KI News

Quelle: novoai.de

MASCHINENAUSLASTUNG DASHBOARD PRODUKTION: DIE VERSTECKTEN PRODUKTIONSVERLUSTE
ENDLICH STOPPEN
MASCHINENAUSLASTUNG DASHBOARD PRODUKTION: AUSLASTUNG, LEERLAUF UND STILLSTAND
AUF EINEN BLICK
Können Sie auf einen einzigen Bildschirm zeigen, der Maschinenzustand,
Auslastung, Leerlauf und Stillstand anzeigt und aus den Informationen direkte
Maßnahmen ableitet? Das ist das Versprechen eines Maschinenauslastung Dashboard
Produktion: ein Blick, sofortiger Kontext und klare nächste Schritte für die
Produktionshalle und das Management. Das Fokus-Keyword dieses Beitrags lautet:
Maschinenauslastung Dashboard Produktion. Dieser Beitrag erklärt, wie ein
durchdachtes Dashboard Auslastung, Leerlaufphasen und vollständige Stillstände
sichtbar macht und wie Hersteller diese Signale nutzen, um Verschwendung zu
reduzieren, verlorene Kapazität zurückzugewinnen und Energiekosten zu senken.
WARUM MASCHINENAUSLASTUNG WICHTIG IST
Sichtbarkeit der Maschinenauslastung ist nicht nur eine Kennzahl für die
Produktion, sie ist eine Geschäftskennzahl. Wenn Produktionsleiter sehen, welche
Maschinen mit 80 % Auslastung laufen und welche bei 20 % verharren, lassen sich
Arbeitsvolumen umverteilen, Instandhaltungsfenster planen und Schichtpläne
zielgerichtet anpassen. Studien und Branchenberichte aus 2023 bis 2025 belegen,
dass Hersteller mit Echtzeitüberwachung messbare Vorteile erzielen. Vernetzte
Geräte und Analytik steuern zunehmend Entscheidungen auf der Fertigungsebene
(Fraunhofer ISI).
Konkrete Zahlen schaffen Vertrauen. Eurostat und deutsche Institute berichten,
dass der Einsatz von KI und IIoT in Industrieunternehmen zunimmt. Viele Firmen
setzen inzwischen auf Sensorik und lokale Auswertung, um Zustände in Echtzeit
abzubilden. Mehr Daten erlauben es, Auslastungs-, Leerlauf- und
Stillstandskennzahlen auf einem Maschinenauslastung Dashboard Produktion zu
visualisieren. Doch rohe Daten lösen Probleme nicht von allein. Klarheit in der
Darstellung und Kontext sind entscheidend.
Moderne Lösungen wie die WatchMen-Plattform von Novo AI verbinden bestehende
Maschinen mit nicht-invasiver Sensorik und ermöglichen maschinenunabhängiges
Retrofitting. Dadurch können auch Altanlagen in ein Maschinenauslastung
Dashboard Produktion integriert werden, ohne teure SPS-Upgrades.
WARUM MASCHINENAUSLASTUNG WICHTIG IST 1: ZENTRALE ELEMENTE EINES
MASCHINENAUSLASTUNG DASHBOARD PRODUKTION
Ein praktisches Maschinenauslastung Dashboard Produktion zeigt drei sofort
erkennbare Kennzahlen: Auslastung (Prozent der geplanten Zeit, in der
wertschöpfend produziert wird), Leerlaufzeit (Maschine ist eingeschaltet,
produziert aber nicht) und Stillstände (ungeplante Ausfallzeit). Typische
Anzeigeebenen sind:
* Echtzeit-Auslastungsbalken mit Farbgrenzen für niedrig/zielführend/hoch.
* Ereignis-Timeline, die Leerlauffenster und Stillstandsgründe hervorhebt.
* Schicht- und Tagesansichten, um die Leistung über Teams und Zeiträume zu
vergleichen.
