Zu Ihrem Glück haben wir uns mit dem globalen Vizepräsidenten für industrielle Fertigung zusammengesetzt bei MendixRaffaello Lepratti. Raffaello kennt sich bestens mit den sich ständig weiterentwickelnden Fertigungstechnologien aus. Er ist seit 25 Jahren in der Fertigungsindustrie tätig und hat verschiedene Positionen bekleidet. AutomobilbauEr ist Experte für Produktionsmanagement und Geschäftsentwicklung. Er besitzt einen Abschluss in Elektrotechnik sowie einen Doktortitel im Bereich fortgeschrittene Mensch-Maschine-Kollaboration.

Folgendes haben wir besprochen:

• KI-Voraussetzungen, die Ihre Produktentwicklung, Fertigung, Produktionshalle und Lieferkette berücksichtigen müssen
• Industrielle Anwendungsfälle für KI
• Wie Echtzeitentscheidungen mit KI aussehen sollten

Erste Schritte mit KI

Beim Einstieg in die Welt der KI ist es wichtig, die eigenen Bedürfnisse und die Bereitschaft des Unternehmens zu berücksichtigen.

Wenn es um KI im industriellen Bereich geht, wo fängt man an?

Raffaello Lepratti (RL): Es geht um Fokussierung. Das Interesse an KI ist groß, insbesondere daran, wie sie von Herstellern zweckdienlich eingesetzt werden kann. KI ist ein potenzieller Hebel für bessere Ergebnisse. In manchen Branchen bedeutet das eine schnellere Markteinführung. Beispielsweise möchte man in der Elektronikbranche als Erster seine Produktinnovationen auf den Markt bringen. KI kann dabei helfen, indem sie Prozesse optimiert und Design, Entwicklung und Betrieb unterstützt, um Probleme zu vermeiden oder sogar vorherzusagen. Sie ermöglicht es, historische Daten und deren Zusammenhänge besser zu nutzen.

Doch in einer anderen Fertigungsbranche ändert sich diese Denkweise. Hier ist es nicht unbedingt das Hauptziel, als Erster auf dem Markt zu sein, sondern vielmehr, das Richtige zu tun und den Kunden Produkte von höchster Qualität und mit Konformität zu liefern. Nehmen wir beispielsweise die Flugzeugfertigung. Qualität und Konformität sind unerlässlich. Fehler werden nicht toleriert. Das erfordert einen völlig anderen Ansatz für KI als beispielsweise die Markteinführung eines neuen Smartphones, bei dem kleinere Fehler durch Updates behoben werden können. Letztendlich geht es darum, die benötigten Prozesse zu kennen und herauszufinden, wie KI diese unterstützen kann.

Wenn Sie also an KI denken, müssen Sie genau definieren, welche Art von Priorität Sie meinen, und sicherstellen, dass Sie sich auf Ihre Alleinstellungsmerkmale konzentrieren.

Welche Voraussetzungen sollten Industrieunternehmen bei der Einführung einer KI-Initiative berücksichtigen?

RL: Dort sind drei.

1. Datenzugriff und Integration
2. Datenqualität und Governance
3. Die Bereitschaft zur Veränderung

Dies gilt für alle Fertigungsindustrien.

Prüfen Sie Ihre Systeme: Sind die Daten zugänglich? Kommunizieren Ihre Kernsysteme miteinander?

Sie müssen sicherstellen, dass die relevanten Daten verwertbar sind. Künstliche Intelligenz ist sinnlos ohne die richtigen Daten. Sie benötigen historische Daten und Echtzeitdaten. Dazu gehören beispielsweise Daten aus Manufacturing Execution Systems (MES), Enterprise Resource Planning (ERP) oder Product Lifecycle Management (PLM).

Und es geht nicht nur um die Datenmenge, sondern auch um die Datenqualität. Sind die Daten strukturiert und kontextualisiert? Stammen sie beispielsweise von diesem Sensor oder diesem Gerät? Wann wurden sie erfasst und mit welchen Werkzeugen?

Abschließend sollten Sie Ihre Organisation berücksichtigen. Ist Ihr Unternehmen insgesamt bereit für KI-basierte Ansätze? Wird es Widerstand geben, weil dies die Mitarbeiter aus ihrer Komfortzone herausholt? Sie müssen abwägen, ob KI-gestützte Entscheidungsfindung in einem bestimmten Bereich sinnvoll ist. Berücksichtigen Sie dabei die jeweiligen Verantwortungsbereiche. Das ist ein umfangreicher Prozess, den Ihre Organisation durchlaufen muss.

Wie gehen Hersteller mit den Themen Bereitschaft, Datenverfügbarkeit und Datenzugriff um?

RL: Um es klarzustellen: Sie brauchen nicht alle drei überall und gleichzeitig.

