Optimierung der JAL-Workflows: Fujitsu und Headwaters’ KI-Innovation
In einer bahnbrechenden Zusammenarbeit haben Fujitsu Limited und Headwaters Co., Ltd., ein führender Anbieter von KI-Lösungen, Feldversuche mit generativer KI erfolgreich abgeschlossen, um die Erstellung von Übergabeprotokollen für das Kabinenpersonal von Japan Airlines Co., Ltd. (JAL) zu revolutionieren. Diese Versuche, die vom 27. Januar bis zum 26. März 2025 liefen, haben das Potenzial für erhebliche Zeiteinsparungen und eine höhere Effizienz eindeutig demonstriert.
Die Herausforderung der Übergabeprotokolle
Die Kabinenbesatzungsmitglieder von JAL widmen traditionell viel Zeit und Mühe der Erstellung umfassender Übergabeprotokolle. Diese Berichte dienen als wichtiger Kanal für den Informationstransfer zwischen aufeinanderfolgenden Kabinenbesatzungen und dem Bodenpersonal, um einen reibungslosen Betriebsablauf zu gewährleisten. Fujitsu und Headwaters erkannten die Möglichkeit, diesen Prozess zu rationalisieren, und starteten ein gemeinsames Projekt, um die Leistungsfähigkeit der generativen KI zu nutzen.
Eine neuartige Lösung: Offline-Generative KI
Um die Einschränkungen einer ständigen Cloud-Verbindung zu überwinden, entschieden sich Fujitsu und Headwaters für Microsofts Phi-4, ein kompaktes Sprachmodell (SLM), das sorgfältig für Offline-Umgebungen optimiert wurde. Diese strategische Entscheidung ermöglichte die Entwicklung eines Chat-basierten Systems, das auf Tablet-Geräten zugänglich ist und die effiziente Berichtserstellung sowohl während als auch nach Flügen ermöglicht.
Die Versuche haben überzeugende Beweise dafür geliefert, dass diese innovative Lösung das Kabinenpersonal in die Lage versetzt, qualitativ hochwertige Berichte zu erstellen und gleichzeitig den Zeitaufwand für die Berichtserstellung deutlich zu reduzieren. Dies führt zu einer höheren Effizienz für das Kabinenpersonal von JAL und trägt letztendlich zu einer verbesserten Servicequalität für die Passagiere bei.
Rollen und Verantwortlichkeiten
Der Erfolg dieser Gemeinschaftsinitiative hing von dem unterschiedlichen Fachwissen und den Beiträgen jedes Partners ab:
Fujitsu: Das Unternehmen spielte eine entscheidende Rolle bei der Anpassung von Microsoft Phi-4 an die spezifischen Anforderungen der Aufgaben des Kabinenpersonals. Fujitsu nutzte seinen Fujitsu Kozuchi AI-Dienst und passte das Sprachmodell mithilfe der historischen Berichtsdaten von JAL sorgfältig an, um eine optimale Leistung und Relevanz zu gewährleisten.
Headwaters: Headwaters leitete die Entwicklung einer geschäftsspezifischen generativen KI-Anwendung, die auf Phi-4 basiert. Durch den Einsatz der Quantisierungstechnologie ermöglichte Headwaters die nahtlose Erstellung von Berichten auf Tablet-Geräten, selbst in Offline-Umgebungen. Darüber hinaus leisteten ihre KI-Berater während des gesamten Projekts unschätzbare Unterstützung, die die Workflow-Analyse für die KI-Implementierung, die Testimplementierung und -bewertung sowie das agile Fortschrittsmanagement umfasste. Die KI-Ingenieure des Unternehmens entwickelten außerdem eine Fine-Tuning-Umgebung für Fujitsu Kozuchi und leisteten technische Unterstützung bei der Optimierung, die auf die individuellen Nutzungsbedingungen des Kunden zugeschnitten war.
Brancheneinblicke
Shinichi Miyata, Leiter des Cross-Industry Solutions Business Unit, Global Solutions Business Group, Fujitsu Limited, betonte die Bedeutung dieser Errungenschaft und erklärte: ‘Wir freuen uns, dieses Beispiel für die Nutzung generativer KI in den Kabinenoperationen von Japan Airlines bekannt zu geben. Dieser gemeinsame Proof-of-Concept trägt zur Weiterentwicklung der generativen KI in Offline-Umgebungen bei und hat das Potenzial, den Betrieb in verschiedenen Branchen und Rollen zu verändern, in denen der Netzwerkzugang eingeschränkt ist. Der Erfolg dieser sinnvollen Zusammenarbeit ist das Ergebnis der außergewöhnlichen Angebotsfähigkeiten von Headwaters in Kombination mit der technologischen Expertise von Fujitsu. Auch in Zukunft werden wir uns weiterhin dafür einsetzen, unsere Partnerschaft zu stärken, um die Geschäftsausweitung unserer Kunden zu unterstützen und gesellschaftliche Herausforderungen anzugehen.’
