Anzeige
Anzeige
Anzeige
Beitrag drucken

KI-Anwendungsfälle von After Sales bis Zielgruppenselektion

In kaum einer anderen Branche lassen sich durch die Kombination neuer Technologien und vorhandener Daten so viele interessante Anwendungsfälle ableiten wie in der Produktion. Für künstliche Intelligenz etwa lassen sich Einsatzmöglichkeiten entlang der gesamten Wertschöpfungskette finden, von der ersten Produktidee bis hin zur Wartung.

Bild: ©Pugun & Photo Studio/stock.adobe.com

Bild: ©Pugun & Photo Studio/stock.adobe.com

Ausgangspunkt für KI-Projekte sind stets Daten. Sie sind der Rohstoff. Durch verbaute Sensoren an Maschinen und Produkten entstehen im produzierenden Gewerbe permanent Daten. Als weitere Quellen kommen Datenströme zwischen Unternehmenseinheiten, Lieferanten und Kunden hinzu. Für die Unternehmen geht es darum, diese zu bündeln und verfügbar zu machen – unter Achtung aller Vorgaben zum Datenschutz.

Der Rohstoff für KI

Was KI exakt ist, ist letztlich nicht klar definiert. In diesem Zusammenhang wird KI daher pragmatisch als ein Teilgebiet der Informatik definiert, das sich mit der Abbildung intelligenten menschlichen Verhaltens durch IT befasst. Übertragen auf Anwendungsfälle bedeutet das, dass in KI-Systemen Modelle entstehen, die bestimmte Aufgaben selbstständig lösen. Dem Feld der KI lässt sich ein breites Set an Methoden, Verfahren und Technologien zuordnen.

Für die unten aufgeführten Anwendungsfälle sind insbesondere die Teilgebiete Machine Learning und Deep Learning relevant. Machine Learning ist die Fähigkeit, auf Basis von Daten ein Modell zu erlernen. Selbstlernende Algorithmen entwickeln dabei aus Trainingsdaten Regeln, anhand derer das System eigenständig in großen Datenmengen Muster identifiziert. Deep Learning ist eine Disziplin des Machine Learnings, die in sogenannten neuronalen Netzen mit mehreren, hintereinander geschalteten Schichten komplexere Zusammenhänge erkennt.

Diese Methode ist der Wegbereiter für KI-Verfahren wie der Bildkennung, die es Systemen erlaubt, ihre Umgebung zu beobachten. Auch für die Umwandlung gesprochener Worte und Sätze zu geschriebenem Text oder andersherum (Text-to-Voice / Voice-to-Text) sowie für die Algorithmus-basierte Textanalyse (Text-Mining) ist Deep Learning der Wegbereiter.

Wie sich diese Methoden und Verfahren von Unternehmen des produzierenden Gewerbes einsetzen lassen, zeigen die folgenden Anwendungsfälle. Der Fokus liegt auf den Unternehmensbereichen Forschung und Entwicklung (F&E), Produktion, Supply Chain Management (SCM) und Sales / After-Sales.

In der Forschung und Entwicklung

KI-Lösungen im Bereich F&E ermöglichen das datengetriebene Gestalten von Produkten. Mit KI ist es praktisch so, als schauten F&E-Experten den Kunden über die Schulter. Wann, wie oft und wie intensiv ein Kunde eine Maschine nutzt, verrät eine Auswertung der Einsatzdaten, die über Sensoren gewonnen werden. Bündelt ein Hersteller diese Daten, kann er mittels Machine Learning Nutzergruppen innerhalb der Kundschaft identifizieren und in die Produktentwicklung einfließen lassen. Beispiel Bohrmaschine: Viele Kunden nutzen diese nur selten und kurz, ein kleines Cluster hingegen lang und oft bei maximaler Leistung. Fließt diese Erkenntnis in die Produktentwicklung ein, könnte die neue Bohrmaschinen-Generation aus weniger leistungsstarken Bauteilen bestehen, ergänzt um eine leistungsstärkere Profi-Variante.

Im Fall gänzlich neuer Produkte hilft KI ebenfalls, etwa mit aufwendigen Simulationen. Ein Anwendungsfall, der insbesondere für die chemische Industrie interessant ist. Hier sind vorab Produkteigenschaften wie Langlebigkeit oder Reaktionen auf Umweltbedingungen gewünscht. In klassischen F&E-Projekten führten Forscher dazu umfangreiche Labortests durch. Mit maschinellem Lernen können KI-Anwendungen diesen Prozess simulieren. Besonders vielversprechende Stoffkombinationen nehmen die Forscher näher unter die Lupe, die Datennutzung reduziert jedoch den Aufwand und nutzt Ressourcen effizienter.

In der Werkhalle

In der Produktion schlägt das Herz der Fertigungsindustrie. Hier schaffen Unternehmen Werte. Seit jeher optimieren Betriebe ihre Produktionsabläufe, um einen Vorsprung gegenüber Wettbewerbern zu erreichen. KI-Anwendungen helfen dabei. Ein Beispiel sind digitale Assistenten, die das Personal unterstützen. Aufgrund des Fachkräftemangels müssen Unternehmen oftmals personelle Engpässe ausgleichen. Umso wichtiger ist ihr flexibler Einsatz. KI-gestützte digitale Assistenten erleichtern dies.

