KI und ALM verbinden Wie KI die Produktion nachhaltiger macht

Anbieter zum Thema

IBM Deutschland

Schneider Electric GmbH

becos gmbH

Fertigungsunternehmen setzen bei Prüfverfahren, Auftragsmanagement und Automatisierung zunehmend auf KI. Gekoppelt mit dem Asset Lifecycle Management kann die Technologie einen großen Einfluss auf die Nachhaltigkeit haben.

Der Begriff „Nachhaltigkeit“ wird je nach Branche unterschiedlich definiert. Im Technologiesektor kann sich Nachhaltigkeit auf die Entwicklung effizienterer Software beziehen. Im Finanzsektor kann es bedeuten, Kapital in umweltfreundlichere Investitionen umzuleiten. In der Fertigungsindustrie ist Nachhaltigkeit eng mit der Leistung der Anlagen, der Ressourceneffizienz und der Abfallwirtschaft verbunden: Verbraucht eine Maschine am Fließband mehr Ressourcen als nötig? Ab welchem Punkt wird ein alternder Fließbandroboter von einer Anlage zu einer Belastung? Ein gewisses Maß an Ineffizienz ist in der Fertigung unvermeidlich, keine Produktionsanlage ist perfekt. Die Bewältigung dieses Problems muss aber nicht unbedingt eine teure Investition in völlig neue Anlagen erfordern. Wenn man kontinuierlich, proaktiv und in größerem Umfang versucht Ausschuss zu reduzieren, kann man betriebliche Spitzenleistung und große Nachhaltigkeitsgewinne erzielen. 

KI und Asset Lifecycle Management 

Zunehmend versuchen Hersteller, diese Herausforderungen durch Asset Lifecycle Management (ALM) anzugehen. ALM ist eine Strategie zur Überwachung und Verwaltung von Produktionsanlagen über ihre gesamte Lebensdauer hinweg sowie zur Nutzung datengestützter Erkenntnisse. ALM steht für die Integration verschiedener Prozesse und Technologien wie beispielsweise Routineinspektionen, ein computergestütztes Wartungsmanagementsystem oder die breite Nutzung von IoT-Geräten. KI-Technologie hat sich parallel zum ALM entwickelt und einige Fertigungsunternehmen kombinieren beide Technologien. Von Computer Vision über maschinelles Lernen bis hin zu generativer KI – die Technologie kann einen großen Einfluss auf die Nachhaltigkeit haben, wenn sie mit ALM gekoppelt und in industriellen Arbeitsbereichen eingesetzt wird. Viele Führungskräfte sind sich der Vorteile von KI für die Nachhaltigkeit bereits bewusst und stehen ihrer Einführung optimistisch gegenüber: Eine kürzlich von IBM durchgeführte Studie ergab, dass 91 Prozent der befragten deutschen Führungskräfte glauben, dass KI ihre Nachhaltigkeitsziele positiv beeinflussen kann. Diese Ambitionen werden jedoch oft noch nicht in die Tat umgesetzt: Dieselbe Studie zeigt, dass weniger als die Hälfte der Unternehmen KI tatsächlich für Nachhaltigkeitsbemühungen nutzen. In Zukunft werden diejenigen Hersteller am erfolgreichsten sein, die ihre KI-Ambitionen aktiv angehen und die Technologie mit ALM verbinden. Hier sind drei Möglichkeiten, wie:

Computer Vision und Prüfverfahren

Die Digitalisierungstechnologie hat den Prüfprozess präziser gemacht und einen Großteil der manuellen Tätigkeiten eliminiert. Die jüngsten Fortschritte verstärken diesen Trend noch. Computer Vision ist einer dieser Fortschritte.  Computer Vision („maschinelles Sehen“), ein Zweig der Künstlichen Intelligenz, ermöglicht es Maschinen, Objekte zu interpretieren und wird zunehmend in der Fertigung eingesetzt. Hersteller integrieren sie in ihre ALM-Strategien, um Fehler zu erkennen und die Produktion zu überwachen. Werkzeuge wie Drohnen, stationäre Kameras und Smartphones, die mit dieser Technologie ausgestattet sind, ermöglichen die Überwachung von Anlagen und Einrichtungen in Echtzeit, wodurch die Effizienz gesteigert und Probleme sofort erkannt werden können. So kann die vorausschauende Instandhaltung, ein weiterer Bereich der KI, Erkenntnisse aus einer Vielzahl von Sensoren und anderen Geräten gewinnen. Die vorausschauende Wartung nutzt beispielsweise sowohl Echtzeitdaten über den aktuellen Zustand einer Anlage als auch ältere Leistungsdaten, um Techniker frühzeitig vor potenziellen Problemen zu warnen. Diese können dann eingreifen, bevor es zu einem Ausfall kommt und eine teure Reparatur erforderlich wird. Mit diesem Ansatz konnten IBM und das Ingenieurbüro Novate Solutions den Ausschuss in den Werken um 15 Prozent reduzieren und die Produktqualität um 30 Prozent verbessern. Auch IBM und der schwedische Brauereiriese Spendrups Bryggeri haben damit ihre weit verzweigten Wartungsarbeiten verbessert.    