Zukünftige Entwicklung
Aufbauend auf den vielversprechenden Ergebnissen der Feldversuche wollen Fujitsu und Headwaters weitere Tests durchführen, um den Weg für den Produktionseinsatz bei JAL zu ebnen. Ihr oberstes Ziel ist es, die Lösung nahtlos in die bestehende generative KI-Plattform von JAL zu integrieren.
Darüber hinaus plant Fujitsu, SLMs, die speziell auf verschiedene Arten von Arbeiten zugeschnitten sind, in Fujitsu Kozuchi zu integrieren, um die Vielseitigkeit und Anwendbarkeit des KI-Dienstes weiter zu verbessern.
Gemeinsam werden Fujitsu und Headwaters die operative Transformation von JAL durch den strategischen Einsatz von KI weiter vorantreiben, kritische Herausforderungen angehen, den Kundenservice verbessern und branchenweite Probleme lösen.
Vertiefung: Enthüllung der Nuancen der KI-Implementierung
Die Zusammenarbeit zwischen Fujitsu und Headwaters zur Verbesserung der betrieblichen Effizienz von JAL durch KI bietet eine überzeugende Fallstudie darüber, wie Spitzentechnologie genutzt werden kann, um reale Herausforderungen zu bewältigen. Lassen Sie uns die Schlüsselelemente analysieren, die den Erfolg dieses Projekts untermauert haben, und die umfassenderen Auswirkungen auf die Luftfahrtindustrie und darüber hinaus untersuchen.
1. Die strategische Wahl eines kleinen Sprachmodells (SLM)
Die Entscheidung, Microsofts Phi-4, ein kleines Sprachmodell (SLM), anstelle eines großen Sprachmodells (LLM) zu verwenden, war ein strategischer Meisterstreich. LLMs verfügen zwar über beeindruckende Fähigkeiten, benötigen aber in der Regel erhebliche Rechenressourcen und eine ständige Verbindung zu Cloud-Servern. Dies stellt eine erhebliche Herausforderung in Umgebungen dar, in denen der Netzwerkzugang unzuverlässig oder nicht vorhanden ist, wie z. B. während Flügen.
SLMs hingegen sind so konzipiert, dass sie effizient auf Geräten mit begrenzter Rechenleistung und Speicherkapazität arbeiten. Insbesondere Phi-4 wurde sorgfältig für Offline-Umgebungen optimiert und ist somit die ideale Wahl für das JAL-Projekt. Dieser Ansatz stellt nicht nur sicher, dass das Kabinenpersonal unabhängig von der Netzwerkverfügbarkeit auf das KI-gestützte Berichtserstellungssystem zugreifen kann, sondern reduziert auch die Abhängigkeit von teurer Cloud-Infrastruktur.
2. Feinabstimmung für Domänenspezifität
Während SLMs den Vorteil des Offline-Betriebs bieten, fehlt ihnen oft die Breite des Wissens und des Kontextverständnisses ihrer größeren Pendants. Um diese Einschränkung zu beheben, setzte Fujitsu seinen Kozuchi AI-Dienst ein, um Phi-4 mithilfe der historischen Berichtsdaten von JAL feinabzustimmen.
Die Feinabstimmung umfasst das Trainieren eines vortrainierten Sprachmodells anhand eines bestimmten Datensatzes, um seine Leistung bei einer bestimmten Aufgabe oder in einer bestimmten Domäne zu verbessern. In diesem Fall ermöglichte Fujitsu dem Modell durch die Bereitstellung einer Fülle von JAL-Vergangenheitsberichten, die Nuancen der Berichterstattung durch das Kabinenpersonal zu erlernen, einschließlich der spezifischen Terminologie, Formatierungskonventionen und häufig auftretenden Probleme während der Flüge.
Diese domänenspezifische Feinabstimmung verbesserte die Genauigkeit und Relevanz der KI-generierten Berichte erheblich und stellte sicher, dass sie die strengen Anforderungen der betrieblichen Verfahren von JAL erfüllten.
3. Quantisierungstechnologie für verbesserte Effizienz
Der Beitrag von Headwaters zum Projekt ging über die Entwicklung der Chat-basierten Anwendung hinaus. Das Unternehmen setzte auch die Quantisierungstechnologie ein, um die Leistung von Phi-4 auf Tablet-Geräten weiter zu optimieren.