Diese Elemente wandeln Sensordaten in Entscheidungen um: Zeigt eine Spindel
wiederholt 5–10-minütige Leerlaufphasen vor einer Störung, verhindert eine
kurzzeitige präventive Kontrolle oft einen längeren Stillstand.
Branchenbeispiele dokumentieren OEE-Verbesserungen von 20–50 % nach Einführung
von Echtzeit-Monitoring und strukturierten Gegenmaßnahmen. In einem
Mittelstandsfall stieg die OEE nach gezielten Maßnahmen aus
Dashboard-Erkenntnissen von 30 % auf 60 %.
WARUM MASCHINENAUSLASTUNG WICHTIG IST 2: VON DATEN ZU ENTSCHEIDUNGEN
Ein Dashboard muss zwei Aufgaben erfüllen: Maschinenaustände korrekt
klassifizieren und Folgeaktionen vorschlagen. Die Klassifikation kombiniert
einfache Regeln (RPM, Zykluszählung, Leistungsaufnahme) mit KI-gestützter
Mustererkennung, um geplanten Leerlauf (Rüsten) von problematischem Leerlauf und
echten Stillständen zu unterscheiden. Beispielsweise erfassen AVA-Sensor-Module
Vibration und Leistungsdaten lokal und ermöglichen sichere Edge-Verarbeitung
sowie nahezu sofortige Klassifikation mit geringer Latenz.
Zeigt das Maschinenauslastung Dashboard Produktion anhaltend geringe Auslastung
einer CNC-Linie, stellen sich sofort praktische Fragen. Materialengpass, lange
Rüstzeiten oder fehlende Bediener. Dashboards, die Fertigungsaufträge,
Materialstatus und Energiemesswerte integrieren, liefern den Kontext. Eine
aktuelle Untersuchung zeigt, dass viele Hersteller KI gegenüber aufgeschlossen
sind, aber an der Integration scheitern — Dashboards, die Silos verbinden,
schließen diese Lücke, indem sie korrelierte Signale in einer Ansicht
zusammenführen .
WARUM MASCHINENAUSLASTUNG WICHTIG IST 3: KPI-DESIGN-TIPPS
Wählen Sie KPIs, die zu Maßnahmen führen. Beispiele sind:
* Auslastung pro Maschine (rollierender 24‑Stunden‑Durchschnitt).
* Durchschnittliche Länge und Häufigkeit von Leerlaufereignissen.
* Mittlere Zeit zwischen Stillständen (MTBS) und durchschnittliche Ausfallzeit.
Definieren Sie Schwellenwerte, die Alerts auslösen und eine vorgeschlagene
Choreografie initiieren: automatische Benachrichtigung des Bedienpersonals,
Erstellung eines Arbeitsauftrags für die Instandhaltung oder
Energiemanagement-Maßnahmen, wenn eine Maschine im Leerlauf Strom verbraucht.
Ein Maschinenauslastung Dashboard Produktion hilft dabei, diese KPIs
kontinuierlich sichtbar zu machen und Abweichungen sofort zu erkennen.
Produktionsleiter erhalten dadurch eine klare Entscheidungsgrundlage,
priorisieren Störungen schneller und können gezielte Maßnahmen zur Verbesserung
von Auslastung, Energieeffizienz und Durchsatz einleiten. Die Verfolgung dieser
Kennzahlen über mehrere Wochen deckt Muster auf: Schichten, Lieferanten oder
Produktvarianten, die Unterauslastung verursachen.
DER KONKRETE EFFEKT
Dashboards, die Auslastung, Leerlaufzeit und Stillstand sichtbar machen, liefern
messbare Ergebnisse. Vorausgesetzt, das Unternehmen handelt. Ein
metallverarbeitendes Mittelstandsunternehmen installierte Sensorik an zehn
Linien und visualisierte die Auslastung auf einem zentralen Maschinenauslastung
Dashboard Produktion. Innerhalb von drei Monaten reduzierten sie kleine
Stillstände um 35 Prozent durch geänderte Werkzeugwechselprozesse und gezielte
Schulungen. Die Energieüberwachung erlaubte zusätzlich das Abschalten idler
Maschinen in Pausen und senkte den Stromverbrauch der Pilotfläche um rund acht
Prozent.
