Künstliche Intelligenz KI in der Industrie: Diese Herausforderungen und Chancen sehen 8 Experten

Anbieter zum Thema

PSI Software SE | Business Unit Discrete Manufacturing

becos gmbH

Mit künstlicher Intelligenz (KI) folgt nun das nächste Level der industriellen Digitalisierung. KI macht Prozesse effizienter und ermöglicht neue Wertschöpfung. Durch den Einsatz von KI in der Industrie können Unternehmen Entwicklungszeiten verkürzen sowie Ressourcen und Energie einsparen. Zum Thema KI gibt es aber auch großen Informationsbedarf. Deshalb haben wir acht Experten aus der Industrie dazu befragt.

Automatisierung und Optimierung durch künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind die Hauptgründe für Investitionen in intelligente Fertigungstechnologien. Das war ein Ergebnis des neuen „State of Smart Manufacturing“-Reports von Rockwell Automation. 84 Prozent der befragten deutschen Unternehmen gaben an, dass sie bereits in KI und ML investiert haben, oder planen, dies in den nächsten zwölf Monaten umzusetzen.

Als Anwendungsfälle für KI und ML nennen deutsche Unternehmen vor allem drei Hauptanwendungen: Prozessoptimierung (44 Prozent), Qualitätskontrolle (37 Prozent) und Robotik (35 Prozent). Wie Industrie-Experten das Thema KI einschätzen, erfahren Sie in dieser Umfrage.

Fragen an die Experten:

• KI-Anwendungen rücken auch in der Industrie immer mehr in den Mittelpunkt. Was sind aktuell die größten Herausforderungen beim Einsatz von künstlicher Intelligenz (KI) in der Fertigungsindustrie?

• Welche Bereiche der Fertigung profitieren besonders von künstlicher Intelligenz und warum?

• Vor allem kleine und mittelständische Unternehmen sehen sich häufig großen Herausforderungen gegenüber. Wie sollten diese Fertigungs­unternehmen das Thema KI angehen und was sollten sie dabei beachten?

KI in der Industrie: Die Planung ist das A und O

1. Eine der größten Herausforderungen stellt aus meiner Sicht die Qualität der vorhandenen Daten dar. In einer idealen Welt sind Datensätze immer zuverlässig in einem einheitlichen Format gepflegt und in einem einzigen, zentralen System hinterlegt. Die reale Praxis sieht jedoch meist ganz anders aus. Eine KI braucht aussagekräftige und strukturierte Daten, um sinnvolle Erkenntnisse aus diesen zu ziehen. Wer hier Nachholbedarf hat, sollte möglichst früh beginnen, saubere Datensätze zu erfassen und darin alle Faktoren berücksichtigen, die für die geplante Zielsetzung relevant sind.

2. Hier denken die meisten in erster Linie an die Unterstützung der eigentlichen Fertigungsabläufe. Aber auch die vor- und nachgeschalteten Prozessstufen können von KI-Analysen profitieren. So ermöglicht künstliche Intelligenz etwa die Optimierung der Lagerhaltung, wodurch sich die Kapitalbindung verringert. Zudem kann KI von zeitraubender Routine entlasten, indem sie zum Beispiel Standardbestellungen vollständig automatisiert erledigt und so den zuständigen Mitarbeitern freie Kapazitäten verschafft.

3. Eine solide Planung ist für den KI-Erfolg das A und O. ­Gerade KMUs verfügen jedoch häufig weder über die personellen Ressourcen noch über die erforderliche Expertise, um entsprechende Projekte richtig anzugehen. Hier lautet meine Empfehlung: Suchen Sie sich einen Partner mit praxiserprobtem, tiefgehendem KI-Know-how. Dieser verfügt nicht nur im Idealfall über Erfahrung in der Projektumsetzung. Er oder sie kann auch bei der Auswahl der geeigneten KI-Algorithmen und der erfolgreichen Zusammenstellung der Datengrundlage unterstützen – damit die KI-Initiativen auch in der Praxis zum KI-Erfolg führen.

1. Die Qualität und Konsolidierung heterogener Datenquellen und Formate ist eine große Herausforderung. Gleichzeitig mangelt es an Fachkräften mit Expertise in sowohl KI-Technologien als auch in spezifischen Fertigungsprozessen. Die technische und organisatorische Integration von KI in bestehende Systeme erfordert zudem bedeutende Investitionen. Ein kritischer Punkt ist die Sicherheit, insbesondere mit Blick auf die zunehmende Nutzung von Cloud-Technologien. Diese bieten zwar Flexibilität und Skalierbarkeit für KI-Anwendungen, bringen jedoch auch Risiken hinsichtlich Datenlecks und Cyberangriffen mit sich. Zusätzlich nehmen ethische Fragen und Regulatorik im Bereich Datenschutz und geistiges Eigentum in der vernetzten Produktionsumgebung eine zentrale Rolle ein.

2. KI in Kombination mit digitalen Zwillingen revolutioniert die Fertigung, indem sie die Produktentwicklung, Qualitätskontrolle und die Simulation von Produktionsprozessen verbessert. Sie ermöglicht die präzise Analyse und Verarbeitung großer Datenmengen für Optimierung und Vorhersagen, während digitale Zwillinge für Echtzeitüberwachung und -optimierung von Anlagen genutzt werden. Dies führt zu effizienterer Wartung und Ressourcennutzung. Gemeinsam gestalten sie die Wertschöpfung neu und fördern Innovation, Effizienz und Flexibilität in der Fertigung.

3. Eine effektive KI-Nutzung beginnt mit einer klaren Strategie und gezielten Anwendungsfällen, die den größten Mehrwert bieten. Die Qualität der Daten und die Schulung des Personals sind entscheidend, um ein grundlegendes KI-Verständnis zu schaffen. Kleine, skalierbare Projekte sind ideal, um Erfahrungen zu sammeln und den KI-Nutzen schrittweise zu maximieren.

KI-Systeme in der Cloud nutzen

1. Um effektiv zu funktionieren, brauchen KI-Systeme qualitativ hochwertige Daten. Diese sind zwar in den meisten Unternehmen vorhanden, werden aber oft nicht systematisch genutzt. Hier gilt es, ihr großes Potenzial zu heben und sie mithilfe übergreifender Lösungen für Konstruktions- und Fertigungsverfahren nutzbar zu machen. Das gelingt einerseits mit KI-Tools wie Autodesk AI, welche die tägliche Arbeit unterstützen, andererseits aber auch durch Industrie-Cloud-Plattformen wie Fusion Industry Cloud, die durch Vernetzung neue Potenziale erschließen.

2. Ganz besonders der Entstehungsprozess profitiert stark vom Einsatz KI-basierter Tools – und das an unterschiedlichen Stellen. Durch das Erstellen von digitalen 3D-Modellen haben Ingenieure und Designer völlig neue, freiere Gestaltungsmöglichkeiten, die gänzlich ohne Materialeinsatz funktionieren. Steht das Design, können dank KI-Simulationstools ganz einfach Strukturanalysen, thermische Analysen, Strömungssimulationen und Analysen von Materialeigenschaften wie Festigkeit, Härte, Elastizität vorgenommen werden. Im nächsten Schritt unterstützen KI-basierte Konstruktionstools dabei, den Produktionsprozess durch digitale Prototypen zu erleichtern. All dies sorgt dafür, dass sich am Ende Produkte kreieren und realisieren lassen, die den Anforderungen entsprechen und ressourcenschonend sind.

3. Am Anfang steht sicherlich die Identifizierung von Einsatzmöglichkeiten und ein Start der KI-Reise mit überschaubaren KI-Projekten. Zusätzlich ist die Schulung der Mitarbeiter im Bereich KI unerlässlich. Nur Know-how sorgt dafür, dass sich etwaige Vorbehalte zerstreuen – und senkt die Hemmschwelle für den KI-Einsatz.