Die Quantisierung ist eine Technik, die den Speicherbedarf und die Rechenanforderungen eines neuronalen Netzes reduziert, indem seine Parameter mit weniger Bits dargestellt werden. Anstatt beispielsweise 32-Bit-Gleitkommazahlen zu verwenden, könnten die Parameter des Modells mit 8-Bit-Ganzzahlen dargestellt werden.
Diese Reduzierung der Genauigkeit geht mit geringen Kosten in Bezug auf die Genauigkeit einher, aber der Kompromiss ist oft in Bezug auf verbesserte Geschwindigkeit und reduzierten Speicherverbrauch durchaus lohnenswert. Durch die Quantisierung von Phi-4 stellte Headwaters sicher, dass das KI-Modell reibungslos und effizient mit den begrenzten Ressourcen von Tablet-Geräten betrieben werden konnte, was dem Kabinenpersonal eine nahtlose Benutzererfahrung bietet.
4. Agile Entwicklung und kollaboratives Fachwissen
Der Erfolg des JAL-Projekts ist auch auf die agile Entwicklungsmethodik von Headwaters und den kollaborativen Geist der Partnerschaft zwischen Fujitsu und Headwaters zurückzuführen.
Die agile Entwicklung betont die iterative Entwicklung, das häufige Feedback und die enge Zusammenarbeit zwischen den Beteiligten. Dieser Ansatz ermöglichte es dem Projektteam, sich schnell an sich ändernde Anforderungen anzupassen und unvorhergesehene Herausforderungen zu bewältigen.
Das komplementäre Fachwissen von Fujitsu und Headwaters war ebenfalls entscheidend für den Erfolg des Projekts. Fujitsu brachte sein tiefes Verständnis der KI-Technologie und seines Kozuchi AI-Dienstes ein, während Headwaters sein Fachwissen in der KI-Anwendungsentwicklung, Workflow-Analyse und im agilen Projektmanagement einbrachte. Diese Synergie von Fähigkeiten und Wissen ermöglichte es dem Team, eine wirklich innovative und effektive Lösung zu entwickeln.
Die umfassenderen Auswirkungen auf die Luftfahrtindustrie
Das JAL-Projekt bietet einen Einblick in die Zukunft der KI in der Luftfahrtindustrie. Durch die Automatisierung von Routineaufgaben, wie z. B. der Berichtserstellung, kann KI das Kabinenpersonal von wichtigeren Aufgaben entlasten, wie z. B. der Sicherheit der Passagiere und dem Kundenservice.
Darüber hinaus kann KI verwendet werden, um die betriebliche Effizienz in einer Vielzahl anderer Bereiche zu verbessern, darunter:
- Vorausschauende Wartung: KI kann Sensordaten von Flugzeugen analysieren, um vorherzusagen, wann Wartungsarbeiten erforderlich sind, wodurch Ausfallzeiten reduziert und die Sicherheit verbessert werden.
- Routenoptimierung: KI kann Wettermuster, Verkehrsbedingungen und andere Faktoren analysieren, um Flugrouten zu optimieren, wodurch Kraftstoff gespart und die Reisezeit verkürzt wird.
- Kundenservice: KI-gestützte Chatbots können Passagieren sofortige Unterstützung bieten, Fragen beantworten, Probleme lösen und personalisierte Empfehlungen geben.
Da sich die KI-Technologie ständig weiterentwickelt, ist ihr Potenzial, die Luftfahrtindustrie zu verändern, immens. Das JAL-Projekt dient als wertvolles Beispiel dafür, wie KI eingesetzt werden kann, um die Effizienz zu verbessern, die Sicherheit zu erhöhen und das Passagiererlebnis zu verbessern.
Jenseits der Luftfahrt: Die Vielseitigkeit der Offline-KI
Der Erfolg des Fujitsu-Headwaters-Projekts für JAL unterstreicht die breitere Anwendbarkeit von Offline-KI-Lösungen in verschiedenen Branchen und Sektoren. Die Möglichkeit, KI-Modelle in Umgebungen mit begrenzter oder keiner Netzwerkverbindung bereitzustellen, eröffnet Organisationen, die die Leistungsfähigkeit der KI in abgelegenen oder anspruchsvollen Umgebungen nutzen möchten, eine Welt voller Möglichkeiten.
