Praktische Ansätze KI gewinnbringend in der Fertigung einsetzen 

Anbieter zum Thema

IGZ Ingenieurgesellschaft für logistische Informationssysteme mbH

becos gmbH

Deutsche Hersteller sehen zwar großes Potenzial in der transformativen Kraft von KI, tappen aber oft im Dunkeln, wenn es um konkrete Maßnahmen geht. Das ergab die Studie “The Voice of Digital Leaders in Manufacturing" (VODL). Die Diskrepanz zwischen Ambition und Umsetzung zeigt, dass viele Unternehmen in diesem Bereich klare Leitlinien benötigen. Hier einige praktische Ansätze. 

Fertigungsunternehmen sind von den enormen Möglichkeiten der KI überzeugt, doch der Weg dorthin ist steinig. Um KI gewinnbringend in Geschäftsmodelle zu integrieren, sind entscheidende Fortschritte in drei Schlüsselbereichen erforderlich:

1. Datengrundlage schaffen

Ohne Daten keine KI! Eine solide Datenbasis ist die Grundlage für fortschrittliche KI-Anwendungen.  Bei der Implementierung von KI in die internen Prozesse des Herstellers zeigt sich, dass viele Betriebssysteme der Hersteller nicht darauf ausgelegt sind, Daten für KI-Anwendungen bereitzustellen. Die Nutzung fortgeschrittener KI erfordert ein solides Datenökosystem, und allzu oft sind wertvolle Daten aus verschiedenen Unternehmensbereichen nicht miteinander verknüpft oder in getrennten Tools gespeichert. Darüber hinaus sind unvollständige, veraltete und uneinheitlich formatierte Daten ein echtes Problem und können nicht zuverlässig für KI-Anwendungen genutzt werden.

Bei der Implementierung von KI als Teil der Dienstleistungen, die für die Kunden des Herstellers erbracht werden, wird deutlich, dass Anwendungen wie die KI-gestützte Predictive Maintenance erhebliche Effizienzsteigerungen ermöglichen können. Diese Anwendungen erfordern jedoch vernetzte Daten von hoher Qualität und Zugänglichkeit sowie eine abteilungs- und unternehmensübergreifende Zusammenarbeit. Das bedeutet, dass Fertigungsunternehmen bereit sein müssen, B2B-Maschinenherstellern Zugang zu den in der Produktion anfallenden Daten zu gewähren.

Sensoren und Kameras können einzelne Maschinenkomponenten kontinuierlich überwachen und eine Vielzahl von Daten liefern. Aus diesen Daten wird dann der genaue Zeitpunkt berechnet, zu dem eine Komponente mit minimalen Auswirkungen auf die Produktion ausgetauscht werden sollte. Dabei können auch wichtige Faktoren wie die allgemeine Auftragslage sowie die Verfügbarkeit von Wartungspersonal und Ersatzteilen berücksichtigt werden, um Kunden einen noch besseren Service zu bieten.

Die VODL-Studie ergab, dass 31 Prozent der Führungskräfte bereits KI für Predictive Maintenance und die Optimierung von Anlagen in einer etablierten oder skalierbaren Weise einsetzen. Diese Zahl dürfte mit zunehmender digitaler Reife der Branche noch steigen.

Predictive Maintenance eröffnet neue Geschäftsmodelle für ein ganzes Netzwerk von vernetzten B2B-Produktionsunternehmen.Trotz der potenziellen Vorteile dieser Öffnung überwiegt oft die Sorge, sensible Unternehmensdaten preiszugeben. Diese Vorbehalte gegenüber dem Hochladen von Fabrik- oder Maschinendaten in die Cloud schränken die Datenverfügbarkeit ein. Predictive Maintenance erfordert jedoch einen umfangreichen Datenaustausch, teilweise über Unternehmensgrenzen hinweg. Das bedeutet, dass der Kunde bereit sein muss, dem Hersteller Zugriff auf seine Anlagendaten zu gewähren. In der Regel fehlt dem Kunden jedoch der Anreiz, diese Daten freizugeben, da er den Nutzen für sich selbst nicht erkennt, im Gegensatz zum offensichtlichen Nutzen für den Hersteller. Darüber hinaus stellt die mangelnde Kompatibilität zwischen verschiedenen Produktionsökosystemen ein großes Hindernis dar. Hersteller zögern häufig, die für Predictive Maintenance erforderlichen Sensoren zu installieren, da sie befürchten, dass die Kosten nicht gerechtfertigt sind.