1. Die Industrie setzt KI bereits seit Jahren erfolgreich ein. Durch die explosionsartige Entwicklung von KI entstehen jedoch permanent neue Anforderungen, wobei die Grenzen zu beispielsweise regelbasierten Systemen verschwimmen. KI als Etikett ist derzeit einem weiten Feld von Lösungen angehängt. Diese Evolution führt aktuell zu Änderungen der regulatorischen sowie rechtlichen Rahmenbedingungen für Daten und KI. Auch die Geschwindigkeit der notwendigen Anpassungen der IT-Infrastruktur stellt sich als komplex heraus. Eine weitere Herausforderung ist die Verfügbarkeit von Daten; hier ist der Abbau von Datensilos erforderlich, um KI in der Industrie erfolgreich einzusetzen. In diesem Umfeld ersetzt ein dynamisches Ökosystem von Partnern die traditionelle ‚hohe‘ Fertigungstiefe, indem es vielfältige Ressourcen, Innovationen und Flexibilität bietet.

2. Schon heute unterstützt künstliche Intelligenz Wartungsprozesse und das Qualitätsmanagement, zum Beispiel mittels Bilderfassung. Bereits im Produktdesign lassen sich Para­meter mittels KI für die Fertigung optimieren. Aber auch in der Produktionsplanung und Lagerhaltung zeichnen sich Einsparpotenziale ab. Insbesondere die Verbindung der Daten aus unterschiedlichen Systemen und deren gezielte Auswertung ist mit traditionellen Methoden nur erschwert möglich.

3. Um KI erfolgreich einsetzen zu können, müssen Unternehmen ihre Denk- und Arbeitsweisen verändern. Dies betrifft vor allem die Erhebung und Auswertung von Produk­tionsdaten. Es ist ratsam, sich erste Anwendungsfälle vorzunehmen und diese iterativ mithilfe von KI zu optimieren. Ein wichtiger Aspekt: KI-Einsatz ist ein kontinuierlicher Prozess, bei dem man aus Erkenntnissen lernt und das Gelernte beim nächsten Anwendungsfall einsetzt.

Fragen an die Experten:

• KI-Anwendungen rücken auch in der Industrie immer mehr in den Mittelpunkt. Was sind aktuell die größten Herausforderungen beim Einsatz von künstlicher Intelligenz (KI) in der Fertigungsindustrie?

• Welche Bereiche der Fertigung profitieren besonders von künstlicher Intelligenz und warum?

• Vor allem kleine und mittelständische Unternehmen sehen sich häufig großen Herausforderungen gegenüber. Wie sollten diese Fertigungs­unternehmen das Thema KI angehen und was sollten sie dabei beachten?

Die richtige Basis für KI in der Industrie schaffen

1. Viele Unternehmen kämpfen noch mit der Basis guter Stammdaten und wissen oft nicht, welche Daten in welchem System vorhanden sind und wie sie mit KI nutzbar gemacht werden können. Angemessene Infrastrukturen ohne Datensilos sind nötig, um übliche, riesige Datenvolumina effektiv zu bereinigen und KI-Algorithmen zuzuführen. All­gemeine Effizienzversprechen verleiten zu schnellen, unzureichenden Data Use Cases, die nicht die gewünschten Mehrwerte liefern. Mitarbeitende brauchen Zeit, den Umgang mit KI zu lernen, Data Literacy Skills und KI-Know-how aufzubauen, bevor Use Cases definiert werden.

2. Der größte Effekt lässt sich derzeit durch den Einsatz von KI-fähigen Robotern (Cobots) erzielen. Diese arbeiten gemeinsam mit Menschen, indem sie lernen, Aufgaben zu übernehmen und sich dynamisch auf sich verändernde Produktionsumgebungen anzupassen. Damit wird die Fertigung effizienter, insbesondere bei individuellen Produkten oder kleinen Losgrößen, wo traditionelle, starre Automatisierungslösungen weniger effektiv sind. Auch die produktionsbegleitende Qualitätskontrolle lässt sich durch KI auf ein neues Level heben. Sie hilft dabei, Muster und Unregelmäßigkeiten in Produk­tionsdaten zu erkennen – weit über die Kapazität menschlicher Prüfung hinaus.