1. Gesundheitsversorgung in abgelegenen Gebieten
In ländlichen oder unterversorgten Gemeinden stehen Gesundheitsdienstleister oft vor Herausforderungen im Zusammenhang mit dem eingeschränkten Zugang zu einer zuverlässigen Internetverbindung. Offline-KI-Lösungen können diese Anbieter mit Diagnosetools, Behandlungsempfehlungen und Patientenüberwachungsfunktionen ausstatten, auch wenn keine stabile Internetverbindung besteht.
Beispielsweise können KI-gestützte Bilderkennungsalgorithmen auf tragbaren Geräten eingesetzt werden, um Gesundheitsfachkräften bei der Identifizierung von Krankheiten anhand von medizinischen Bildern, wie z. B. Röntgenaufnahmen oder CT-Scans, zu unterstützen. In ähnlicher Weise können KI-gesteuerte Entscheidungsunterstützungssysteme Anleitungen zu Behandlungsprotokollen auf der Grundlage von Patientensymptomen und Krankengeschichte geben, selbst in Gebieten, in denen der Zugang zu Fachwissen begrenzt ist.
2. Landwirtschaft in Entwicklungsländern
Landwirte in Entwicklungsländern haben oft keinen Zugang zu den neuesten landwirtschaftlichen Informationen und Technologien. Offline-KI-Lösungen können diese Lücke schließen, indem sie Landwirten personalisierte Empfehlungen zur Auswahl von Feldfrüchten, Bewässerungstechniken und Schädlingsbekämpfungsstrategien geben, auch ohne Internetzugang.
KI-gestützte Bildanalysewerkzeuge können verwendet werden, um die Gesundheit von Pflanzen zu beurteilen, Pflanzenkrankheiten zu identifizieren und Schädlingsbefall zu erkennen, sodass Landwirte rechtzeitig Maßnahmen ergreifen können, um ihre Erträge zu schützen. Darüber hinaus können KI-gesteuerte Wettervorhersagemodelle Landwirten genaue und lokalisierte Wettervorhersagen liefern, die ihnen helfen, fundierte Entscheidungen über Aussaat, Ernte und Bewässerung zu treffen.
3. Katastrophenhilfe und Notfallmaßnahmen
Nach Naturkatastrophen wie Erdbeben, Überschwemmungen oder Hurrikanen wird die Kommunikationsinfrastruktur oft gestört, was es Rettungskräften erschwert, ihre Bemühungen zu koordinieren und den Bedürftigen Hilfe zu leisten. Offline-KI-Lösungen können in diesen Situationen eine entscheidende Rolle spielen, indem sie Rettungskräften Werkzeuge für die Situationserkennung, Schadensbewertung und Ressourcenallokation zur Verfügung stellen.
KI-gestützte Bilderkennungsalgorithmen können verwendet werden, um Satellitenbilder oder Drohnenaufnahmen zu analysieren, um das Ausmaß der Schäden zu beurteilen und Bereiche zu identifizieren, in denen Hilfe am dringendsten benötigt wird. In ähnlicher Weise können KI-gesteuerte Kommunikationsplattformen es Rettungskräften ermöglichen, miteinander und mit betroffenen Gemeinschaften zu kommunizieren, auch wenn keine Mobilfunk- oder Internetverbindung besteht.
4. Fertigung und industrielle Automatisierung
In Produktionsstätten und Industrieanlagen ist eine zuverlässige Internetverbindung nicht immer garantiert, insbesondere in abgelegenen Gebieten oder in Umgebungen mit elektromagnetischen Störungen. Offline-KI-Lösungen können es Herstellern ermöglichen, verschiedene Prozesse zu automatisieren, wie z. B. Qualitätskontrolle, vorausschauende Wartung und Bestandsverwaltung, auch ohne eine stabile Internetverbindung.
KI-gestützte Bildverarbeitungssysteme können verwendet werden, um Produkte auf Mängel zu prüfen und sicherzustellen, dass nur qualitativ hochwertige Artikel an Kunden versendet werden. In ähnlicher Weise können KI-gesteuerte Modelle für die vorausschauende Wartung Sensordaten von Geräten analysieren, um vorherzusagen, wann Wartungsarbeiten erforderlich sind, wodurch Ausfallzeiten reduziert und die Produktivität verbessert wird.
Das Fujitsu-Headwaters-Projekt für JAL dient als überzeugende Demonstration der Leistungsfähigkeit und Vielseitigkeit von Offline-KI-Lösungen. Da die KI-Technologie immer weiter fortschreitet, können wir mit noch innovativeren Anwendungen von Offline-KI in einer Vielzahl von Branchen und Sektoren rechnen, die es Organisationen ermöglichen, reale Probleme zu lösen und das Leben der Menschen zu verbessern, unabhängig von ihrem Zugang zu einer Internetverbindung.