Anbieter zum Thema

MEGLA GmbH

elunic AG

Appian Deutschland Software GmbH

MHP A Porsche Company

Fabasoft Deutschland GmbH

mehr weniger

Inneo Solutions GmbH

inform GmbH

KUMAVISION GmbH

NovaTec GmbH

NTT DATA Business Solutions AG

Asseco Solutions AG

Autodesk GmbH

CADFEM Germany GmbH

MPDV Mikrolab GmbH

Spanflug Technologies GmbH

Altair Engineering GmbH

Siemens AG

BE-terna GmbH

becos gmbH

weniger

Autodesk, Cadfem Germany, Elunic

Jan Niestrath, Autodesk

1. KI wird bereits heute in vielen Bereichen eingesetzt, beispielsweise in der Produktentwicklung beim generativen Design. Durch die automatisierte Erstellung zahlreicher Varianten, die unterschiedliche Optimierungsparameter und definierte Vorgaben berücksichtigen, entsteht ein Lösungsraum, der mit herkömmlichen Methoden nicht erreichbar wäre. Autodesk setzt auf KI-gestützte Werkzeuge, um so Entwicklungszyklen zu verkürzen, aber auch um Fertigungsprozesse zu optimieren, etwa durch die Generierung optimaler Parameter für spanende oder additive Fertigungsverfahren. 

2. Die größten Herausforderungen liegen in der Aufbereitung der Daten, dem Schutz des geistigen Eigentums und dem Mangel an KI-Experten. KI-Modelle sind auf qualitativ hochwertige und zugängliche Daten angewiesen, doch viele Unternehmen kämpfen mit fragmentierten Datensilos und ungenutzten Datenbeständen. Zudem stellt sich die Frage, wie sich sensible Unternehmensdaten schützen und gleichzeitig effektiv für KI-Anwendungen nutzen lassen. Hier braucht es klare Strategien und Lösungen für Daten- und Prozessmanagement, um das volle Potenzial der KI auszuschöpfen. 

3. Der erwähnte Mangel an KI-Experten wird nicht nur neue Unternehmensrollen hervorbringen, auch aktuelle Arbeitsschwerpunkte werden sich von der direkten Problem­lösung hin zur Definition der Rahmenbedingungen verändern, und so das Automatisierungs- und Innovationspotenzial steigern. Zudem verändert KI in Verbindung mit vernetztem Daten- und Prozessmanagement die Zusammenarbeit, aus der schnellere Entwicklungszyklen, effizientere Ressourcennutzung und gesteigerte Wettbewerbsfähigkeit resultieren. Aber auch neue, datengetriebene Geschäftsmodelle können so entstehen.

Die größten Herausforderungen liegen in der Aufbereitung der Daten, dem Schutz des geistigen Eigentums und dem Mangel an KI-Experten.

Jan Niestrath

Josef Overberg, Cadfem Germany 

1. In der Fertigung bietet KI große Vorteile im Hinblick auf das Trainieren von hochautomatisierten Fertigungs­anlagen oder das Erkennen von Fehlern. Gerade weil KI Muster erkennt, gewinnen auch Themen wie die Vorhersage von Energieverbräuchen an Bedeutung. Mit dem Wissen, wann wieviel Energie benötigt wird, können einzelne Produktionsschritte in Zeiträume gelegt werden, in denen die Energie kostengünstig ist. Auch die Planung von Wartungsarbeiten an Anlagen lässt sich mit Hilfe von KI optimieren. Hier kommt die Simulation ins Spiel, denn sie ist notwendig, um das Verhalten des Gesamtsystems unter den gegebenen Randbedingungen zu untersuchen. Sie schafft also die Basis, damit die KI überhaupt Vorhersagen treffen kann. 

2. Vor der Implementierung gilt es zunächst zu erkennen, an welchen Stellen im Fertigungsprozess KI einen Mehrwert liefern oder die Lösung für ein dediziertes Problem sein kann. Dies ist aktuell die größte Herausforderung, gefolgt von den benötigten Daten beziehungsweise der Erhebung der Daten. Hierfür ist ein gewisses Maß an Digitalisierung in der Fertigung, aber eben auch im vorgelagerten Entwicklungsprozess, erforderlich.

 3. Nicht nur in der Fertigung, auch allgemein werden durch den Einsatz von KI keine Arbeitsplätze wegfallen, sondern die Aufgaben werden sich verlagern oder verändern. Solange KI sich in bekannten und gelernten Grenzen bewegt, wird der Mensch dafür sorgen müssen, die Grenzen weiter zu verschieben und Innovationen zu treiben. Aber genau das ist der Charme von KI, denn sie hilft uns effizienter zu werden, Zusammenhänge zu verstehen und bietet somit die Chance, sich auf das Wesentliche sowie auf Neues zu fokussieren.

In der Fertigung bietet KI große Vorteile im Hinblick auf das Trainieren von hochautomatisierten Fertigungs­anlagen oder das Erkennen von Fehlern.

Josef Overberg

Claudio Gusmini, Elunic

1. KI hält rasant Einzug in der Fertigung: Insbesondere Sprachmodelle und Systeme für die Produktion wie ShopfloorGPT sind ein echter Gamechanger. Sie erlauben komplexe Abfragen und Analysen in natürlicher Sprache – etwa zum Vergleich der Produktionsleistung von Tag- und Nachtschichtleistungen – und generieren bei Bedarf eigenständig Dashboards. Beispielsweise den Ausschuss der letzten 24 Stunden als Balkendiagramm, ohne dass dafür Programmierkenntnisse erforderlich sind. Damit werden Produktionsdaten und Dokumentationen schnell und unkompliziert zugänglich, was Entscheidungsprozesse erheblich beschleunigt. Danach folgen KI-gestützte Instandhaltung und Serviceplanung sowie die visuelle Inspektion und Qualitätssicherung mit KI – insbesondere bei komplexen Bauteilgeometrien. 

2. In der Produktion und Fertigung ist die grundsätzliche Akzeptanz von KI-Technologien erfreulich hoch – es gibt nicht den typischen einen Grund zur Verhinderung. Manchmal stellen wir eine gewisse Unsicherheit bei Unternehmen fest, entschlossen Entscheidungen zu treffen und ein grundsätzliches Startsignal zur KI im Unternehmen zu geben. Dies führt dazu, dass der Entscheidungsprozess in größeren Kreisen abgestimmt und vor allem ‚abgesichert‘ wird. Sobald die Entscheidung getroffen wurde, liegen der Schwerpunkt und gleichzeitig die nächste Herausforderung nicht im technischen Bereich, sondern im Abholen der Mitarbeitenden und der Organisation. 

3. Künstliche Intelligenz wird die Anforderungen an Fachkräfte und das Tätigkeitsprofil von Arbeitsplätzen in der Produktion grundlegend verändern. Intelligente Assistenzsysteme und Automatisierung erleichtern dabei vor allem digitale Arbeitsprozesse sowie den Zugriff auf und die Eingabe von Wissen. Diese Entwicklungen eröffnen neue Möglichkeiten zur Qualifizierung und fördern eine effiziente Zusammenarbeit zwischen Mensch und Maschine. So werden Produktionsprozesse robuster, unabhängiger von spezifischen Fachkräften und insgesamt noch effizienter.

Manchmal stellen wir eine gewisse Unsicherheit bei Unternehmen fest, entschlossen Entscheidungen zu treffen und ein grundsätzliches Startsignal zur KI im Unternehmen zu geben.

Claudio Gusmini