Künstliche Intelligenz im ERP-System
IT-Plattformen für die KI-Projektierung
Entscheidungsempfehlungen, neuer Kundennutzen und Stellschrauben für Nachhaltigkeit: Künstliche Intelligenz (KI) und Machine Learning in ERP-Prozessen können eine Menge Potenzial freisetzen. Doch dafür müssen die richtigen Daten in guter Qualität an der passenden Stelle verfügbar sein.
Sensor- und IoT-Tracking-Daten spielen in Verbindung mit künstlicher Intelligenz eine zunehmend wichtige Rolle in der Produktion. Sie fließen zwar oft zunächst in Data Lakes, dennoch kommt es für den Praxisnutzen auf ihre Verzahnung mit den Unternehmensprozessen an. So müssen beispielsweise die Informationen aus Predictive-Maintenance-Lösungen in das ERP-System einfließen. Z.B. könnten Echtzeit-Schwellenwerte aus Sensoren bestimmte Events im ERP-System antriggern, wie ein Wartungsticket oder die rechtzeitige Nachbestellung von Ersatz- und Verschleißteilen, deren baldiger Ausfall prognostiziert wurde. Damit nimmt nicht nur die Overall Equipment Efficiency (OEE) zu, die Maschinen und Anlagen halten auch länger. Sensorik für smarte Pumpen und Flansche wiederum sorgt dafür, sofort den Austritt von Flüssigkeiten oder Giftstoffen zu signalisieren, ohne dass diese erst bei der nächsten manuellen Inspektion entdeckt werden: Ein wichtiges Thema auf Industriebaustellen und in Chemieparks. Auch dabei ist eine direkte Integration in die Prozesse notwendig, etwa in mobile Apps für das Personal.
Recycling und Kreislaufwirtschaft
Aus den Echtzeitwerten in Produktionsprozessen und engmaschiger digitaler Qualitätskontrolle – u.a. auf Basis von KI-Bilderkennung – können heute immer besser Parameter und Toleranzgrenzen definiert werden, um Qualitätsabweichungen zu erkennen, bevor sie sich manifestieren: Ein wesentlicher Anknüpfungspunkt, um Ausschuss und damit Materialverschwendung zu minimieren. Vielfach ist der Lebenszyklus von Produkten im ERP-System abgebildet und die Daten müssen an diese Stelle zurückfließen – beispielsweise um für Recycling-Abläufe zu wissen, wann wo welche Materialien und Bauteile zur Wiederverwendung anfallen. Alles, was nicht produziert werden muss, spart Ressourcen. Unternehmen brauchen Konzepte, um steigenden Anforderungen an das Nachhaltigkeits-Reporting und die Kreislaufwirtschaft zu begegnen. Viele Ansatzpunkte finden sich zudem beim Thema Supply Chain Management, dazu gehört z.B. eine intelligente Lieferantenbewertung oder eine Bestands- und Bestelloptimierung. In der Logistik trägt KI zur Optimierung von Wegen, in der Beschaffung zu regionalerem Bestellverhalten bei. Auch viele digitale Kunden-Services hängen von KI-Analysen ab. Die Ergebnisse aus intelligenten Algorithmen möglichst einfach und schnell an die richtige Stelle im Prozess einbinden zu können, hat für Unternehmen dabei eine zunehmend hohe Priorität. 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
Viele Datentöpfe verbinden
Aus ERP-Sicht geht es in erster Linie darum, nahtlos Daten aus den Analysetools zu empfangen. Zugleich muss sich das ERP-System öffnen und wiederum seine Daten für Anwendungen zur Verfügung stellen. Moderne ERP-Systeme sollten dafür eine bidirektionale Schnittstelle mit stark parametrisierbarer Oberfläche mitbringen, um sich mit unterschiedlichen KI-Tools vernetzen zu können. KI, Machine Learning oder auch Big Data Analytics basieren oft auf einem umfangreichen Datenpool. Durch Cloud-Plattformen wie Microsoft Azure rücken individuelle KI-Projekte auch für KMU in den Bereich des Möglichen. Verfügbare Industrieplattformen legen die Grundlage, um einerseits die IT-Systeme in der Produktion, andererseits auch die Edge-Devices zusammenzuführen. Für typische Fragestellungen in Fertigung und Logistik sind bereits ‘kognitive’ Services vorhanden, die eine Adaption an die eigenen Prozesse stark vereinfachen können. Das gilt z.B. für KI-Bildverarbeitung für die Qualitätskontrolle. Die Verknüpfung von Datenquellen, um etwa im ERP-System einen Produktionsplan auf Basis von Vorhersagetechnologien vorzuschlagen, ist oft vielschichtig – da fließen Daten wie Materialverfügbarkeiten, Rohstoffpreise, Trends, Prognosen oder Wetterdaten ein. Gerade für KMU sind beim komplexen Thema KI standardisierte Herangehensweisen hilfreich. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Daten und Kompetenzen gebündelt
Analysedienste helfen dabei, große Datenmengen zu verwalten und Werkzeuge einzusetzen, die sich aus unterschiedlichen Datentöpfen bedienen. Für KI-Algorithmen sind zeitweise erhebliche Cloud-Rechenkapazitäten notwendig, die automatisch nach Bedarf zugeteilt werden. Hohe Einmalinvestitionen in Infrastruktur entfallen, bezahlt wird nach Bezugsvolumen. Da die Berechnungen auf einer Plattform stattfinden, ist der Wartungsaufwand gering: Das Schnittstellenmanagement läuft nahezu automatisiert, für sehr viele Datenquellen und IT-Anwendungen wie CRM- oder ERP-Software, aber auch für Sensorik-Hardware und IoT-Devices gibt es Standard-Konnektoren. Zudem unterstützen Collaboration-Funktionen die Zusammenarbeit der Fachbereiche und IT-Abteilung in einem Datenanalyse-Projekt.