Unabhängige Fallstudien und Auditorenberichte zeigen konsistente
OEE‑Steigerungen, wenn Dashboards mit einfachen Maßnahmen kombiniert werden.
Anbieterbeispiele dokumentieren OEE‑Zuwächse von 10–30 Prozentpunkten allein
durch erhöhte Transparenz. Die Herausforderung liegt organisatorisch: Ohne klare
Verantwortlichkeiten und Reaktionspläne drohen Dashboards zur Tapete zu werden.
Binden Sie das Dashboard in tägliche Routinen ein: Morgen‑Stand‑ups,
Schichtübergaben und KVP‑Boards.
1. Praxisfall: Schichtausgleich
Stellen Sie sich zwei Pressen vor: Presse A hat durchschnittlich 85 %
Auslastung, aber kurze, häufige Leerlaufunterbrechungen; Presse B liegt bei 60
%, hat aber lange, planbare Unterbrechungen. Ein Maschinenauslastung‑Dashboard
zeigt, dass durch Verteilung eines Teils der Fertigung von Presse B auf A und
Investition in eine Schnellwechselvorrichtung für A die Gesamtleistung um 18 %
steigt — ohne zusätzliches Investitionskapital.
2. Praxisfall: Energieeinsparung
Ein Hersteller korrelierte die Echtzeit‑Leistungsaufnahme mit dem
Maschinenzustand im Dashboard und identifizierte Maschinen, die im Leerlauf 20 %
der Spitzenleistung verbrauchten. Durch Auto‑Shutdown‑Regeln und geplante
Aufwärmzyklen ließen sich Energieverluste reduzieren und unnötige thermische
Zyklen vermeiden, die Werkzeugstandzeiten verkürzen.
3 WEGE ZUR VERBESSERUNG DER MASCHINENAUSLASTUNG
Sichtbarkeit ohne Handlung ist nutzlos. Beginnen Sie mit drei pragmatischen
Schritten:
1. Bringen Sie nicht invasive Sensoren zuerst an den wichtigsten Engpässen an
und speisen Sie die Daten in das Maschinenauslastung Dashboard Produktion.
2. Definieren Sie Verantwortliche: Benennen Sie einen täglichen
KPI‑Verantwortlichen, der Alerts priorisiert und schnelle Gegenmaßnahmen
einleitet.
3. Nutzen Sie historische Trendansichten, um Kapital‑ oder Prozessänderungen zu
priorisieren, die dauerhaft die Auslastung erhöhen.
Moderne Plattformen unterstützen stufenweise Rollouts: Proof‑of‑Value auf einer
Linie, dann Ausrollen. WatchMen von Novo AI ermöglicht maschinenunabhängiges
Retrofitting und sichere lokale Verarbeitung, sodass Mittelständler mit kleinem
Budget testen und ROI nachweisen können, bevor sie umfassend skalieren.
MESSFALLEN
Daten zu sammeln ist einfach; die richtigen Daten zu erfassen ist anspruchsvoll.
Häufige Fallen sind verrauschte Signale, die kurze Klicks oder Spindelbewegungen
als Produktion falsch klassifizieren, Dashboards, die Rohzahlen ohne Kontext
zeigen, können auch ein Maschinenauslastung Dashboard Produktion verfälschen,
und zu viele KPIs, die den Fokus verwässern. Beispielsweise verschleiert das
Zählen jedes Zyklus als 'Lauf' Low‑Yield‑Zyklen durch Rüstfehler. Kalibrieren
Sie Sensoren mit einem bekannten guten Produktionslauf, markieren Sie Ereignisse
in den ersten Wochen manuell und validieren Sie Klassifikationen durch Audits
auf der Halle.
