Kosteneinsparungen und eine zusätzliche Wertschöpfung von 215Mrd.US$: Laut der Studie ‚Artificial intelligence – automotive’s new value-creating engine‘ der Strategie -und Unternehmensberatung McKinsey birgt der Einsatz Künstlicher Intelligenz eben dieses Potenzial für die Automobilindustrie. Im Maximalfall könne dies eine Erhöhung der Rendite um Neun Prozent bedeuten.
Den größten Beitrag könne dabei das maschinelle Lernen leisten: Im Bereich der Produktion können so bis zu 61Mrd. Euro eingespart werden – etwa durch KI-basierte Qualitätskontrolle. Auch in den Bereichen Einkauf und Intralogistik liegen Potenziale.
Wachstum von 1,9 Prozent
„Üblicherweise steigern Autohersteller ihre Produktivität jährlich im Schnitt um rund zwei Prozent pro Jahr“, sagt Andreas Tschiesner, Leiter der europäischen Automobilberatung von McKinsey. Maschinelles lernen allein verspreche in den nächsten Jahren ein zusätzliches Produktivitätswachstum von 1,3 Prozent. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
KI wird zum Wettbewerbsfaktor
Zudem wird künstliche Intelligenz zu einem Wettbewerbsfaktor für die Hersteller – etwa in Bezug auf autonomes Fahren. Laut McKinsey seien bereits heute fast 70 Prozent der Kunden bereit, aufgrund einer besseren KI-basierten Ausstattung (Assistenzsysteme) die Marke zu wechseln. „Es ist wichtig, die für KI notwendigen Fähigkeiten jetzt aufzubauen und die Transformation einzuleiten“, sagt McKinsey-Partner Matthias Kässer. Der Erfolg hänge von vier Faktoren ab:
- Vorhandene Daten sammeln und aufbereiten: Unternehmen sollten Daten sammeln und harmonisieren.
- Partner-Ökosystem managen: Partnerschaften mit Technologieunternehmen helfen den Automobilherstellern, Entwicklungen schneller voranzutreiben und verringern den eigenen Investitionsbedarf.
- Ein KI-Betriebssystem etablieren: Für die Auswertung der großen Datenmengen müssen die Grundlagen im IT-Bereich geschaffen werden. Diese sollten standardisiert und gegebenenfalls auch für Drittanbieter geöffnet werden.
- Fähigkeiten und Teams aufbauen: KI-basierte Projekte können durch eigens dafür eingerichtete Einheiten innerhalb des Unternehmens besser vorangetrieben werden. Dabei ist auch der Einsatz von Spezialisten notwendig.
McKinsey & Company, Inc.
www.mckinsey.de