3. Kleine und mittelständische Unternehmen sollten zunächst nicht versuchen, alles allein zu bewältigen. Auch hier geht es darum, die Mitarbeitenden in den neuen Technologien weiterzubilden und Trainings passend zu den Rollen durchzuführen. Danach sollten sie die sinnvollen und machbaren KI-Fälle mit Use-Case-Canvas-Bewertungsmethoden identifizieren. Die Umsetzung kann dann über entsprechende Experten zugekauft werden.

1. Die Integration von künstlicher Intelligenz (KI) in der Fertigungsindustrie bietet Unternehmen ein großes Potenzial zur Steigerung ihrer Wettbewerbsfähigkeit. Eine zentrale Frage zum effizienten Einsatz künstlicher Intelligenz stellt sicherlich die Verfügbarkeit und Qualität von Daten zum Training der jeweiligen KI-Anwendung dar. Durch Generative KI und der Bereitstellung von synthetischen Daten können heute hochwertige KI-Modelle trainiert werden. Mit einer geringen Anzahl an Referenzbildern lassen sich beispielsweise effiziente Modelle für den Einsatz in der Qualitätskontrolle generieren. 

Gleichzeitig kann man damit auch die Skalierung entsprechender Modelle realisieren: Synthetische Daten liefern die Grundlage, um eine breite Anzahl an Anwendungsfällen adressieren zu können. Auch die Frage nach Expertise rund um KI-Anwendungen kann mit generativer KI unterstützt werden: Die sprunghafte Weiterentwicklung generativer KI ermöglicht es auch Unternehmen, mit vergleichsweise wenig Expertenwissen, das Potenzial von künstlicher Intelligenz zu nutzen.

2. Künstliche Intelligenz wird die gesamte Wertschöpfungskette produzierender Unternehmen beeinflussen – von der Entwicklung über die Optimierung der Lieferketten, die ­Produktion bis hin zu Marketing, Service und Administration. Im Produktionsumfeld unterstützt künstliche Intelligenz bereits heute bei der Optimierung der Qualität und des Produktions­volumens, wie auch bei der Verfügbarkeit der Anlagen und trägt damit signifikant zur Gesamteffizienz in der Herstellung bei. ­Algorithmen rund um Computer Vision unterstützen eine frühzeitige Fehlererkennung und reduzieren damit den produzierten Warenausschuss. Generative KI – insbesondere die Anwendung großer Sprachmodelle – ermöglicht heute die Zusammenführung und Analyse von Daten aus unterschiedlichsten Datensilos und gibt somit frühzeitig Aufschluss über die Verfügbarkeit von Anlagen und über notwendige Wartungszyklen. Sie bietet aber auch Einblicke in Optimierungspotenziale, die sich überhaupt erst auf Basis dieser Technologie erschließen lassen.

3. Grundsätzlich ermöglicht die rasante Entwicklung generativer KI auch kleineren und mittelständischen ­Unternehmen eine effiziente Nutzung dieser Technologie. Der Einsatz von KI um ihrer selbst willen ist nicht zielführend, sondern bedarf einer klaren Strategie. Eine fokussierte Herangehensweise an die Technologie, eine Analyse der potenziellen Anwendungsfälle wie auch des Return-on-Invest, sind grundlegende Voraussetzungen für eine erfolgreiche Umsetzung der Anwendungsfälle. Künstliche Intelligenz bietet ein hohes Potenzial zur Optimierung von Geschäftsprozessen, gleichzeitig erfordert sie aber auch eine Transformation des Unternehmens, um die entsprechenden Applikationen effizient zu nutzen. Die Transformation der Prozesse, aber insbesondere auch die Einbindung aller Mitarbeiter im Rahmen des Transformationsprozesses sind Kernelement der erfolgreichen Umsetzung einer KI-Strategie und müssen geschlossen von der Geschäftsleitung vorangetrieben werden.

Wiederholende Tätigkeiten automatisieren

1. Wir sehen industrielle KI bereits seit vielen Jahren, zum Beispiel in der optischen Qualitätsinspektion. Generative KI hat die künstliche Intelligenz auf die Top-Management-Agenda gesetzt – das bringt natürlich Momentum. Die größten Herausforderungen sind derzeit immer noch: Wie erreichen wir industrie-taugliche Qualität in den KI-Anwendungen? Und dann: Wie gelingt ein skalierendes Roll-out, in anderen Worten: Wann skaliert industrielle KI endlich wie ein Produkt und nicht mehr wie ein Projekt?

2. KI in der Industrie wird wiederholende Tätigkeiten weiter automatisieren, beispielsweise das Be- und Entladen von Paletten, Materialträgern oder losen Teilen. Aber auch KI in der visuellen Qualitätsinspektion ist ein beliebtes Thema. Dabei bleiben wir nicht auf dem heutigen Stand der Technik: KI wird mit minimalem Nachjustieren flexibel mit neuen Produkt- und Teilevarianten umgehen. Darüber hinaus sehen wir große Fortschritte in der intelligenten, kraftgesteuerten Robotik, die zum Beispiel den Umgang mit Kabelsträngen oder eine diffizile Endmontage automatisierbar machen.

3. Erstens: Beurteilungskompetenz durch eigene Experimente erwerben und ausbauen. Nur dann lassen sich geschäftliche Entscheidungen zum Einsatz von KI in der Produktion fundiert treffen. Zweitens: Ökosystem-Unterstützung suchen. Diese Reise, die Fachwissen, Automatisierungswissen und KI-Expertise erfordert, macht man nicht allein. Drittens: Heutige Geheimniskrämerei in Frage stellen. KI lebt von Daten. KI-Angebote von Technologie-Partnern wie Siemens können nur so gut sein, wie die Datenbasis, auf der sie entwickelt werden. Lassen Sie sich mit ihren Partnern auf eine intensive und offene Diskussion ein, wie Ihre Daten in eine Kooperation eingebracht und gleichzeitig vor Missbrauch geschützt werden können.

1. Die Integration von KI-Anwendungen ist in der Fertigungsindustrie von zentraler Bedeutung. Zu den größten Herausforderungen gehören dabei Datenerfassung und -verarbeitung. Der Zugang zu qualitativ hochwertigen und umfangreichen Daten sowie deren Aufbereitung für Algorithmen ist essenziell. Er ist allerdings auch komplex und ressourcenintensiv. Ein weiteres entscheidendes Thema ist die Sicherheit. Die Verarbeitung sensibler Produktionsdaten durch KI-Systeme erfordert robuste Maßnahmen, um Datenschutz und Betriebssicherheit zu gewährleisten. Zudem müssen KI-Systeme in die bestehenden Fertigungsprozesse integriert werden. Dies kostet Zeit und Ressourcen.

2. In der Fertigungsindustrie profitieren insbesondere Qualitätskontrolle und Prozessoptimierung von KI. Durch die Anwendung von KI-Systemen lassen sich Fehler frühzeitig erkennen, Produktionsprozesse verbessern und Effizienzsteigerungen realisieren. Die kontinuierliche Analyse großer Datenmengen ermöglicht KI-Systemen, Muster und Trends zu identifizieren, die für menschliche Beobachter oft nur schwer erkennbar sind.

3. Unternehmen sollten das Thema KI strategisch angehen, indem sie zunächst ihre individuellen Bedürfnisse und Ressourcen analysieren. Eine schrittweise Einführung von ­KI-Anwendungen, beginnend mit konkreten Use Cases mit hoher Erfolgsaussicht, kann den Einstieg erleichtern und die Akzeptanz im Unternehmen fördern. Zudem ist es wichtig, auf externe Expertise zurückzugreifen. Dies kann durch die Zusammenarbeit mit spezialisierten Unternehmen oder durch die Nutzung von KI-gesteuerten Fertigungsplattformen erfolgen. So lassen sich Fertigungsprozesse vereinfachen und beschleunigen.