Es werden zahlreiche Investitionen getätigt, um zu untersuchen, wie KI durch höhere Produktivität, bessere Qualität, niedrigere Kosten usw. einen Einfluss ausüben kann.

KI-Initiativen können in einem bestimmten Bereich beginnen. Daher müssen nicht alle Abteilungen Ihres Unternehmens sofort KI einsetzen. Wichtig ist auch zu wissen, dass die Datenqualität und -verfügbarkeit in den einzelnen Bereichen von Anfang an unterschiedlich sein werden.

Anwendungsfälle für KI zum Einstieg

Bei der Betrachtung von Anwendungsfällen für KI ist es ratsam, mit etwas zu beginnen, das einen unmittelbaren Nutzen bringt und eine geringe technische Komplexität aufweist.

Was ist ein guter Einstiegs-Anwendungsfall für KI?

RL: Hier ein Beispiel für einen ersten Anwendungsfall von KI: KI zur Unterstützung von Produktionsmitarbeitern in bestimmten Branchen. Die Mitarbeiter stehen unter Zeitdruck. Um ihre Arbeit zu erledigen, müssen sie möglicherweise Dokumentationen konsultieren, beispielsweise Sicherheitsanweisungen oder Bedienungsanleitungen für ein Werkzeug. Das kann Zeit kosten. KI sollte diese Person dabei unterstützen, die benötigten Informationen zuverlässig und idealerweise schneller zu finden und bereitzustellen. KI-Copilot Das wäre ein guter Ausgangspunkt.  

Es ist auch ein hervorragender Ausgangspunkt, da man beispielsweise die Daten eines MES nutzen kann. Es ist nur ein Werkzeug. Man kann sein MES verwenden und einen Kopiloten bitten, Informationen darüber abzufragen, was in Schicht X passiert ist, welches Material für Y benötigt wird und wo das Material verwendet wird, das man von Lieferant Z erhalten hat.

Und da die Produktgenealogie vorhanden ist, sind die Daten bereits so strukturiert, dass ein Copilot sie nutzen kann. Das ist ein guter und wertvoller Anwendungsfall.

KI und Echtzeit-Entscheidungsfindung

Erfolgreiche Echtzeit-Entscheidungsfindung hängt von Ihrer jeweiligen Branche ab. Seien Sie daher realistisch in Ihren Erwartungen.

Wie wird KI die Produktionshalle von einem Ort der Ausführung zu einem Ort der Echtzeit-Entscheidungsfindung verändern?

RL: Über KI wird oft im Zusammenhang mit Geschwindigkeit gesprochen. Ich denke aber, es ist wichtig, realistische Erwartungen zu wecken. Ein zuverlässiger Echtzeit-Entscheidungsprozess ist wohl für viele Unternehmen eine Vision. Doch die Einbindung des Menschen ist unerlässlich, denn damit sind auch Risiken verbunden. Meiner Meinung nach entwickelt sich die Technologie rasant, aber das Vertrauen der Menschen wächst nicht im gleichen Tempo. Daher glaube ich nicht, dass Echtzeit so funktionieren wird, wie wir es uns wahrscheinlich vorstellen.

In stark regulierten Branchen ist es möglicherweise unerwünscht, dass ein KI-System Entscheidungen trifft. Echtzeitvorschläge aufgrund vorhersehbarer Verzögerungen helfen jedoch dem verantwortlichen Menschen, zum branchenspezifischen Zeitpunkt die richtige Entscheidung zu treffen.

Wie Mendix und Siemens Xcelerator hilft Ihnen beim Einstieg in die KI.

20 % der Unternehmen nannten Daten, Integration sowie Qualität und Verfügbarkeit als größte Herausforderungen beim Einsatz von KI. Weitere 13 % nannten Kosten und Ressourcen. 11 % gaben an, dass Mitarbeiterschulungen und Change-Management die größten Herausforderungen darstellen.

Wie siehst du Mendix und Siemens Hilft Xcelerator bei der Bewältigung von KI-Herausforderungen?

RL: Mendix Teil von Siemens Xcelerator bietet bereits ein integriertes Wertversprechen basierend auf einem umfangreichen Funktionsumfang und vielfältigen Konnektivitätsmöglichkeiten. Diese ermöglichen Entwicklern den Zugriff auf hochwertige Daten aus Teamcenter, Opcenter, Capital oder Polarion und deren Nutzung zur Erstellung von intelligente industrielle Anwendungen. Mit MendixWir helfen Herstellern dabei, ihre Roadmap zu definieren, um einen digitalen Faden von Anwendungen zu schaffen, die die spezifischen Anforderungen ihrer Prozesse im Engineering oder in der Fertigung unterstützen.  

Dadurch wird es einfacher, den Fahrplan für die tatsächliche Implementierung von KI in größerem Umfang darzustellen.

Sehen Sie, wie Mendix Kunden Sie schaffen mit KI so viel Wert wie möglich.