Generative KI und Auftragsmanagement

Die Verwaltung von Arbeitsaufträgen gehört ebenfalls zu ALM und hat sich erheblich weiterentwickelt. In den meisten Fertigungsbetrieben wurden die Papierstapel und das Klappern von Klemmbrettern mittlerweile durch effektivere digitale Lösungen ersetzt. Dennoch tun sich viele Instandhaltungsmanager nach wie vor schwer damit, die richtigen Fehlercodes zuzuweisen und die Ursache von Problemen zu ermitteln.  Genau dabei hilft die generative KI. Systeme, die mit generativer KI ausgestattet sind, können bei Workflows für die „nächste Aktion“ helfen, indem sie eine Fehlercode-Empfehlung für Arbeitsaufträge zusammen mit einem entsprechenden Vorhersagewert erstellen. So kann beispielsweise analysiert werden, dass ein Anlagenausfall mit 80 %-iger Wahrscheinlichkeit auf eine Maschinenstörung oder -blockierung zurückzuführen ist. Um diese KI-Systeme zu trainieren, müssen die Benutzer nur eine Handvoll Beispiele benennen, was das mühsame Durchkämmen von Datensätzen in Bezug auf Code-Klassifizierungen ersetzt. Dieser „Small Data“-Ansatz bedeutet, dass die Technologie leichter zugänglich ist und die Techniker Probleme viel schneller beheben können. Generative KI kommt auch jenseits von Wartungsaufträgen zum Einsatz. Hersteller nutzen die Technologie, um Dokumente zusammenzufassen, Anwendungen schneller zu entwerfen und Prototypen zu erstellen. 

Elektroautos: Aufschwung mit Ladehemmung

Elektromobilität 2025 trotzt Absatzkrise

KI und Energiemanagement

Das Energiemanagement ist ebenfalls ein wichtiger Bestandteil des ALM, da es sicherstellt, dass die Anlagen nicht mehr Energie verbrauchen als erforderlich. KI für maschinelles Lernen und Automatisierungssysteme können den Energieverbrauch einer Anlage in Echtzeit rund um die Uhr überwachen, Ineffizienzen aufspüren und dann proaktiv Änderungen empfehlen, um den Verbrauch und die Kosten zu senken. Dieser datengestützte Ansatz kann die Arbeit der Hersteller erleichtern, die in der Vergangenheit Schwierigkeiten hatten, Nachhaltigkeitsinitiativen zu quantifizieren. Tatsächlich zeigt eine  IBM-Studie dass bei 60 Prozent der deutschen Führungskräfte die Messung von Nachhaltigkeits-KPIs zu den größten aktuellen Herausforderungen gehört. Der Einsatz von KI für das Energiemanagement hat noch einen weiteren Vorteil: Sie kann Unternehmen bei der Einhaltung von Nachhaltigkeitsbestimmungen und -richtlinien unterstützen. Das ermöglicht es Herstellern, Emissionen sorgfältig nachzuverfolgen und sicherzustellen, dass sie die Anforderungen erfüllen und somit die Dekarbonisierung vorantreiben. 

Blick in die Zukunft: Agentenbasierte KI

Die generative KI-Technologie macht rasante Fortschritte und eröffnet Herstellern noch mehr Möglichkeiten, die Nachhaltigkeit zu fördern. Die sich entwickelnden agentenbasierten Arbeitsabläufe erweitern die generative KI – von der Bereitstellung von Erkenntnissen bis hin zur autonomen Ausführung und Lösung komplexer, von Menschen gestellten Aufgaben. Die Fähigkeit von KI-Agenten, mit externen Umgebungen zu interagieren, steigert die Produktivität und setzt Mitarbeitende in der Fertigung für relevantere und strategischere Aufgaben frei.   Damit wird KI zu einem wichtigen Werkzeug im gesamten ALM-Prozess der Fertigungsindustrie – von der Anlagenplanung und -bereitstellung bis hin zum Betrieb, zur Optimierung und zur Entsorgung der Anlagen. Zusätzlich zu den oben genannten Anwendungsfällen können Hersteller KI auch nutzen, um „digitale Zwillinge“ von Fabriken und ihren Produktionslinien zu erstellen und unzählige Szenarien zu simulieren. Sie können KI auch mit Robotik und Edge Computing kombinieren, wie es IBM und Boston Dynamics getan haben, um umherfahrende und künstlich-intelligente Inspektoren zu schaffen. KI ist kein Allheilmittel. Die Technologie hat - wie jede andere auch - ihre Tücken. Ohne die richtige Datenmenge und -qualität leidet die KI-Leistung. Und der Mangel an KI-Fachkräften bedeutet, dass die Hersteller nicht immer Zugang zu den richtigen Talenten haben. Dies sind jedoch Hindernisse, die es zu überwinden gilt, und keine Gründe, KI zu meiden. Zweifellos werden in diesem Jahrzehnt diejenigen Produktionsunternehmen am erfolgreichsten sein, die KI in großem Umfang in ihre ALM-Prozesse integrieren.