Dahinterliegende Systeme werden mit Daten aus echten Arbeitsabläufen trainiert, etwa Kameraaufnahmen von Handgriffen oder Werkzeugen. Durch eine Mustererkennung und -analyse ist es in der Lage, Arbeitsschritte zu identifizieren und Mitarbeitenden bei Bedarf zu assistieren. Sie lernen unbekannte Arbeitsabläufe und Systeme so schneller kennen. Die Anleitung des virtuellen Coaches erfolgt mittels Text-to-Voice- oder Voice-to-Text-Lösungen – ebenfalls KI-Anwendungen.

Artikelnummer, Farbcode, Lagerort: In den Stammdaten sind alle einem Produkt zugehörigen Attribute und Varianten hinterlegt. Damit komplex gestaltete Produktionsabläufe reibungslos funktionieren, sind korrekte Stammdaten wichtig. Falschangaben können von Ärgernissen wie einem falsch ausgegebenen Lagerplatz bis hin zu kostspieligen Fehlproduktionen führen. In wachsenden Datenbergen wird die Pflege jedoch zur Herausforderung. KI hilft, die Situation in den Griff zu bekommen.

Künstliche Intelligenz kann Anomalien in den Produktstammdaten erkennen. Trainiert mit den vorhandenen Stammdaten identifiziert die Anwendung auffällige Muster. Dies kann eine vierstellige Postleitzahl im Datenstamm eines deutschen Lieferanten sein. Aber auch falsche Maße oder Gewichtsangaben einzelner Komponenten, die im Zweifel fehlerhafte Endprodukte verursachen, kann KI aufspüren. Unterm Strich stehen ein reduzierter Pflegeaufwand, eine gesunkene Fehleranfälligkeit und leichtere Produktkonfigurationen.


Das könnte Sie auch interessieren:

Siemens beendet das erste Halbjahr des laufenden Geschäftsjahres mit positiven Neuigkeiten. Umsatzerlöse und Gewinn legen kräftig zu.‣ weiterlesen

Insgesamt 8,2Mrd.€ hat der Maschinen- und Anlagenbau im Jahr 2019 für Forschung und Entwicklung ausgegeben. Auch in der Pandemie behalten F&E-Ausgaben einen hohen Stellenwert.‣ weiterlesen

Seit rund 100 Jahren steht die Automobilindustrie wie keine andere für die Fabrikarbeit am Fließband. Doch jetzt deutet sich eine Technologiewende an. Künftig könnten Fahrerlose Transportfahrzeuge Karosserien, Material und ganze Fahrzeuge durch die Fabrik bewegen. In mehreren Modellfabriken fahren die Automaten bereits durchs Werk.‣ weiterlesen

Immer mehr Anlagen sollen Betriebsdaten im IoT zur Bearbeitung bereitstellen. Mit dem Susietec-Portfolio will Kontron insbesondere den Aufbau von IoT-Lösungen für bestehende Anlagen unterstützen. Der Anbieter von IoT- und Embedded-Computing-Technologie rechnet für 2021 mit mehr als 50 Prozent Wachstum in diesem Geschäftsfeld.‣ weiterlesen

Im März haben die Bestellungen im Maschinen- und Anlagenbau im Vergleich zum Vorjahr deutlich zugelegt. Dabei kamen sowohl aus dem Aus- als auch aus dem Inland positive Signale.‣ weiterlesen

Vor wenigen Jahren galt MES-Software vielen noch als Spezialsoftware mit nur aufwendig erschließbarem Nutzen. Inzwischen ist sie fester Bestandteil der meisten prozessnahen IT-Architekturen in der Prozess- und gerade der Pharmaindustrie. Insbesondere wenn viele Systemfunktionen auf die Prozessführung nach ISA95 entfallen und chargenorientiert produziert wird.‣ weiterlesen

Automobilhersteller agieren bislang erfolgreich in ihren eher geschlossenen Wertschöpfungsketten. Sie verstehen den Markt als Nullsummenspiel. Unternehmen wie Apple haben vorgemacht, dass es auch anders geht: Von offenen Ökosystemen können alle profitieren. Wann öffnet sich die Automobilindustrie für diese Idee?‣ weiterlesen

Mit dem Wechsel von Kathleen Mitford zu Microsoft wird Catherine Kniker zur EVP (Executive Vice Presdient) und Chief Stategy Officer bei PTC ernannt.‣ weiterlesen

Gemeinsam mit CEO Peter Sorowka leitet Carsten Stiller seit 1. April das Softwareunternehmen Cybus. Er verantwortet die Bereiche Marketing und Vertrieb.‣ weiterlesen

Siemens Digital Industries bekommt einen neuen CTO. Dirk Didascalou soll zum 1. September neuer Technikchef werden.‣ weiterlesen

Die Wirtschaft blickt überwiegend optimistisch in die Zukunft: Knapp 40 Prozent der Unternehmen wollen laut der jüngsten Konjunkturumfrage des Instituts der deutschen Wirtschaft 2021 im Vergleich zu 2020 mehr produzieren.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige