KI KI in der Produktion: Effizient die Wettbewerbsfähigkeit erhöhen

Anbieter zum Thema

PSI Software SE | Business Unit Discrete Manufacturing

IGZ Ingenieurgesellschaft für logistische Informationssysteme mbH

Mit künstlicher Intelligenz erhöhen wir die Geschwindigkeit bei der Entwicklung intelligenter, vernetzter und nachhaltiger Produkte und Lösungen. Eine agile Methodik kann der Schlüssel sein, um KI-Anwendungen nahtlos in die Produktionsprozesse zu integrieren, um daraus einen Mehrwert für Mitarbeiter zu erzeugen und die Qualität der Produktion zu erhöhen.

Keine Frage, künstliche Intelligenz ist ein bahnbrechender Einschnitt in unsere Abläufe mit unendlichen Möglichkeiten. Wir wissen, die Welle kommt in großen Schritten und auch produzierende Unternehmen müssen entscheiden, welche Anwendungen sie wie einsetzen und wie sie mit der Entwicklung umgehen. Bis jetzt war der Einsatz von KI meist auf stark standardisierte und wiederkehrende Tätigkeiten beschränkt. Doch inzwischen hat diese Technologie eine Transformation durchlaufen und gilt als wertvoller Sidekick, der Menschen in vielen kreativen Prozessen tatkräftig zur Seite steht. Damit die Zufriedenheit der Mitarbeiter und die Qualität der Produktion verbessert werden, müssen KI-Tools auf einfache Weise und methodisch integriert werden.

KI in der Produktion: prüfen, analysieren, identifizieren

KI-Anwendungen können jede Ebene Ihrer Organisation transformieren und Produktionsergebnisse messbar verbessern: In der Qualitätskontrolle kann KI visuelle Prüfungen mit Kameras durchführen, um Fehler oder Mängel in Produkten zu erkennen. KI kann Daten analysieren, um Engpässe oder ineffiziente Bereiche in der Produktion zu identifizieren. Sie kann helfen, den Materialfluss zu verbessern, Lagerbestände zu verwalten und Lieferketten zu optimieren. KI-Algorithmen können durch die Analyse von Sensordaten den Zustand von Maschinen überwachen und vorhersagen, wann Wartungen oder Reparaturen erforderlich sind. Und KI kann Verkaufs- und Marktdaten analysieren, um die zukünftige Nachfrage nach Produkten vorherzusagen. All das mit dem Ziel, Menschen und Prozesse zu unterstützen und dadurch Wettbewerbsfähigkeit und langfristigen Geschäftserfolg zu sichern.

KI-Beziehungsstatus: kompliziert

In der 2022 veröffentlichten Studie „Menschenzentrierte KI-Anwendungen in der Produktion“ des Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO geben jedoch nur zehn Prozent der befragten deutschen Unternehmen aus der Produktionsbranche an, eine konkrete Anwendung im Einsatz zu haben. Elf Prozent bereiten die Einführung vor. Und 40 Prozent bestätigen, dass sie sich derzeit über KI-Möglichkeiten informieren. Viele Unternehmen zögern aber noch, KI-Projekte zu starten und diese systematisch anzugehen. Oft fehlt es auch einfach an Erfahrung oder Wissen darüber, wie sie Datenanalyse und KI integrieren können, um ihre Produktionsprozesse effizienter zu gestalten und zu verbessern. Digitalisierungsprojekte sind anstrengend und verlangen einen langen Atem. Zu oft wünscht man sich einen kurzfristigen Erfolg und wenn dieser nicht eintritt, sind Mitarbeitende skeptisch gegenüber dem Aufwand-Nutzen-Verhältnis von KI-Anwendungen.

Auf der anderen Seite betrachten Unternehmen die KI in der Produktion als heiligen Gral, als Allheilmittel, das alle Herausforderungen des Unternehmens löst. Ganz von allein. Ohne, dass man sich selbst mit den zu lösenden Geschäftsproblemen auseinandersetzen muss. Eine KI muss nur eingeführt werden und dann stellt sich nach kürzester Zeit ein geschäftlicher Nutzen ein. Befeuert wird dies allen voran durch unseriöse Empfehlungen wie „Sammeln Sie zunächst sämtliche Daten Ihres Unternehmens, eine KI wird damit zu einem späteren Zeitpunkt auf Basis einer umfangreichen Datenbasis alle Ihre Probleme lösen.“ Das ist ein Trugschluss und wird in eine teure Sackgasse führen.

Wie sollten Unternehmen am besten vorgehen?

Und genau hier liegt die Herausforderung. Die zu lösenden Geschäftsprobleme, das Potenzial, der Nutzen und der messbare Mehrwert werden im Vorfeld meist nicht ausreichend erörtert und klar definiert. Zu oft wollen Firmen Technologietrends umsetzen und automatisieren alte, analoge Prozesse wegen der puren Digitalisierung. Die zentrale Frage ist, welches Geschäftsproblem die Bilanz ruiniert. Und welche Prozessautomatisierung am Ende den größten Zweck erfüllt: Monitoring und Analyse, Shopfloor Performance, Energy Management, Tracking & Tracing oder Predictive Maintenance?

Niemand kann das besser einschätzen als die Anwender in den Fachabteilungen. Sie kennen ihre Geschäftsprozesse und die Anforderungen daran. Aus ihren täglichen Erfahrungen heraus haben sie klare Erwartungen und genau definierte Bedürfnisse entwickelt. Sie wissen, wo ihnen Automatisierung einen entscheidenden Mehrwert bietet. Und wie ein Digitalprozess neugestaltet werden sollte. Mit ihnen gemeinsam identifizieren Sie das Problem, ob auf dem Shopfloor oder auf dem Topfloor, und können Engpässe analysieren, das Ziel klar definieren und Ihre Zeit und Ihre Ressourcen sinnvoll investieren.

Wie KI in der Produktion die Digitalisierung auf die Spitze treibt

Die DNA von IT-Projekten wird durch KI neu programmiert. Es gibt keine reinen IT-Projekte mehr. Digitalisierungs- und KI-Projekte werden von den Fachabteilungen getrieben und von der IT unterstützt. Damit wird die IT zum Kleber, der die Fachabteilungen entlang der Wertschöpfungsprozesse im Unternehmen verzahnt.

Schenken Sie Ihren Kollegen und Kolleginnen aus den Fachabteilungen Vertrauen, die richtigen Maßnahmen abzuleiten, die richtigen Systeme und Anwendungen zu integrieren. Sorgen Sie dafür, dass die Fachabteilung fernab der IT selbst KI-Tools und andere Anwendungen einfach und ohne große Programmieraufwände in Ihre IT-Architektur integrieren können. Geben Sie ihnen Eigenständigkeit und Flexibilität. So gewinnen Sie Innovationsgeschwindigkeit und nutzen das Know-how Ihrer Fachkräfte für die digitale Transformation.

Für diese Eigenständigkeit muss gewährleistet sein, dass die IT-Landschaft überschaubar bleibt. 60 Prozent aller CIOs beschreiben ihre IT-Infrastruktur als zu komplex. Machen Sie Ihre IT wieder schlank. Brechen Sie Silos für die Vernetzung relevanter Anwendungen als Grundlage einer neuen Datenökonomie auf. Über System-, Standort- und Unternehmensgrenzen hinweg und für eine durchgängige Transparenz.

Schritt für Schritt zu digitalen Geschäftsmodellen

Neue Geschäftsmodelle lassen sich nur mit einer agilen Methodik Schritt für Schritt umsetzen. Der Design-Thinking-Ansatz liefert hierfür leistungsstarke Elemente: Sich in das Geschäftsproblem hineinversetzen, die Ursache dafür herausarbeiten, den Ziel- beziehungsweise Wunschzustand definieren und aus diesem, vor dem Hintergrund der Perspektiven, System- und Prozesslandschaft sowie Stakeholder einen wirksamen Soll-Digitalprozess definieren. Unter Einbeziehung von Stakeholdern wird der Prozess iterativ umgesetzt. Für enge Feedbackschleifen und frühzeitige Nutzeneffekte.

In einem ersten Gespräch geht es darum, den Geschäftsprozess zu identifizieren, bei dem Automatisierung den größtmöglichen Nutzen stiftet. Welcher Geschäftsprozess oder Teilprozess wird einen messbaren Mehrwert liefern? Welche Engpässe werden gelöst? Welche Risiken beseitigt, welche Chancen ergriffen? Welche Systeme im Unternehmen sind direkt beteiligt? Welche Objekte/Dokumente werden verarbeitet?

Der Geschäftsprozess wird neu gedacht und fachlich beschrieben. Abgestimmt mit der bestehenden System- und Prozesslandschaft sowie etwaiger Lücken, ergibt sich daraus ein Umsetzungskonzept und eine Roadmap. In einem nächsten Schritt werden die Systeme im Unternehmen analysiert und ermittelt, wo die notwendigen Daten liegen. Erst im Anschluss darf es darum gehen, wie der Use Case technisch untersetzt wird.

KI in der Produktion: Erstellen eines Konzepts macht den Unterschied

In unserer schnelllebigen Welt, in dem das einzig beständige die Unbeständigkeit ist und der Markt immer neue Anforderungen an Unternehmen stellt, müssen wir flexibel und schnell reagieren können. Die Integration neuer Anwendungen, mit denen Organisationen auf die Bedürfnisse eingehen können, muss einfach und leicht anpassbar sein. Neue Geschäftsmodelle müssen fernab der IT-Abteilung umgesetzt werden können. Dafür lohnt sich im Vorfeld ein Blick über die technische Umsetzung hinaus. Aus langjähriger Erfahrung im Projektgeschäft weiß ich, dass Schnellschüsse in der Digitalisierung am Ende die Innovationsgeschwindigkeit bremsen und den Erfolg verhindern. Zielorientiertes Brainstorming und Konzeptionierung zu Beginn jedes Projekts machen den entscheidenden Unterschied. Alle Beteiligten erhalten ein tiefes Verständnis für das Ziel und sind Änderungen gegenüber offen eingestellt.

Der Autor Dr. Stefan Hennig ist Head of Transconnect bei der SQL Projekt AG in Dresden.