Ein weiteres Risiko ist Latenz: Dashboards mit 15‑Minuten‑Abständen sind für
schnelle Linien weniger nützlich, wenn ein 5‑Minuten‑Stillstand Kaskadeneffekte
auslöst. Edge‑Processing und lokale Klassifikation reduzieren Latenz und erhöhen
die Genauigkeit. Nicht zuletzt ist die menschliche Komponente entscheidend:
Dashboards ohne definierte Rollen erzeugen Alerts, die niemand bearbeitet.
Verantwortung zuweisen und Alerts in Bediener‑Workflows integrieren, hält
Dashboards handlungsorientiert.
Organisatorische Widerstände verbergen sich oft hinter Technologie‑Argumenten:
Berichte zeigen, dass Fähigkeitslücken und Personenfragen die digitale
Einführung verzögern. Kontern Sie das mit kurzen Pilotprojekten, die klare
finanzielle Kennzahlen liefern — eingesparte Energie, zurückgewonnene Stunden,
weniger Ausschuss — und nutzen Sie diese Zahlen, um das Programm auszuweiten.
MASCHINENAUSLASTUNG VERANTWORTLICHKEIT
Sichtbarkeit funktioniert nur, wenn jemand die Kennzahlen besitzt. Ein
Maschinenauslastung Dashboard Produktion liefert zwar Transparenz, doch ohne
klare Verantwortlichkeiten bleiben viele Alerts unbeachtet. Benennen Sie pro
Linie eine(n) 'Maschinenauslastungs‑Verantwortliche(n)': eine Person, die für
tägliche Überwachung, Verifizierung von Alerts und Koordination sofortiger
Gegenmaßnahmen zuständig ist. Diese Rolle verbindet Produktion, Instandhaltung
und IT/OT und sollte die Befugnis haben, Prozesse zu stoppen oder schnelle
Lösungen zu veranlassen.
Machen Sie Verantwortung greifbar: Geben Sie der Person tägliche KPIs, eine
kurze Checkliste für häufige Stillstandsursachen und ein kleines Budget für
schnelle Abhilfemaßnahmen wie Ersatzwerkzeuge oder Vorrichtungskits. Überprüfen
Sie ihre Maßnahmen regelmäßig in Management‑Meetings, um die Dynamik zu halten
und Dashboard‑Signale in konkrete Verbesserungen zu verwandeln.
DER WEG NACH VORN
Ein Maschinenauslastung Dashboard Produktion ist die praktische Brücke zwischen
Daten und Entscheidungen. Es macht die drei Signale sichtbar, die jede Anlage
braucht. Auslastung, Leerlaufzeit und Stillstände. Viele Unternehmen stehen bei
der Integration digitaler Systeme noch am Anfang. Genau hier liegt die Chance.
Beginnen Sie klein, messen Sie den Effekt und skalieren Sie gezielt.
Ein typischer Einstieg besteht darin, eine Engpasslinie zu instrumentieren und
ein Maschinenauslastung Dashboard Produktion für 30 bis 90 Tage als Experiment
zu nutzen. Messungen zeigen häufig OEE-Verbesserungen von 10 bis 30
Prozentpunkten, wenn Teams die Daten konsequent nutzen.
Fazit. Ein Maschinenauslastung Dashboard Produktion verwandelt passive Daten in
operative Entscheidungen. Mit klaren KPIs, Verantwortlichkeiten und gezielten
Maßnahmen können auch mittelständische Fertigungen Kapazität zurückgewinnen und
Verschwendung reduzieren.