Der richtige Ansatz: Investitionen in unternehmensweite Datenprojekte, um geschäftskritische und betriebliche Daten aus Silos zu befreien, sind ein guter Anfang. Hersteller sollten damit beginnen, in unternehmensweite Datenprojekte zu investieren, sofern sie dies noch nicht getan haben. Investitionen in Datenbereinigungs- und -optimierungsprozesse verbessern die Datenqualität und ermöglichen die Entwicklung präziserer und effizienterer KI-Anwendungen, die dem Unternehmen Wettbewerbsvorteile verschaffen. Initiativen, die sich auf die Verknüpfung von Daten konzentrieren, werden auch über KI-Projekte hinaus von Nutzen sein. Beispielsweise kann die gemeinsame Nutzung von Daten eine ganzheitlichere Sicht auf Kunden ermöglichen und die Entwicklung von B2B-Kundenportalen unterstützen, die personalisierte Kundenerfahrungen bieten.

Hersteller sollten darüber hinaus erwägen, B2B-Maschinenherstellern Zugang zu Produktionsdaten zu gewähren, die für spezifische Anwendungen wie Predictive Maintenance entscheidend sein können. Hier müssen Führungskräfte ganzheitlicher denken und genau analysieren, wie die gemeinsame Nutzung von Daten mit Maschinenherstellern mehr Vorteile als Risiken mit sich bringt. Auf diese Weise wird sichergestellt, dass qualitativ hochwertige, vernetzte und konsistente Datenquellen zur Verfügung stehen, aus denen KI-Initiativen schöpfen können. 

Einsatz von künstlicher Intelligenz

KI-Einführung: Erfolg durch hybride Teams in Unternehmen

2.  Schritt für Schritt beginnen

Die generelle Einstellung der Industrie gegenüber KI ist ein wesentliches Entwicklungshemmnis. Hersteller sind von Natur aus risikoscheu. Diese Einstellung hat sich zwar in etablierten Unternehmen bewährt, droht aber nun zum größten Hindernis zu werden. Die Sorge um Ausfallzeiten und das starke Bewusstsein für den Schutz von Betriebsgeheimnissen erschweren die Einführung von KI. Auch wenn diese Vorbehalte ihre Berechtigung haben, müssen Führungskräfte der Technologie offen gegenüberstehen und bei ihrer Einführung und Umsetzung wohlüberlegt und sachkundig vorgehen. KI kann der Industrie viele Vorteile bringen, wenn sie kontrolliert und verantwortungsvoll eingesetzt wird. Stillstand ist keine Option. Es ist wichtig, den ersten Stein ins Rollen zu bringen.

Der richtige Ansatz: In kleinen Schritten in die Welt der KI einsteigen. Hersteller sollten zunächst mit einfachen, risikoarmen KI-Projekten beginnen, um erste Erfahrungen im IT-Management von KI zu sammeln. Ein gutes Beispiel für einen einfachen Einstieg ist der Einsatz von Large Language Models (LLMs) zur effizienten Suche in umfangreichen Dokumentationen, insbesondere in weniger digital ausgereiften Organisationen. Dokumentationen können sich schnell auf Hunderte von Seiten summieren, was es schwierig macht, die benötigten Informationen zu finden, besonders unter Zeitdruck.  Durch die Integration von KI-Funktionen in ihre Kundenportale können Hersteller einen deutlichen Wettbewerbsvorteil erzielen und ihren Kunden ermöglichen, die benötigten Informationen schnell und einfach zu finden. Diese Anwendung erfordert nur einen moderaten Aufwand und kann schnell positive Ergebnisse liefern, die den gesamten digitalen Transformationsprozess im Unternehmen in Gang setzen können.

