden sich an Lisp und Prolog erinnern, die zufällig eine der ersten Programmiersprachen waren, die ich damals auf dem College gelernt habe. Was ich sehe, ist ein großer Wandel in der Software, wo man früher Anwendungen hatte, bei denen es mehr um das System der Aufzeichnungen ging, wo man Dinge an einem Ort speichert und jeder darauf zugreifen kann, was sehr wertvoll ist. Und dann gibt es die richtige Art von Workflow, bei dem Dinge von einer Person zu einer anderen, von einer Abteilung zu einer anderen weitergegeben werden. 

Und ich glaube, dass wir die nächste Evolutionsstufe erleben, bei der die Daten, die durch die Zusammenarbeit von Menschen erzeugt werden, tatsächlich die Arbeitsabläufe bestimmen und den Menschen Einblicke geben, um effektiver zu werden. Und so sehe ich AS als die nächste transformative Technologie an. Schneider Electric ist eines der großen Energiemanagementunternehmen der Welt. Wir produzieren keinen Strom, wir übertragen ihn nicht, aber wir tun alles, um Energie an Gebäude, Rechenzentren, Häuser und alles andere zu verteilen und sie viel effizienter zu verwalten. Wir verkaufen viele Produkte, die gut sind, wie Sie sicher sehen. Und wir verkaufen auch eine Menge Software. Und wir haben eine große IoT-Plattform, denn alle Geräte, die wir jetzt verkaufen, sind vernetzte Geräte und geben Daten ab, sie haben viele Sensoren. Und wir sehen, dass wir mit all diesen Daten viele Erkenntnisse gewinnen können. Aber das ist nicht etwas, was Menschen tun können. Hier spielt eindeutig die KI eine Rolle. 

Deshalb werde ich hier eine Pause einlegen und Sie vielleicht ein wenig tiefer einsteigen lassen.

Dayle Hall: 

Ja, genau. Nein, ich glaube, das ist der entscheidende Punkt: Egal, ob Sie ein Hardware- oder ein Softwareunternehmen sind, heutzutage geht es bei der Art und Weise, wie Geräte und Anwendungen miteinander verbunden sind, um Daten, jedes Unternehmen - Sie kennen den Ausdruck: Jedes Unternehmen ist ein Datenunternehmen. Und ich denke, dass dies insbesondere auf Schneider zutrifft. Da Sie ein Kunde von SnapLogic sind, dreht sich ein großer Teil unserer Arbeit um die Integration dieser Datenpunkte und so weiter. 

Ich denke, die erste Frage von mir wäre, da Sie sich mit Dingen wie der Verbindung von Geräten oder Softwareanwendungen usw. befasst haben, wie haben Sie gesehen, wie sich dieser, nennen wir ihn, Integrations- und Automatisierungsbereich entwickelt und verändert hat, und wie wird KI tatsächlich ein größerer Teil davon?

Sreedhar Sistu:

Ja. Ich denke, was Sie über die Anwendung von KI gesagt haben, können wir sicherlich als Hauptkandidaten für die Anwendung von KI im Bereich der Integration betrachten, denn dies ist sozusagen die nächste Evolutionsstufe jeder Art von Unternehmensintegration, bei der man verschiedene Teile zusammenfügt, Regeln schreibt und Logik entwickelt. Und wissen Sie was? Man kann wahrscheinlich einiges davon aus den Daten ableiten, aus der Art und Weise, wie die Leute die Integration durchführen, aus welchen Systemen sie Daten sammeln und was sie integrieren. 

Auf der anderen Seite, auf der Seite des IoT und der vernetzten Geräte, sehen wir aus der Sicht von Schneider Electric eine große Chance: Wir haben Leute, die KI in Bereichen wie Empfehlungen, Verkauf von Werbung und so weiter einsetzen, das ist ein großartiges Geschäftsmodell, keine Frage. Aber einen größeren Einfluss sehen wir im Bereich der Energieeffizienz und der Automatisierung, richtig? Wir alle wissen, was heute in der Branche mit der Energiekrise in Europa passiert. Und wenn wir die Technologie nutzen können, um die Energienutzung zu verbessern, ist eines der großen Probleme wirklich die Spitzenlast. Wie lassen sich Lastspitzen im Netz bewältigen, damit wir es nicht abschalten müssen? Es gibt also viele Anwendungsfälle, die wir aus der Sicht unserer Kunden sehen und die wir mit Hilfe von KI recht effektiv angehen können.

