Have a nice day - stock.adobe.c

Wie Organisationen nach COVID-19 zurück in den Alltag finden

Trotz anhaltender COVID-19-Pandemie finden viele Organisationen zur Normalität zurück. Technologien wie Computer Vision und Machine Learning helfen einigen dabei.

In den vergangenen Monaten wurde die Welt, wie wir sie kennen, durch die COVID-19-Pandemie aus dem Gleichgewicht gebracht – und in fast allen Ländern waren davon Unternehmen betroffen.

Mittlerweile sind die meisten Organisationen an dem Punkt, zurück in die Normalität zu finden und den regulären Betrieb wieder aufzunehmen. Dem Thema Sicherheit kommt dabei eine ganz neue Rolle zu, denn die Wahrnehmung der Problematik hat sich während der Krise signifikant verändert.

Kommerzielle Einrichtungen – ob Flughäfen, Geschäfte oder Büros – erkennen die Notwendigkeit, ihren Betriebsabläufen eine neue Dimension der Sicherheit hinzuzufügen. Jeder Einzelne, der mit einem Unternehmen in physischen Kontakt kommt, kann sich so eines hohen Sicherheitslevels bewusst sein.

Auch wenn die aktuelle Situation eine vollkommen andere ist, lässt sie sich aufgrund der Veränderungen mit den Geschehnissen des 11. September 2001 in den USA vergleichen. Nach den Anschlägen wurden Luftverkehrsprotokolle dauerhaft verändert – und bis heute ohne Protest akzeptiert. Die COVID-19-Pandemie wird ähnliche Veränderungen in unserer kollektiven Psyche, Denkweise und Wahrnehmung mit sich bringen.

Umfassende Screenings

Um die Verbreitung des Virus zu verhindern, ist es wichtig, dass alle Besucher und Mitarbeiter auf Symptome der Infektion untersucht werden. Wahrscheinlich wird künftig bei Personen, bevor sie Zutritt zu einem Büro oder einer kommerziellen Einrichtung erhalten, standardmäßig die Temperatur überprüft. Bereits jetzt führen Unternehmen auf der ganzen Welt thermische Untersuchungen von Personen durch, um eine erhöhte Körpertemperatur zu identifizieren.

Leider nutzen die meisten Firmen ein manuelles Verfahren für die thermische Abschirmung – das hat mehrere Nachteile. Erstens erfordert es für die Umsetzung des notwendigen Prozesses Vollzeitmitarbeiter. Die Bearbeitungsdauer pro Person ist zeitintensiv und kann fünf bis zehn Sekunden dauern.

Dies wiederum führt zu langen Warteschlangen, wenn die Personendichte hoch ist, beispielsweise am Flughafen oder in einer großen Fabrik. Darüber hinaus wird so die Aufrechterhaltung sozialer Distanzierungsnormen erschwert. Zudem kommt das manuelle Scannen mit menschlichen Vorurteilen, Befangenheiten und Fehleinschätzungen daher, die wiederum die Sicherheit gefährden können. All diese Faktoren machen das manuelle Scannen ineffektiv und nicht nachhaltig.

Das Screening ist unerlässlich und vielleicht sogar obligatorisch – dennoch sollte der Prozess zu keinem Zeitpunkt die Betriebsabläufe stören sowie schnell und konsistent vonstattengehen. Beispielsweise ist es nicht realistisch, von jedem Besucher zu erwarten, dass er sich mit seiner Temperatur oder anderen physischen Parametern einloggt, bevor er einen Raum betritt. Dies beeinträchtigt einerseits sein Recht auf Privatsphäre und erfordert andererseits Geduld und Zeit, um den Scanvorgang abzuschließen. 

Die eingesetzte Lösung muss robust und präzise sein sowie den Richtlinien der Regierungen entsprechen und mit den Empfehlungen der Ärztekammer übereinstimmen. Darüber hinaus müssen Unternehmen sicherstellen, dass persönlich identifizierbaren Informationen gesammelt werden.

Die Rolle der Technologie

Um die Herausforderungen im manuellen Prozess zu adressieren, ist Automatisierung die geeignetste Lösung. Es geht nicht nur darum, Wärmebilder mit einer Kamera zu erfassen, sondern die richtige Entscheidung zu treffen. Dabei wird jede einzelne Person gescannt, um sicherzustellen, dass die identifizierte Bedrohung korrekt ist.

Hierfür gibt es beispielsweise Lösungen, bei der das von einer Wärmebildkamera erfasste Objekt mit Unterstützung von Computer Vision (CV) und Algorithmen der künstlichen Intelligenz (KI) verarbeitet wird. Die Kamera ist mit einem Edge-Endgerät vernetzt und stellt sicher, dass die Berechnung an der Edge erfolgt und die Ergebnisse in Echtzeit ohne Latenz zur Verfügung stehen.

In der Cloud werden ausschließlich zusätzliche Algorithmen angezeigt. Computer Vision oder Vision Sensing wird eingesetzt, um Schlüsselmerkmale des aufgenommenen Bildes des menschlichen Gesichts zu identifizieren, unter anderem Augen oder Tränenkanäle, die für die genaue Körpertemperatur indikativ sind. Dies geschieht, ohne dass Daten gespeichert werden, die die Identität der Person preisgeben könnten. Auf Machine Learning (ML) basierende KI-Modelle bilden diese Temperaturen ab und verarbeiten sie. Die Nutzer müssen dabei nicht einmal ihre Schutzmasken abnehmen.

Nitesh Bansal, Infosys

„Wenn wir in unsere Büros zurückkehren, gewährleisten Technologien wie Automatisierung, Smart Spaces, Bewegungsverfolgung, Wärmebildkarten und Edge Computing eine sichere Umgebung.“

Nitesh Bansal, Infosys

Sobald die Automatisierung abgeschlossen ist, kann der Scanprozess um weitere Schritte erweitert werden. Beispielsweise schlägt ein Einzelhandelsgeschäft Kunden mit erhöhter Temperatur vor, sich für alternative Einkaufsoptionen wie Hauslieferung oder Bestellungen über das Internet zu entscheiden. Oder Organisationen bitten Mitarbeiter, die als riskant eingestuft werden, von zu Hause zu arbeiten.

In einer Welt nach COVID-19 spielt die Möglichkeit einer Organisation, Personen präzise und unauffällig zu scannen, eine Schlüsselrolle und gewährleistet, dass Geschäfte und Betriebsabläufe reibungslos und sicher ablaufen. Wenn wir in unsere Büros zurückkehren, gewährleisten Technologien wie Automatisierung, Smart Spaces, Bewegungsverfolgung, Wärmebildkarten und Edge Computing eine sichere Umgebung.

Über den Autor:
Nitesh Bansal ist Senior Vice President und Global Head of Engineering Services bei Infosys. Er ist seit 1998 im Unternehmen und setzt vor allem auf neue Technologien wie künstliche Intelligenz (KI), Machine Learning und Prozessautomatisierung. Er ist regelmäßiger Referent an anerkannten Business Schools wie der ETH Zürich, der Rotterdam School of Management und der Universität St. Gallen.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder

Fortsetzung des Inhalts unten

Erfahren Sie mehr über Künstliche Intelligenz (KI) und Machine Learning (ML)

ComputerWeekly.de
Close