REFERENZEN
1. - Studie zu KI‑Einsatz in der Produktion (Zugriff am: 09.04.2026)
2. - Brancheninformationen zum Maschinenbau (Zugriff am: 09.04.2026)
3. - Bericht zur Lage im Maschinen‑ und Anlagenbau (Zugriff am: 09.04.2026)
4. - Artikel über KI‑Integration und praktische Lösungen (Zugriff am:
09.04.2026)
5. - Beispiele zu OEE‑Verbesserungen durch Monitoring (Zugriff am: 09.04.2026)
6. - Fachbeiträge, Praxisbeispiele und Analysen zu Produktionsmonitoring,
Retrofit-Sensorik und Industrie 4.0 im Mittelstand (Zugriff am: 09.04.2026)
Dimitrij Lewin, Co-Founder von Novo AI, verbindet industrielle Praxis mit
KI-gestützter Retrofit-Technologie. Sein Fokus liegt darauf, bestehende
Maschinen in Echtzeit-Datenquellen zu verwandeln und Fertigungen transparenter,
effizienter und zukunftsfähiger zu machen.

Quelle: www.bigdata-insider.de

KI-GOVERNANCE UND ZUGRIFFSRECHTE DIGITALE ASSISTENTEN: DIESE REGELN SOLLTEN
UNTERNEHMEN AUFSTELLEN
30.07.2026 Von Markus Strehlitz 6 min Lesedauer
Anbieter zum Thema
KI-Agenten greifen immer tiefer in geschäftskritische Prozesse ein und erhalten
dabei Zugriff auf sensible Unternehmensdaten. Bisher verfügt nur ein Drittel der
deutschen Unternehmen über ausgereifte Governance-Strukturen für ihre digitalen
Assistenten. Dabei brauchen diese dieselben Berechtigungs- und
Identitätskonzepte wie menschliche Mitarbeitende. Die IT-Anbieter erweitern ihre
Lösungen entsprechend.
Agentensysteme sind die nächste Stufe in der Entwicklung künstlicher Intelligenz
(). Statt einzelner Aufgaben übernehmen sie ganze Jobs, die verschiedene
Tätigkeiten umfassen. Unternehmen setzen zunehmend auf die digitalen
Assistenten, mit denen sich viele Prozesse automatisieren lassen.
Doch um möglichst viel Nutzen aus der Technologie zu holen, sollten die Agenten
weitgehend autonom handeln. Das bedeutet also, Kontrolle an die KI abzugeben,
die zunehmend Einfluss auf geschäftskritische Abläufe nimmt und dafür Zugang zu
den relevanten Informationen benötigt. Laut einem Report des
Sicherheitsspezialisten Palo Alto Networks haben in Deutschland fast 43 Prozent
der KI-Agenten Zugriff auf Unternehmensdaten – darunter potenziell sensible
Informationen wie Finanzzahlen oder kritische Systeme.
GOVERNANCE FÜR KI-AGENTEN: DEUTSCHE UNTERNEHMEN SIND KAUM VORBEREITET
Ungeregelter Zugriff auf Daten bedeutet jedoch Risiko. „KI-Agenten stoppen nicht
einfach, wenn etwas schiefläuft und so können sie unkontrollierte Aktionen in
übermenschlicher Geschwindigkeit ausführen, bevor eingeschritten werden kann“,
sagt Frank Schwaak, Field CTO für die Region EMEA beim Sicherheitsspezialisten
Rubrik. „Vorfälle zeigen, dass Fehler von KI-Agenten sehr unterschiedliche
Folgen haben können: von technischen Störungen und rechtlichen Problemen bis hin
zum versehentlichen Löschen ganzer Produktionsdatenbanken.“
Dass Agenten daher auch in eine Governance-Strategie eingebunden werden müssen,
haben aber viele Firmen noch nicht auf dem Schirm, wenn man sich eine Studie von
Red Hat anschaut. Im Auftrag des Software-Anbieters wurden jeweils 100
IT-Entscheider aus Deutschland, Frankreich, Großbritannien, Italien und den
Niederlanden zum Thema KI befragt. Eines der Ergebnisse: Nur 30 Prozent der
deutschen Unternehmen geben an, über ausgereifte Governance-Strukturen für ihre
KI-Agenten-Lösungen zu verfügen.
