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:

Viele ERP-Lösungen wurden einst von Spezialisten entwickelt und danach nur noch angepasst, erweitert und mit Updates versorgt. Doch steigende Digitalisierungsanforderungen, schnellere Produkteinführungen sowie der Fachkräftemangel schrauben die Anforderungen in die Höhe. Könnte Low-Code-Softwareentwicklung die Lösung sein?‣ weiterlesen

Mit einem Anstieg von 1,6 Punkte im Januar liegt das IAB-Arbeitsmarktbarometer bei 102,9 Punkten und damit über der neutralen Marke von 100. Für die Arbeitsmarktforscher deutet dies auf positive Entwicklungen auf dem Arbeitsmarkt hin.‣ weiterlesen

Mit ProKI, einem Demonstrations- und Transfernetzwerk für künstliche Intelligenz (KI) in der Produktion, soll die Anwendung von KI bei kleinen und mittleren Unternehmen (KMU) weiter vorangetrieben werden.‣ weiterlesen

Wolfgang Boos hat zum Jahreswechsel die Geschäftsführung des FIR an der RWTH Aachen übernommen. Er tritt die Nachfolge von Volker Stich an.‣ weiterlesen

Mit den Produkten der Marke Smartblick will F&M Werkzeug und Maschinenbau gerade kleineren Unternehmen ermöglichen, Fertigungsprozesse anhand von Maschinendaten zu analysieren und zu optimieren. Jetzt hat die Firma ein Modul vorgestellt, das mit künstlicher Intelligenz 'on Edge' prädiktive Qualitätsanalysen erstellt, also Predictive Quality ermöglicht.‣ weiterlesen

Die GSG Genii Software Gruppe hat die Übernahme der Camos Software und Beratung GmbH bekanntgegeben, einem Software-Spezialisten im Bereich Configure Price Quote (CPQ).‣ weiterlesen

Lichttechnische Messungen gehören bei der Produktion von Displays zum Standard. Während der Entwicklung müssen jedoch auch sehr unterschiedliche Messungen, meist detaillierter als in der Serienfertigung, durchgeführt werden. Das Zusammenspiel von Displayansteuerung, Messequipment und Auswertung der Messwerte ist dabei oft zeitaufwendig und fehlerbehaftet. Eine voll- oder teilautomatisierte Messung kann die Arbeit vereinfachen.‣ weiterlesen

Mit einem Mix aus Liefer- und Projektgeschäft wappnet sich die Firma Unterfurtner aus Österreich gegen Marktschwankungen. Dabei verursachten die unterschiedlichen Prozesse der Geschäftsbereiche früher viel Aufwand, den das alte ERP-System kaum abfederte. Der Rollout von AMS.ERP änderte das, denn die Software ist auf solche Anforderungen zugeschnitten.‣ weiterlesen

ERP-Integrationen sind herausfordernde Projekte. Oft vergrößern überbordende Funktionswünsche das Risiko des Scheiterns. Eine Alternative ist die Ausarbeitung einer langfristigen ERP-Strategie samt Roadmap.‣ weiterlesen

Julia C. Arlinghaus, Nicole Dreyer-Langlet, Katharina Hölzle, Daniel Hug, Dieter Meuser und Björn Sautter verstärken den Forschungsbeirat Industrie 4.0. Das von Acatech koordinierte Gremium berät strategisch und unabhängig, insbesondere das Bundesministerium für Bildung und Forschung (BMBF).‣ weiterlesen

Softwareanbieter Sage stellt neue Werkzeuge bereit, die eine Brücke zwischen der eigenen Systemumgebung und der Azure-Cloud von Microsoft bilden sollen.‣ weiterlesen