Darüber hinaus bietet der Einsatz von KI zur Erstellung von Inhalten und Produktempfehlungen einen erheblichen Mehrwert. Im Jahr 2023 hat die Verfügbarkeit von KI-generierten Inhalten stark zugenommen, und Hersteller nutzen die Technologie zunehmend, um personalisierte Kundenerlebnisse und zielgerichtete Marketingkampagnen zu entwickeln. Ein solcher personalisierter Ansatz bei der Erstellung von Inhalten kann die Kundenbindung und -zufriedenheit erheblich steigern, was wiederum zu einer Verbesserung der Markenrelevanz und letztlich zu höheren Umsätzen führt.

Parallel dazu sollten Hersteller beginnen, mit Produktionsdaten in sicheren Testumgebungen, so genannten Sandboxes, zu experimentieren. Diese Experimente bieten die Möglichkeit, die Vorteile der KI zu testen, ohne die laufende Produktion zu beeinträchtigen, und schaffen eine solide Grundlage für weitere Projekte. 

3. Innovationsrückstand durch Change Management überwinden

Traditionsunternehmen, die fest in gewachsenen Strukturen verankert sind, prägen die deutsche B2B-Produktionslandschaft. Disruptive Innovationen, die die gesamte Branche über Nacht auf den Kopf stellen, sind eher die Ausnahme. Daher fehlt es an Vorbildern und etablierten Best Practices. B2B-Fertigungsunternehmen stehen daher heute vor der Herausforderung, ihren Innovationsrückstand aufzuholen und Innovationen aus eigener Kraft voranzutreiben. Das erfordert häufig Change Management auf allen Ebenen und in allen Abteilungen.

Der richtige Ansatz: Die digitale Transformation erfordert vor allem einen organisatorischen Wandel. Ein solch weitreichender Wandel erfordert ein Top-Down-Management, weshalb es wichtig ist, die Unterstützung der obersten Führungsebene zu gewinnen, bevor jegliche Art von Transformation in Angriff genommen wird. Führungskräfte, die gut darüber informiert sind, wie ein datengestützter Ansatz zu neuen, innovativen Geschäftsmodellen und insgesamt besseren Geschäftsergebnissen führen kann, sind viel besser in der Lage, dieses Wissen mit ihren Teams zu teilen und dafür zu sorgen, dass dieser Ansatz auf allen Ebenen des Unternehmens übernommen wird. Das kann dann als Katalysator für einen breiteren kulturellen Wandel wirken und die Mitarbeiter dazu inspirieren, der Einführung von KI offener gegenüberzustehen und sie zu unterstützen. 

Bestehende Vorreiterprojekte im Bereich Digitalisierung und KI sollten zu übergreifenden, zentral gesteuerten Initiativen zusammengeführt werden. Dabei ist es entscheidend, klare Governance-Strukturen zu etablieren und die einzelnen Projekte so zu gestalten, dass Synergien für die gesamte Organisation entstehen.

Das erfordert klar definierte KI-Roadmaps, eine Strategie zur Gewinnung und Bindung von Fachkräften sowie eine IT-Infrastruktur, die die Messung von KPIs ermöglicht und einen reibungslosen Datenaustausch unterstützt.

Das Produktionsmanagement muss sich darüber im Klaren sein, dass ein datengetriebener Ansatz zu neuen, innovativen Geschäftsmodellen führt. Die Daten sind letztlich so wertvoll wie die gefertigten Bauteile selbst. 

Fazit: Die Zukunft der Fertigung liegt in der Hand der Hersteller

Auch wenn viele Hersteller erst jetzt beginnen, das volle Potenzial von KI auszuschöpfen, besteht kein Grund zur Sorge. Die gute Nachricht ist, dass der erfolgreiche Einsatz von KI in erster Linie durch organisatorische Veränderungen ermöglicht wird. Wenn KI zu einer zentralen Priorität in der Fertigung wird und die Hersteller ihre Anstrengungen in einer koordinierten Strategie bündeln, sind die Aussichten positiv.

Für jeden Hersteller gibt es geeignete KI-Anwendungsfälle, die seinem digitalen Reifegrad entsprechen. Die gewonnenen Erfahrungen können dann auf neue Projekte übertragen werden. Für den langfristigen Erfolg müssen alle organisatorischen Faktoren eng mit einer durchdachten Datenstrategie verknüpft werden.