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

Megla, Kumavision, MHP

Dr. Gregor Schweppe, Megla 

1. Zentrale Einsatzbereiche sind beispielsweise Qualitäts­kontrolle mit KI-gestützter Bildverarbeitung zur Fehler­erkennung und Echtzeit-Analyse von Produktionsdaten. Die prädiktive Wartung erkennt den Wartungsbedarf frühzeitig durch Analyse von Sensordaten und verlängert dadurch die Maschinenlebensdauer. Eine Prozessoptimierung spart Energie und Material, verbessert Abläufe und passt Maschinenparameter in Echtzeit an. In der Robotik steuert KI komplexe Aufgaben und ermöglicht eine sichere Zusammenarbeit mit kollaborativen Robotern. Im Supply-Chain-Management verbessert KI Nachfrageprognosen, Bestandsüberwachung und automatisierte Prozesse. 

2. Derzeit ist eine der größten Herausforderungen das Daten­management, welches häufig noch unter unzureichender Datenqualität und fragmentierten Systemen leidet. Die Integration in bestehende Systeme ist bei veralteter Infrastruktur schwierig und kostenintensiv. Der Fachkräftemangel erschwert die Implementierung von KI, während Arbeitsplatzängste Akzeptanzprobleme schaffen. Potenziell hohe Kosten mit gleichzeitig unsicheren ROI bremsen Investitionen. Sicherheits- und Datenschutzrisiken sowie fehlende Standardisierung erhöhen die Komplexität. Zudem sind KI-Modelle anfällig für unvorhersehbare Produktionsbedingungen und müssen entsprechend robust sein. 

3. Die Automatisierung gefährlicher Tätigkeiten reduziert einerseits Arbeitsplatzrisiken, andererseits können dadurch auch Arbeitsplätze, insbesondere mit geringeren Qualifikationen, wegfallen. Arbeitsplatzstrukturen verändern sich, was Flexibilität fördert, aber Ungleichheiten vertiefen kann. Gleichzeitig schafft KI neue Berufsbilder in den Bereichen Programmierung und ­Datenanalyse. Umschulungen können dabei helfen.

Die Automatisierung gefährlicher Tätigkeiten reduziert einerseits Arbeitsplatzrisiken, andererseits können dadurch auch Arbeitsplätze, insbesondere mit geringeren Qualifikationen, wegfallen.

Dr. Gregor Schweppe

Klaus Kriener, Kumavision 

1. Von einer autonomen, vollautomatisierten Fabrik sind wir noch weit entfernt. KI kann aber bereits heute dazu beitragen, die Aufgaben entlang der gesamten Wertschöpfungskette im ERP zu vereinfachen, zu beschleunigen und gleichzeitig sicherer zu machen. Die Bandbreite reicht von einer Unterstützung im Einkauf, bei der drohende Materialengpässe bereits im Vorfeld erkannt werden, über eine KI-optimierte Produktionsplanung, die flexibel auf neue Rahmenbedingungen reagiert, bis zu einer KI-gesteuerten Auswertung von Servicedokumenten. Bereits heute können Sie mit Microsoft Copilot selbst einen Chatbot erstellen, der Fragen zu Reparaturanleitungen wie ein ‚echter‘ Kollege beantwortet. 

2. Die besten Ergebnisse liefert KI, wenn sie mit Daten aus dem Unternehmen trainiert wird. In vielen Fällen ist aber die Qualität der Stamm- und Bewegungsdaten nicht optimal. Dazu kommt, dass Daten oft in verschiedenen Systemen (Datensilos) liegen. Eine einheitliche Plattform für alle Unternehmensprozesse wie Microsoft Dynamics 365 und eine bessere Datenqualität sind aus unserer Sicht für den effizienten Einsatz von KI unverzichtbar und bilden die Grundlage für die Automatisierung von Geschäftsprozessen im ERP. 

3. KI wird keine Arbeitskräfte ersetzen. Virtuelle KI-Assistenten wie Microsoft Copilot werden aber die Qualität der Arbeitsplätze nachhaltig verbessern. In allen Unternehmensbereichen sehen wir großes Potenzial, mit KI Routineaufgaben, zum Beispiel im ERP, zu automatisieren beziehungsweise zu beschleunigen. Gleichzeitig kann KI dazu beitragen, die Fehlerquote zu senken, was sich direkt auf die Zufriedenheit der Mitarbeitenden auswirkt: Weniger Stress und weniger Feuerwehreinsätze, dafür mehr Zeit für wertschöpfende Aufgaben.

Die besten Ergebnisse liefert KI, wenn sie mit Daten aus dem Unternehmen trainiert wird. In vielen Fällen ist aber die Qualität der Stamm- und Bewegungsdaten nicht optimal.

Klaus Kriener

Stephan Baier, MHP

1. Aktuell kommt KI vor allem im Bereich des Qualitäts­managements zum Einsatz. Hier gibt es bereits zahlreiche KI-Anwendungen, die bei verschiedenen Prozessen unterstützen können. So lassen sich beispielsweise Auffälligkeiten im Produktionsprozess mithilfe von KI optimieren. Automatisiert und prüfstandbasiert kann so ein KI-basiertes Tool Störgeräusche in Echtzeit erkennen, beispielsweise im Fahrwerk auf Komponentenebene. Muster und Auffälligkeiten lassen sich so schneller entdecken, was wertvolle Zeit und Ressourcen einspart. Ähnlich  bei den Schraubprozessen: Die Analyse von Verschraubungen ist zeitaufwändig und komplex. Auch hier kann KI mit einer intelligenten Prüfmechanik unterstützen. Langfristig lässt sich so die Prozessabsicherung in der Schraubtechnik effizienter gestalten. 

2. Der technologische Fortschritt im Bereich KI ist rasant und stellt vor allem die eigenen Mitarbeiterinnen und Mitarbeiter vor diverse Herausforderungen. Die Implementierung und Nutzung von KI-Lösungen erfordert Know-how und konkrete Anwendungsfälle im Unternehmen. Die Belegschaft muss stetig weitergebildet und über mögliche Vorteile aufgeklärt werden. So lässt sich Akzeptanz, Technologiewissen und ein Sicherheitsgefühl aufbauen. Besonders wichtig: Die Implementierung eines transparenten und offenen KI-Mindsets im Unternehmen. 

3. Natürlich hat der Einsatz von KI einen Einfluss auf die Ausgestaltung von Arbeitsplätzen – jedoch im positiven Sinne: Die Synthese von Mensch und KI führt zu neuen Effizienzpotenzialen im Arbeitsalltag: Repetitive Aufgaben lassen sich durch spannende Tätigkeiten ersetzen. KI kann dabei eine hilfreiche Ergänzung für die Mitarbeitenden in der Fertigung sein. Im Qualitätsmanagement sind KI-basierte Tools in der Lage, Fehler schneller zu erkennen, was aufwändige manuelle Prüfungen reduziert und teure Nacharbeiten für Mitarbeitende vermeidet. Sie erhalten mehr Zeit, die sie für wichtige Aufgaben nutzen können.

Im Qualitätsmanagement sind KI-basierte Tools in der Lage, Fehler schneller zu erkennen, was aufwändige manuelle Prüfungen reduziert.

Stephan Baier