Dayle Hall:

Ja, das stimmt. Ja, wenn ich mir anschaue, was SnapLogic macht, hilft unsere KI, sagen wir mal, den Verbindungspunkt vorzuschreiben, damit die Leute nicht programmieren müssen. Sie haben vorgeschlagen, wenn Sie diese Anwendungen haben, ist dies, wie es einfacher zu verbinden. Es handelt sich also um einen Anwendungsfall, um ein Effizienzmodell. Und mir gefällt, was Schneider tut, nämlich nicht nur zu fragen, wie wir KI überall einsetzen können, sondern auch, welche Anwendungsfälle wir lösen können. Und wenn man über Dinge wie die Energiekrise spricht, ist das eine massive globale Auswirkung. Wenn man also dazu beitragen kann, diese Probleme in kleinerem Maßstab bei bestimmten Kunden und in bestimmten Regionen zu lösen, kann das bei den größeren Krisen helfen, auf die Sie im Vorfeld hingewiesen haben. Ich will nicht sagen, dass es ein altruistisches Spiel ist, aber es gibt definitiv einen Nutzen für Ihr Unternehmen, aber es gibt auch einen potenziell größeren Nutzen für alle, die irgendeine Art von Energie verbrauchen.

Sreedhar Sistu:

Da haben Sie recht. Und das ist eines der Dinge, auf die wir sehr stolz sind, denn es geht nicht nur darum, Dinge zu tun, die uns, den Kunden, direkt bei der Nutzung unserer Anlagen helfen, sondern es ist wirklich ein Beitrag zu Ihrem großen Ziel. Sehen Sie, der Energiebedarf wird mit zunehmender Bevölkerung weiter steigen. Und wenn man sich die Elektrifizierung ansieht, bei der immer mehr Elektrofahrzeuge zum Einsatz kommen, wird die Nachfrage nach dem Stromnetz noch weiter steigen. Und die einzige Möglichkeit, dies zu erreichen, besteht darin, den Energieverbrauch intelligenter zu gestalten, und dafür sind Technologien wie KI erforderlich. 

Dayle Hall:

Richtig, richtig. Sie haben vorhin etwas erwähnt, als wir über Integration, Automatisierung und den Einsatz von KI sprachen, und zwar speziell über Geschäftsprozesse. Lassen Sie uns also damit beginnen, wo wir anfangen sollen. Denken Sie also über die grundlegenden Aspekte der Integration von KI in ein Unternehmen nach, und worüber sollten Unternehmen wirklich nachdenken, wenn sie erwägen, irgendeine Art von KI in ihre heutigen Geschäftsprozesse zu integrieren? Wo sollen sie anfangen? 

Sreedhar Sistu:

Ja, das stimmt. Es liegt also eine gewisse Ironie in Bezug auf die KI von heute darin, dass sie wahrscheinlich nicht alles tun wird, was man sich von ihr verspricht. 

Dayle Hall:

Wirklich?

Sreedhar Sistu:

Ganz genau. Es kann abwaschen und kochen. 

Dayle Hall:

Kann ich damit mit meinem Hund spazieren gehen?

Sreedhar Sistu:

Leider müssen Sie darauf noch warten. Sprechen Sie mit Sony. Aber sie wird wahrscheinlich viel mehr können, als Sie glauben. Es geht also wirklich darum, realistische Erwartungen an die Möglichkeiten der KI zu stellen. Es ist leicht, sich von diesen Ideen der Superintelligenz, der künstlichen allgemeinen Intelligenz, der Ablösung des Menschen und der Automatik leiten zu lassen. Ich denke, das sind alles interessante Konzepte. Ich bin sicher, dass wir sie irgendwann in der Zukunft sehen werden. Aber heute geht es wirklich um kognitiv anspruchsvolle Aufgaben, an denen Menschen beteiligt sind, die viel Zeit dafür aufwenden müssen, und darum, wie wir sie durch den Einsatz von Technologie automatisieren können. Diese realistische Erwartung ist also ein wichtiger Punkt bei der Einführung in Unternehmen. Der zweite Punkt, auf den wir später noch näher eingehen können, ist die Einführung der richtigen Prozesse und Methoden für den Einsatz von KI, wozu auch die Identifizierung der richtigen Anwendungsfälle gehört. Also -

Dayle Hall: 

Ich glaube, das ist der Schlüssel. Und ich denke, das ist einer der Bereiche, zu denen ich Sie gerne speziell befragen würde. Was ich in diesen Podcasts und in Gesprächen mit Kunden gehört habe, ist, dass der Wert von KI wirklich zum Tragen kommt oder eine größere Wirkung hat, wenn man mit einem Anwendungsfall beginnt. Mich würde also interessieren, wie Sie mit Kunden sprechen, wie Sie darüber nachdenken, wie Schneider dies auf dem Markt anbietet, und wie Sie Unternehmen raten, mit den Anwendungsfällen zu beginnen.

Sreedhar Sistu:  

Ja, das stimmt. Eines der unterschätzten Dinge ist, wie schwer es ist, wirklich gute Anwendungsfälle für KI zu finden. Die meisten Unternehmen sind begeistert: "Hey, wir haben diese neue Technologie, wir stellen ein paar Datenwissenschaftler und ein paar ML-Ingenieure ein, und dann finden wir schon etwas heraus, richtig? Und dann kommt man mit einer großartigen Demo, mit einem großartigen Proof of Concept, das allen gefällt, aber dann weiß niemand, wie man es in die Produktion bringt, niemand weiß, wie man es tatsächlich nutzt. Und es bleibt lange Zeit im Demo-Center, bis die nächste glänzende Sache auftaucht. Wir haben also versucht, einen Ansatz zu verfolgen, bei dem wir mit Anwendungsfällen beginnen, und zwar mit Anwendungsfällen, die von den Unternehmen akzeptiert werden. Es handelt sich also nicht um einen Technologieschub. Wir freuen uns über all die netten Gespräche über Technologie. Aber lassen Sie uns mit den geschäftlichen Anwendungsfällen beginnen. Lassen Sie uns gleich zu Beginn eine Hypothese über den geschäftlichen Wert dieser Anwendungsfälle aufstellen, richtig? Hier gibt es ein gewisses Dilemma. Manche Leute haben Angst, dass es kompliziert wird, wenn man den Geschäftswert gleich zu Beginn ermitteln muss, denn es ist den Leuten immer unangenehm, Werte im Voraus zu bestimmen. Wir haben uns für den nächsten Schritt entschieden: den Gate-Ansatz. Es geht also nicht nur darum zu sagen, okay, du hast etwas gesagt, und wir bleiben für immer dabei, sondern wir fangen mit der ersten Hypothese an, wir machen unsere ersten Untersuchungen, um zu sehen, ob es Sinn macht, ob es einen geschäftlichen Wert hat, ob es technisch machbar ist, und dann gehen wir in die nächste Phase, was uns Vertrauen gibt, was uns erlaubt, ein bisschen offener und experimenteller zu sein, anstatt alles für immer festzulegen.

Dayle Hall:

Das stimmt. Dieses Konzept gefällt mir. Lassen Sie mich das noch etwas näher erläutern. Sie sagten, dass es Projekte gibt, die die Zustimmung des Unternehmens finden, aber Sie sagten auch, dass es Projekte gibt, bei denen KI einen Mehrwert für das Unternehmen schafft - sind das zwei verschiedene Dinge, schließen sie sich gegenseitig aus? Wie haben Sie das bei Ihren eigenen Kunden erlebt?

Sreedhar Sistu:

Ja, das stimmt. Es ist also nicht so, dass sie sich gegenseitig ausschließen. Sehen Sie, was passiert, ist, dass derjenige, der auf der geschäftlichen Seite steht, nach der Frage sucht, wie ich das, was wir heute tun, verbessern kann, richtig? Nehmen wir einen Fall, in dem wir Software verkaufen, die versucht, den Energieverbrauch in einem Gebäude zu optimieren, zum Beispiel. Sie können also sagen, dass es verschiedene Möglichkeiten der Optimierung gibt, ich kann neue Funktionen entwickeln, ich kann versuchen, neue Steuerungen zu finden, usw. Oder wir können sagen, dass wir versuchen sollten, etwas Intelligentes zu finden, das sprunghaft ansteigt, oder dass die Person auf der Unternehmensseite mit der Kunst des Möglichen bei der KI nicht ganz vertraut ist. Es kann also sein, dass Sie immer noch eher auf der inkrementellen Seite stehen, und hier bringen wir das ein, was wir ein Hub-and-Spoke-Modell nennen. Bei diesem Modell setzen sich KI-Experten mit technologischem Hintergrund und Geschäftsleute zusammen, um einen Vorschlag zu erarbeiten, bei dem die KI-Technologen erklären können, wie KI hypothetisch helfen kann - ich meine, wir sind noch nicht in der Entwicklungsphase -, und jemand aus der Geschäftswelt kann plötzlich das Potenzial erkennen, das sie den Kunden bieten kann. Es gibt also einen anderen Begriff für ein "Power Couple". So können diese beiden zusammenkommen, um zu diskutieren und die sinnvollen Anwendungsfälle zu identifizieren.

Dayle Hall: 

Mir gefällt das Konzept des Energiepaares, ja, nein, das ist gut. Und wenn wir uns dann ansehen - also wenn Sie da draußen sind, wenn Sie mit diesen Beispielen sprechen, wie oft müssen Sie möglicherweise reingehen und dabei helfen, diese Anwendungsfälle herauszuziehen, oder kommt das Unternehmen auf Sie zu und sagt, was, wir haben sie und wir wollen sehen, ob Sie dabei helfen können? Ist es eine Art 50/50 und spielt es wirklich eine Rolle, solange Sie entweder bei einem laufenden Projekt oder für das Unternehmen einen Mehrwert liefern?

Sreedhar Sistu:

Ja. Ich denke, du bringst hier definitiv eine Menge pragmatischer Ansichten ein, Dayle, weil...

Dayle Hall:

Ich versuche es, ich versuche es. 

Sreedhar Sistu:

In einer perfekten Welt würde sich jeder KI-Ingenieur oder Datenwissenschaftler wünschen, dass jemand mit einem klar definierten Problem kommt, das wir als Kaggle-Problem bezeichnen, richtig? Sie bringen einfach alles mit, und ich muss dann nur noch den Algorithmus entwickeln. 

Dayle Hall:

Ja, ja, natürlich. 

Sreedhar Sistu:

Nein, ich denke, es ist vor allem die dritte Option, die Sie genannt haben: Es ist eigentlich egal, wer die Idee und den Anwendungsfall einbringt, wichtig ist, dass wir als ein Team zusammenarbeiten, dass Sie die geschäftliche Perspektive und Sie die technologische Seite einbringen, so dass wir sicher sein können, dass es a) einen geschäftlichen Wert hat, dass es geschäftlich machbar ist und b) dass es technisch machbar ist.

Dayle Hall: 

Das stimmt. Ja, genau. Nein, das gefällt mir. Wenn ich also denke, dass wir hier über die Art von Unternehmen sprechen, die den Wert erkennen oder bereit sind, damit zu arbeiten, dann sind sie der Entwicklung wahrscheinlich ein wenig voraus. Warum glauben Sie, dass wir in einigen Unternehmen oder generell beim Reifegradmodell für KI und bei der Umsetzung in die Praxis in Unternehmen im Rückstand sind? Oder gibt es eine Verzögerung bei der Einführung, gibt es immer noch eine Zurückhaltung, weil man nicht weiß, wie man es nutzen kann? Wo stehen wir Ihrer Erfahrung nach im KI-Reifegradmodell? Ich weiß, dass es viele verschiedene Anwendungsfälle gibt, so dass es etwas weit hergeholt ist zu sagen, dass alles KI ist. Aber was sehen Sie?

Sreedhar Sistu:

Ja, das stimmt. Meine Erfahrung ist also, und das soll keine Selbstbeweihräucherung sein, aber ich denke, auf Unternehmensebene hinkt die Einführung von KI im Allgemeinen ein wenig hinterher, okay? Dafür gibt es mehrere Gründe, aber ich kann wahrscheinlich ein paar nennen. Einer, den ich bereits erwähnt habe, ist, dass es manchmal etwas unrealistische Erwartungen an KI gibt, weil wir in der Presse lesen, dass ChatGPT das nächste große Ding ist, dass ChatGPT in der Lage ist, bestimmte Dinge zu tun, und wenn man sich einige der Ergebnisse von ChatGPT anschaut, ist das manchmal sicher falsch.

Dayle Hall:

Ja, genau. Selbstbewusst falsch, das ist eine gute Art, es zu beschreiben.

Sreedhar Sistu:

Es wird also der Eindruck erweckt, dass die KI dahinter wirklich intelligent ist, obwohl sie es nicht ist, aber sie weiß es nicht. Ich denke also, dass es in den Unternehmen ein Interesse an der Nutzung dieser Technologie gibt, aber auch ein gewisses Zögern bei der Einführung. Ich kann das mit dem vergleichen, was wir bei Schneider gemacht haben: Es ist nicht so, dass Schneider sich nicht schon vorher mit KI beschäftigt hätte. Es gibt sie also schon seit etwa fünf Jahren, wir haben verschiedene Dinge ausprobiert. Wir begannen damit, dass man in kleinem Maßstab einige punktuelle Lösungen, einige kleine Probleme, die immer noch einen Geschäftswert haben, lösen kann, aber ohne einen ganzheitlichen Ansatz und eine umfassende Strategie wird man nicht skalieren können. Und das ist es, was wir beschlossen haben. Und glücklicherweise haben wir eine starke Unterstützung von unserem ExCom bekommen, das gesagt hat, wir sollten einen umfassenden Ansatz verfolgen, das richtige Maß an Investitionen tätigen und das richtige Betriebsmodell haben, um KI in großem Umfang zu nutzen. Ich glaube, dass nicht viele Unternehmen bereit sind, sich in diesem Umfang zu engagieren. Und das ist meiner Meinung nach einer der Hauptgründe, warum die Akzeptanz nicht so hoch ist, wie sie sein müsste.

Dayle Hall:

Das ist interessant. Als wir uns im Vorfeld dieses Podcasts unterhalten haben, haben Sie eine interessante Bemerkung gemacht, nämlich dass Sie bei der Umsetzung diszipliniert vorgehen. Sie haben also ein wenig darüber gesprochen, wie Organisationen darüber nachdenken sollten. Wenn Sie sagen, wenn jemand da draußen darüber nachdenkt, okay, wir schauen uns KI an, vielleicht haben sie einen Anwendungsfall oder vielleicht haben sie ein Projekt, das sie sich anschauen. Wenn Sie die Implementierung als einen disziplinierten Ansatz beschreiben, was meinen Sie dann mit einem disziplinierten Ansatz? 

Sreedhar Sistu:

Ja. Wenn ich also sage, dass wir einen disziplinierten Ansatz für KI im großen Maßstab brauchen, dann ist das aus meiner Sicht - wir haben also diesen internen Prozess, den wir Trichterprozess nennen, okay? Es ist ein klassisches Stage Gate. Ich behaupte nicht, dass es etwas super Einzigartiges daran gibt. Wichtig ist jedoch, dass wir diesen Prozess bei allem, was wir tun, rigoros anwenden. Und es ist sehr verlockend, einen neuen Anwendungsfall zu betrachten und zu sagen: Oh, dafür haben wir schon eine Lösung, es gibt eine Lösung von einem Drittanbieter, die können wir sofort implementieren, oder der Datenwissenschaftler ist sehr clever, er kann sich im Laufe der Woche etwas ausdenken, bumm, fertig. Nein, ich denke, wir müssen das Stage Gate durchlaufen, um sicherzustellen, dass alle Beteiligten involviert sind, alle Stakeholder involviert sind und wir es in dem Tempo vorantreiben können, das erforderlich ist, um sicherzustellen, dass alle Elemente abgedeckt sind. 

Vor ein paar Jahren gab es ein klassisches Papier von Google, in dem es um den Umfang der KI-Entwicklung ging, bei der wir uns wirklich auf die Entwicklung von datenwissenschaftlichen Algorithmen konzentrieren, die etwa 5 bis 10 % der Arbeit ausmachen, richtig? Und in Unternehmen ist KI kein eigenständiges Produkt. KI wird fast immer in etwas anderes integriert. Und wenn man sich nicht rechtzeitig Gedanken darüber macht, wie man den Endnutzern KI-Funktionen zur Verfügung stellen will, wird es am Ende nicht passieren oder man wird sich verzögern. Wenn ich also von einem disziplinierten Ansatz spreche, dann geht es darum, sicherzustellen, dass alle Grundlagen abgedeckt sind. Und der zweite Aspekt der Disziplin besteht darin, Ideen zu verwerfen, Ideen zu töten.

Dayle Hall: 

Erläutern Sie, was Sie damit meinen, Ideen töten oder ablehnen.

Sreedhar Sistu:

Das Wichtigste ist also, dass man bei der Identifizierung von Anwendungsfällen ein bisschen mutig sein muss, um Dinge zu finden, die ein gewisses Maß an Erfolg versprechen, aber nicht unbedingt ein Volltreffer sind, denn man weiß ja nie. Ich meine, wenn man ganz ehrlich zu sich selbst ist, dann ist es nicht fertig, bevor es nicht fertig ist, richtig? Man wählt also die Ideen aus. Und man weiß, dass man, wenn man eine Phase durchläuft, sagen wir, eine Exploration, ein paar Beispieldatensätze durchgeht, sich das Geschäft ansieht. Und dann stellt man fest, dass es vielleicht doch nicht so toll ist, oder dass es technisch wirklich schwierig ist, dann lassen wir die Idee fallen. Und die Leute fühlen sich wirklich unwohl dabei, Ideen zu verwerfen und fallen zu lassen, weil es fast als Versagen angesehen wird. Für mich ist das eines der größten Hindernisse. Wenn man wirklich diszipliniert ist, lässt man die Idee fallen, hat eine großartige Erkundung gemacht, etwas gelernt, kein großartiger Business Case, dann lassen wir es sein.

Dayle Hall:  

Ja. Ich glaube, es fällt den Leuten definitiv schwer, Nein zu sagen, aber ich glaube, es ist mehr als das. Wenn sie ein Projekt in Angriff nehmen, und ich denke, hier muss das Unternehmen einfach die Disziplin oder die Führung haben, die sagt: Ja, wir glauben nicht, dass wir - obwohl KI helfen könnte, glauben wir nicht, dass sie so viel Wert hat, wie wir denken, zumindest jetzt. Aber lassen Sie uns in dieser Hinsicht ehrlich sein und möglicherweise andere Möglichkeiten ins Auge fassen. Aber jeder möchte, dass seine Projekte und Initiativen funktionieren. Ich kann mir also vorstellen, dass das interessant ist. Bevor wir zum Schluss kommen, möchte ich noch auf ein paar Bereiche eingehen - speziell auf Schneiders Beitrag zur Nachhaltigkeit. In diesen Podcasts höre ich viel über KI-Ethik und wie Sie speziell darüber denken. Die Diskussionen über KI-Ethik, die ich in diesen Podcasts geführt habe, drehten sich sehr stark um die Menschen, zumindest aus der Sicht der Personalabteilung usw. Haben Sie irgendetwas zu - wie denkt Schneider über KI-Ethik in Bezug auf das, was Sie heute anbieten?

Sreedhar Sistu:

Ja, genau. Also ich meine, das ist ein Thema, das wir sehr ernst nehmen. Und in der Tat haben wir direkt bei der Gründung der zentralen KI-Organisation eine Gruppe, die wirklich mit den Standardisierungsgremien zusammenarbeitet und versucht, die Auswirkungen zu verstehen, erstens, um erklärbare KI zu haben, ich denke, was wir wirklich anstreben, ist, bevor wir in die Ethik einsteigen, lasst uns verstehen, was die Maschine uns sagt, richtig, sind super wichtig für uns, also haben wir tatsächlich Leute, die sich auf erklärbare KI konzentrieren und sicherstellen, dass wir verstehen, was diese Algorithmen uns sagen. Zweitens: Wir nehmen die Datenschutzbestimmungen sehr ernst. Ich meine, wir haben ein europäisches Erbe und GDPR usw. ist wirklich der Kern dessen, was wir tun, Sie haben es mit sensiblen Mitarbeiterdaten zu tun, wir haben strengere Datenrichtlinien, wie die Daten für Schulungen zu anonymisieren sind, usw. Das ist also das Herzstück unserer Arbeit.

Dayle Hall: 

Okay. Ja, das ist gut. Ich denke, das ist ein Bereich, in dem man mehr über KI im Allgemeinen hört, ich denke, die ethische Diskussion über KI fängt gerade erst an, ein bisschen mehr Zugkraft zu bekommen. Und was ich gehört habe, und ich bin sicher, dass Sie mir zustimmen, ist, dass das Wichtigste ist, dass man erklären kann, wie es funktioniert, und nicht nur: Hey, wir haben diese Blackbox von KI, und so funktioniert sie, und das ist das Ergebnis. Denn woher weiß man dann, ob es eine Verzerrung gibt, woher weiß man, ob es wirklich die richtigen Daten sind, auf deren Grundlage der KI-Experte die Bewertung vornimmt? Ich denke also, dass wir mehr und mehr Diskussionen über diese Themen sehen werden. Da ich weiß, wie viele Technologieunternehmen auftauchen, bin ich sicher, dass es irgendwann auch eine Reihe von Technologieunternehmen geben wird, die sich auf KI-Ethik konzentrieren, aber- 

Sreedhar Sistu:

Oh, ja. 

Dayle Hall:

[unhörbar] Schneider denkt auch darüber nach.

Sreedhar Sistu:

Ja, ja, ja. Es ist ein [EDI], wir haben von Anfang an gedacht, und wir haben angefangen, ernsthaft über KI zu sprechen, dass wir in diesem Bereich der Zeit voraus sein müssen, und wir werden weiter daran arbeiten, um sicherzustellen, dass wir die Bedenken berücksichtigen. 

Dayle Hall: 

Das ist gut. Nein, das ist gut. Okay. Lassen Sie uns zum Abschluss des Podcasts noch ein wenig speziell über Schneider und Ihre Mission in Bezug auf Nachhaltigkeit in der KI sprechen. Wie Sie mir bereits erklärt haben, besteht die Mission von Schneider darin, der digitale Partner von Unternehmen zu sein, wenn es um Nachhaltigkeit und Effizienz geht, was ich im Übrigen sehr gut finde. Wie sehen diese Projekte aus, und was sind die wichtigsten Maßnahmen, die Schneider ergreift, um mit Unternehmen an spezifischen Initiativen wie dieser zu arbeiten?

Sreedhar Sistu:

Ich kann also ein paar Beispiele nennen, die das Ganze etwas konkreter machen, oder? Ich glaube, wir haben vorhin über die Herausforderungen gesprochen, denen wir im Energiebereich gegenüberstehen, und wie wir sie angehen können. Eine der Lösungen, die wir mit KI verbessern, dreht sich um das, was wir als Energieflexibilität bezeichnen, okay? Wenn man sich heute überlegt, dass Microgrids eine aufkommende Idee für die meisten Unternehmen, Gebäude, Fabriken, Industrien usw. sind. Im Grunde ist es also ganz einfach, oder? Ich meine, Sie haben mehrere Energieformen, die Sie nutzen können, verteilte Energieressourcen, wie wir sie nennen, denn Sie können ein Solarpanel haben, das tagsüber Strom produziert, Sie können eine Batterie haben, die ihn speichert, und Sie können einen Generator für Notfälle haben. Natürlich kommt der Strom auch aus dem Netz. Was wir tun, ist, dass wir die Energienutzung aus verschiedenen Ressourcen optimieren können, um Ihre Ziele zu erreichen und die Kosten zu senken. 

Wenn man zum Beispiel tagsüber variable Gebühren hat, was in Kalifornien sicher der Fall ist, kann man optimieren, wann man die Batterie auflädt und wann man die Energie bei sich behält, damit man nicht auf die Netzspitzen trifft, und man kann die PV-Produktion zu bestimmten Tageszeiten einsparen. Und, was noch wichtiger ist, mit der zunehmenden Anzahl von Elektrofahrzeugen in den Gebäuden können Sie diese auch optimaler aufladen, denn nicht jedes Fahrzeug muss in einer halben Stunde aufgeladen werden, oder? Es wird den ganzen Tag auf dem Parkplatz stehen, also kann man es vielleicht am Tropf aufladen. Eine unserer Lösungen besteht also darin, all diese Faktoren zu berücksichtigen und den Bedarf mithilfe von Algorithmen des maschinellen Lernens zu prognostizieren und dann wirklich zu versuchen, die Spitzen im Energieverbrauch zu reduzieren. So kann man entweder die Stromrechnung senken, die man bezahlt, oder man kann auch viel mehr nachhaltige Energie einsetzen, um den CO2-Fußabdruck zu verringern. 

Dayle Hall:

Interessant. 

Sreedhar Sistu:

Ich denke also, dass dies eine wirklich leistungsstarke Lösung ist, die Ihnen hilft, sowohl die Kosten zu optimieren als auch Ihre Nachhaltigkeitsziele zu erreichen.

Dayle Hall:

Ja, das gefällt mir. Ich sehe immer mehr Unternehmen, die sich mit dem Thema Nachhaltigkeit befassen, und es gibt offensichtlich, insbesondere in Europa, wo Schneider gegründet wurde und seinen Hauptsitz hat, enorme Möglichkeiten sowie immer strengere Regeln und Vorschriften. Ich denke also, Sie sind der Zeit definitiv voraus. Inwieweit würden Sie sagen - nein, ich möchte nicht, dass Sie - Sie müssen mir nicht die Unternehmensstrategie von Schneider nennen. Aber ist dies etwas, das definitiv - es klingt nicht so, als wäre es ein Nebenprojekt von Schneider. Es hört sich an, als würde es zu einer führenden Initiative werden. Wie viel Aufwand steckt Schneider in diese Art von Bereich?

Sreedhar Sistu:

Wir haben also einen eigenen Geschäftszweig, der sich auf Microgrids konzentriert. Wir haben auch einen bedeutenden Schwerpunkt bei [FCs]. Kürzlich haben wir ein neues Energiemanagementsystem für Wohngebäude auf den Markt gebracht. Wir gehen also von kommerziellen Gebäuden zu Wohngebäuden über, wo wir eine optimale Energienutzung in den Häusern erreichen können. Wir verfolgen also eine große Strategie in Bezug auf das, was wir als Prosumer bezeichnen, denn Haushalte sind nicht mehr nur Verbraucher von Strom aus dem Netz. Haushalte können mit Hilfe von Photovoltaik Strom erzeugen. Das ändert das Spiel also völlig. Und wir glauben, dass wir bei diesem Wandel eine wichtige Rolle spielen können, was sowohl eine Chance für uns als Unternehmen als auch für eine gesunde Umwelt ist.

Dayle Hall:

Ja, ja. Nein, ich liebe das. Es ist großartig - und sehen Sie, wir sind immer froh, dass Sie SnapLogic-Kunde sind, aber ich finde es toll, dass ein großer Energiekunde über Nachhaltigkeit nachdenkt und den Durchschnittshaushalt unterstützt, auch wenn er Schneider nicht unbedingt direkt als Produkt oder Dienstleistung kauft. Sehen Sie, das ist ausgezeichnet. Ich habe noch eine letzte Frage an Sie, bevor wir zum Schluss kommen. Sie sind in dieser Branche tätig, ich würde Sie als führend bei technischen Innovationen bezeichnen, insbesondere im Bereich KI. Als führender Anbieter von technischen Innovationen, insbesondere im Bereich der künstlichen Intelligenz (KI), sind Sie nicht nur von Schneider begeistert, sondern auch von den Möglichkeiten, die sich in den nächsten zwei bis fünf Jahren im Zusammenhang mit KI ergeben werden, worauf freuen Sie sich und was erwartet Sie in Ihrem Fachgebiet?

Sreedhar Sistu:

Zunächst einmal bin ich sehr optimistisch, was die Vorteile der KI in den kommenden Jahren angeht. Und ich sehe wirklich eine Verschiebung hin zu einer, wie ich es nenne, nützlichen KI anstelle der engen KI, die wir in den letzten vielleicht 510 Jahren hatten, die notwendig war, um die Technologie zur Reife zu bringen, aber ich denke, wir werden mehr und mehr nützliche Anwendungen von KI sehen. Und wirklich, es geht darum, den Menschen zu ergänzen, es geht nicht darum, den Menschen zu ersetzen, sondern ihn zu ergänzen. Es gibt bestimmte Dinge, in denen Menschen gut sind und auch in Zukunft gut sein werden, und KI wird dabei helfen. Wollen Sie, dass jemand in der Werkstatt mit den Augen nach Fehlern Ausschau hält? Nein. Sie wollen eine Kamera mit integrierter KI, die Fehler erkennt und Artikel auf die Baustelle schiebt. Ich glaube also, dass wir bald viele nützliche KI-Anwendungen sehen werden, die die Produktivität und Effizienz steigern und, wie ich schon sagte, in unserem Fall die Nachhaltigkeit des Planeten verbessern werden.

Dayle Hall:  

Ich denke, das ist ein passendes Ende des Podcasts. Mir gefällt, was Sie gesagt haben: "Nützliche KI ist kein Spielzeug. Das Wichtigste ist, dass KI dazu beitragen wird, den Menschen zu ergänzen, ihn nicht aus dem Prozess zu entfernen, und dass wir als Menschen in der Lage sein werden, uns auf interessantere Gelegenheiten, auf die interessanteren Arbeiten zu konzentrieren. Das ist ein perfektes Ende. Sreedhar, es war mir ein Vergnügen. Ich hoffe, es war nicht zu mühsam, Ihnen zu erklären, worauf Sie sich im Bereich KI konzentrieren und was Schneider tut. Vielen Dank, dass Sie heute an unserem Podcast teilgenommen haben.

Sreedhar Sistu:

Vielen Dank, Dayle. Es war ein tolles Gespräch. Ich habe es in vollen Zügen genossen und bin dankbar, dass ich bei Ihrem Podcast dabei sein durfte.

Dayle Hall: 

Klingt gut. An alle anderen da draußen: Danke, dass ihr heute dabei wart. Schauen Sie bei unserem nächsten Podcast vorbei, der bald erscheinen wird. Und ich wünsche Ihnen einen schönen Rest des Tages.