Intelligente Produktion
Wie viel KI steckt bereits in der Industrie?
Im Kontext von Industrieunternehmen weist KI viel Potenzial auf und wird oft sogar als Allheilsbringer gesehen, um eine erhebliche Steigerung der Wertschöpfung zu erlangen. Doch nicht immer können Projekte reibungslos umgesetzt werden. Ein Bild der Stimmungslage in den Unternehmen.
Wenn von Künstlicher Intelligenz (KI) in Unternehmen die Rede ist, ist meist das Gebiet des Maschinellen Lernens (Machine Learning, ML) gemeint. Bei ML lernen Maschinen aus Erfahrungen – und entwickeln daraus einen Algorithmus. Dieser hilft wiederum in der Industrie zum Beispiel dabei, Prozesse zu optimieren. Grund genug für Unternehmen, Künstliche Intelligenz als den „heiligen Gral“ der Effizienz- und Qualitätssteigerung zu betrachten und mit ihrer Hilfe die Wettbewerbsfähigkeit zu steigern.
Doch die Vergangenheit hat gezeigt: Aufgrund des fehlenden Fachwissens wirft der Einstieg für viele Akteure noch zu viele Fragen auf und die Implementierung geht mit zahlreichen Hindernissen einher. Was also tun? Eine aktuelle Umfrage von Reichelt Elektronik zeigt wichtige Erfahrungswerte von Industrieunternehmen auf, die KI bereits erfolgreich implementiert haben. So gibt über die Hälfte der Befragten (58 Prozent) an, dass sie KI bereits in ihrer Produktion anwenden – 31 Prozent sogar flächendeckend, 27 Prozent zumindest teilweise. Die Umfrage zeigt aber auch, dass sich die Unternehmen in Deutschland hinsichtlich des Einsatzes von KI in unterschiedlichen Stadien befinden. Dabei sind sich Befragten gleichzeitig aber sicher, dass sich die Anwendung von KI schon in naher Zukunft immer mehr durch den gesamten Produktionsprozess ziehen werden. Hinderlich ist wiederum aber, dass es oft mühevoll ist, bestimmte Funktionen zu programmieren, beziehungsweise KI-Modelle zu erstellen und diese dann in der Praxis bei den Maschinen anzuwenden. Deshalb beginnen viele der Unternehmen im ersten Schritt damit, KI partiell einzusetzen und programmieren die Lösungen vorerst für ganz bestimmte Spezifikationen in kleineren Projekten. Das birgt jedoch die Gefahr, dass die Planung dieser Projekte ebenfalls kleinteilig und in Silos umgesetzt wird. Am besten ist es daher, wenn KI in einer übergreifenden Strategie eingesetzt wird und nicht in einzelnen unzusammenhängenden Pilotprojekten. Unternehmen müssen sich jedoch an jede neue Technologie herantasten; dabei wird es anfangs zu Fehlern kommen. Das unterstreichen auch die Teilnehmer der Befragung, die KI bereits seit fünf Jahren einsetzen: Knapp die Hälfte der Befragten (47 Prozent) würde ihr KI-Projekt demnach mit dem heutigen Wissen anders angehen. 34 Prozent geben wiederum an, dass sie zumindest einige Dinge anders machen würden. Und 13 Prozent würden alles anders machen.
Eine übergreifende Strategie ist aber nur ein Teilaspekt. Bei einem kompletten Neustart mit dem Wissen aus den letzten fünf Jahren würden Unternehmen die Einführung besser planen und die Mitarbeiter von Anfang an mehr in alle Prozesse einbeziehen. Dadurch soll es wiederum möglich sein, die verschiedenen Teams in einem frühen Stadium zu inkludieren und somit Vertrauen in die Technologie aufzubauen. Zusätzlich würde der Kontakt den Mitarbeitern die weitverbreitete Angst nehmen, dass Roboter die Aufgaben von Menschen gänzlich übernehmen. Im Gegenteil: Die Erfahrungen zeigen, dass Menschen in der Industrie von Künstlicher Intelligenz und Automation profitieren können. So fokussieren sich die Maschinen vor allem auf leichte Aufgaben, die Mitarbeiter entlasten – beispielsweise Aufgaben mit einem repetitiven Charakter oder Aufgaben, denen eine erhöhte Datenmenge zugrundeliegt. Diese Aufgaben kann KI gegebenenfalls schneller bearbeiten als ein Mensch.
Umfassender Schutz
KI-Anwendungen benötigen eine große Datenmengen, um genaue und treffsichere Ergebnisse zu liefern. Doch die Verwaltung dieses Datenschatzes geht wiederum mit einer großen Verantwortung in Bezug auf Sicherheitsfragen einher. Unternehmen müssen sicherstellen, dass die gesammelten Daten vor unerwünschten Zugriffen und Hackerangriffen geschützt sind. Das bedeutet, dass sich Unternehmen, die über eine komplett digitalisierte Wertschöpfungskette verfügen, besonders gezielt schützen müssen. KI kann beim Thema Datensicherheit aber einen echten Mehrwert bieten, denn sie verarbeiteten Daten genauer und schneller. Die Technologie ist daber besonders dann sinnvoll, wenn es darum geht, Informationen nach Mustern zu durchsuchen. So kann si im Falle von Machine Learning auch als Sicherheitslösung verwendet werden, um Bedrohungen frühzeitig aufzuspüren und imbesten Falle automatisiert zu beseitgen.
KI als ein mögliches Tool von vielen
Wichtig ist aber letztlich, dass Unternehmen KI als ein Tool verstehen, das in einem ganzheitlichen Workflow eingesetzt wird – also einer übergreifenden Strategie. Denn nach wie vor können viele Aufgaben mit anderen statistischen Berechnungen oder Vektorberechnungen einfacher und schneller gelöst werden. An dieser Stelle ist die Einschätzung von Systemingenieuren gefragt, offen an die Aufgabenstellung heranzugehen und in der Gesamtheit effiziente und effektive Workflows zu gestalten.
Der Blick auf das große Ganze hilft auch, KI als Mittel zu sehen, das nicht nur zur Produktivitätssteigerung eingesetzt werden sollte, sondern auch zur Erschließung neuer Geschäftsfelder. Die Ausführung dieser neuen Geschäftsfelder übernimmt der Mensch, der damit als Akteur mehr denn je gebraucht wird, um alle Zusammenhänge zu überblicken und somit auch in der Zukunft eine zentrale Rolle spielen wird.
Das könnte Sie auch interessieren
Internet der Dinge
Jedes dritte deutsche Unternehmen nutzt…
Opengear kommentiert Netzwerk-Technik
Netzwerk-Resilienz ist das A und O
IT-Sicherheit
Das Internet der medizinischen Dinge
Vernetzte Produktion
Smart, aber gefährlich
Trends 2022
Zukunftsmusik, begleitet von Gegenwartstönen
Verwandte Artikel
Reichelt Elektronik GmbH & Co. KG
Reichelt-Umfrage
Die Cobots kommen
5G-Campus-Netzwerke
Ein Netzwerk ganz nach Gusto
reichelt-Umfrage
Deutsche Firmen investieren in Digitalisierung
Forum Künstliche Intelligenz
Gastkommentar von Vectra AI
Künstliche Intelligenz und die Sache mit der Ethik
Schadenserkennung mit Deep Learning
Algorithmen, die auf Brücken starren