DEN EINSATZ VON KI-ASSISTENTEN VERANTWORTUNGSVOLL REGELN
Wenn man mit Experten und Expertinnen über den Einsatz von KI-Agenten redet,
heben diese stets hervor, wie wichtig dieser Aspekt ist. Zu ihnen zählt zum
Beispiel Carsten Hunfeld, Director EMEA bei Augmentir, einem Anbieter von
-Lösungen. Sein Unternehmen habe sechs Regeln für den Einsatz von KI-Agenten
entwickelt, die sicherstellen, dass die Systeme transparent, verantwortungsvoll
und verlässlich funktionieren, berichtete Hunfeld im Gespräch auf der Hannover
Messe.
Bildquelle: Augmentir Links
> Nur mit verbindlichen Regeln lässt sich KI heute und in Zukunft effizient und
> mit kalkulierbarem Risiko nutzen.
Carsten Hunfeld, Augmentir
Regel Nummer eins: Jede Aktivität eines KI-Agenten muss nachvollziehbar sein.
Nur wenn dokumentiert ist, welche Anweisungen gegeben wurden und welche Tools
zum Einsatz kamen, lassen sich Entscheidungen prüfen und verstehen. Zu den
weiteren Leitlinien zählt, dass jeder KI-Agent eine Instanz benötigt, die für
die Entscheidungen der Technologie einsteht. Diese Aufgabe kann entweder ein
Mensch oder eine organisatorische Einheit übernehmen.
Auch Schwaak von Rubrik hat mehrere Empfehlungen für den Umgang mit KI-Agenten
parat. Eine davon lautet: Die Systeme sollten nur über die Zugriffe verfügen,
die sie tatsächlich benötigen – so wie es auch bei Mitarbeitenden üblich ist.
„Der Zero-Trust-Ansatz gilt also auch hier“, so Schwaak. „Strenge
Zugriffskontrollen sind essenziell, insbesondere wenn Agenten mit Kundendaten
oder geschäftskritischen Prozessen interagieren.“
VORHANDENE BERECHTIGUNGSKONZEPTE NUTZEN
KI-Agenten müssen also genauso wie menschliche Mitarbeitende behandelt werden –
unter anderem was das Identitätsmanagement und die Verwaltung der Zugriffsrechte
betrifft. „Man benötigt ein feingranulares Modell, das die Berechtigung der
Agenten regelt“, sagt Jan Metzner, Principal Specialist Solutions Architect
Manufacturing bei AWS. Dieses unterscheide sich aber nicht grundsätzlich von dem
für menschliche Anwender. Vorhandene Berechtigungskonzepte könnten also auch für
die Agentensysteme genutzt werden.
Auch für Gabriele Eder, General Manager für den Bereich Manufacturing bei
Microsoft Deutschland, ist Governance beim Einsatz von KI-Agenten ein extrem
wichtiger Punkt. Auf der Hannover Messe berichtet sie, dass Microsoft seine
Plattform für Identity & Access Management mit dem Namen Entra auf Agenten
erweitert habe. Jedem Agenten, der dort neu angelegt wird, werden entsprechende
Zugriffsrechte zugeteilt, wie es auch bei einer menschlichen Person der Fall
ist.
JETZT NEWSLETTER ABONNIEREN
TÄGLICH DIE WICHTIGSTEN INFOS ZU BIG DATA, ANALYTICS & AI
Geschäftliche E-Mail
Bitte geben Sie eine gültige E-Mailadresse ein.
Abonnieren
Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und
Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details)
einverstanden und akzeptiere die . Weitere Informationen finde ich in unserer .
Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von
redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu
Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).
Aufklappen für Details zu Ihrer Einwilligung
Stand: 08.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit
Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von
Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden
Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer .
EINWILLIGUNG IN DIE VERWENDUNG VON DATEN ZU WERBEZWECKEN
Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH,
Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im
Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel
Communications Group) meine E-Mail-Adresse für die Zusendung von Newslettern und
Werbung nutzt. Auflistungen der jeweils zugehörigen Unternehmen
können  abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen
aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und
Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und
Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere
(redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im
Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote.
Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die
Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der
vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und
Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten
Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel
Communications Group die genannten Daten gehasht an Werbepartner übermitteln,
die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied
auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt
diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und
Kundenbindung), der Generierung von sog. Lookalike Audiences zur
Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen.
Weitere Informationen kann ich dem Abschnitt „“ in der Datenschutzerklärung
entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich
deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte
Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen
Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu
redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die
hier genannten Zwecke verwendet werden. Dies gilt nicht für den Datenabgleich zu
Marketingzwecken.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft
widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund
meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um
meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter  abrufbare
Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht
mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters
eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem
Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde
ich in der .
Damit ist Microsoft nicht allein. Andere Software-Anbieter haben ebenfalls ihre
Governance-Konzepte auf nicht-menschliche Akteure erweitert. SAP beispielsweise
orientiert sich bei seinem Identitätsmanagement für KI-Agenten an den
Geschäftsprozessen – also welche Daten das System für seine Aktion innerhalb
eines Prozesses benötigt. Die Sicherheits- und Governance-Lösung für die
KI-Agenten ist die SAP Business Technology Plattform.
Servcienow adressiert das Thema mit seinem AI Control Tower. Dieser bietet laut
Anbieter vollständige Transparenz und feingranular gesteuerte Berechtigungen für
jeden Menschen und jeden Agenten im System sowie einen vollständigen Überblick
über alle vernetzten Objekte im Unternehmen.
ZUSAMMENARBEIT MEHRERER KI-AGENTEN ALS GOVERNANCE-HERAUSFORDERUNG
So lässt sich für jeden einzelnen Agenten also festlegen, worauf er zugreifen
kann und auch welche Aktionen er ausführen darf und welche nicht. Interessant
wird es jedoch, wenn verschiedene Agenten zusammenarbeiten. Solche Konzepte
werden gerade verstärkt von den Anbietern propagiert, sie treiben die
Automatisierung auf das nächste Level. In der Fertigung beispielsweise könnten
Agenten so selbständig untereinander klären, welches Bauteil gerade von welcher
Maschine bearbeitet werden soll.
Bildquelle: Rubrik
> Der Zero-Trust-Ansatz
> gilt auch für KI-Agenten.
Frank Schwaak, Rubrik
In solchen Fällen muss sichergestellt sein, dass die Policies, nach denen die
Agenten arbeiten, auf das gemeinsame Ziel zusteuern. Wichtig ist daher ein
übergeordnete Instanz. Laut Metzner von AWS ist ein Agent dann für das
Bereitstellen der Policies zuständig, an die sich alle anderen halten müssen.
Security-Experte Schwaak sieht die Kooperation von KI-Agenten durchaus als
Herausforderung. Fehler könnten sich auf diese Weise schnell verbreiten.
„Deshalb sollten Systeme so konzipiert sein, dass ein einzelner Fehler nicht
unmittelbar zu großflächigen Betriebsstörungen führen kann“, sagt Schwaak.
„Agentenaktionen sollten, wo immer möglich, isoliert werden – das verhindert,
dass sich ein kleiner Fehler zu einem schwerwiegenden Vorfall ausweitet.“
HUMAN-IN-THE-LOOP: WARUM DER MENSCH DIE KONTROLLE BEHALTEN MUSS
Doch unabhängig davon, wie gut ein Agent in ein Berechtigungskonzept eingebunden
ist – der Human-in-the-loop-Ansatz sollte in jedem Fall eingehalten werden.
Darin sind sich alle Experten und Expertinnen einig. „Der Mensch muss immer
involviert werden. Er kontrolliert, was eine KI darf, was sie nicht darf und
innerhalb welcher Leitplanken sie agiert“, sagt Eder von Microsoft. Dies
gewährleiste Responsible AI – also der Einsatz von KI nach verantwortungsvollen
Maßstäben.
Dazu zählt auch, die Entscheidungen der KI gerade in kritischen Prozessen zu
überprüfen und zu genehmigen. „Je mehr Wirkung, desto mehr menschliche
Kontrolle“, lautet Augmentirs Regel Nummer fünf. KI dürfe zwar unterstützen. „Wo
ihre Handlungen aber zu erheblichen wirtschaftlichen oder persönlichen
Konsequenzen führen, ist humane Aufsicht erforderlich.“ Und die sechste Regel
gibt vor, den KI-Einsatz einzugrenzen, wenn Gefahr für Leib und Leben zu
befürchten ist. In sicherheitskritischen Bereichen mit potenziell
lebensgefährlichen Folgen sollten -Agenten nach heutigem Stand nicht autonom
steuernd eingreifen, so die Empfehlung.
„Wir sind der festen Überzeugung, dass KI die menschliche Intelligenz ergänzen
und nicht ersetzen sollte“, sagt Hunfeld. Damit dieser Grundsatz gewahrt bleibt,
brauche es verbindliche Regeln. „Nur so lässt sich KI heute und in Zukunft
effizient und mit kalkulierbarem Risiko nutzen.“
(ID:50902295)

Quelle: www.bigdata-insider.de

TRAININGSDATEN FÜR GENERATIVE KI DEAR AI: WIE AMPUTIERTE SELBST DIE
TRAININGSDATEN FÜR BESSERE KI-BILDER KURATIEREN
30.07.2026 Von 1 min Lesedauer
Anbieter zum Thema
Generative Bildmodelle stellen Menschen mit Prothesen häufig fehlerhaft oder gar
nicht dar. Mit der Initiative „Dear AI“ will der Medizintechnikkonzern Ottobock
das ändern. Gemeinsam mit Betroffenen entsteht ein offener Datensatz, der
Entwicklern helfen soll, Bildmodelle vielfältiger und realistischer zu
trainieren.
Nicht die Größe eines -Modells entscheidet allein über dessen Qualität, sondern
auch die Trainingsdaten. Genau hier setzt Ottobock mit der an. Gemeinsam mit
Menschen mit Amputation und Dysmelie baut der Medizintechnikkonzern einen
offenen Bild- und Videodatensatz auf, der als Grundlage für das Training
generativer Bildmodelle dienen soll. Microsoft begleitet das Projekt technisch.
Die Datensätze sollen über veröffentlicht werden.
Die Inhalte werden nicht von externen Annotationsdienstleistern verschlagwortet,
sondern von den Betroffenen selbst kuratiert und annotiert. Zunächst definiert
die Community, welche Darstellungen ihre Lebensrealität angemessen abbilden.
Anschließend lädt sie eigenes Material hoch und versieht es mit Metadaten. In
einem dritten Schritt bewertet dieselbe Gruppe die Ergebnisse generativer KI.
Damit verlagert sich die Definition relevanter Merkmale von den Entwicklern zu
den Menschen, die später im Datensatz repräsentiert werden.
Nach Angaben von Ottobock entstehen zwei getrennte Datensätze für Menschen mit
Beinamputation sowie mit Armamputation oder Dysmelie. Das Unternehmen reagiert
damit auf typische Fehlleistungen heutiger Bildgeneratoren. Dazu zählen fehlende
oder anatomisch falsche Prothesen, stereotype Darstellungen oder die
vollständige Verweigerung einer Bildgenerierung.
Der Datensatz soll als Open Source verfügbar werden und unter anderem auf
Transparenz, informierter Einwilligung und einer verantwortungsvollen Nutzung
basieren. Ob der vergleichsweise kleine Datenbestand ausreicht, um die
Ergebnisse großer Bildmodelle spürbar zu verbessern, bleibt zunächst offen.
Unabhängig davon zeigt die Initiative einen Trend, der für Unternehmen zunehmend
an Bedeutung gewinnt: Die Qualität und Herkunft von Trainingsdaten rückt immer
stärker in den Mittelpunkt, wenn möglichst vielfältige und realitätsnahe
Ergebnisse liefern soll.
(ID:50907084)