Digital Manufacturing Sonderheft KI 2025 by vcg

MITSPECIALS: KIINDER PRODUKTIONSPLANUNG MASSGESCHNEIDERTE KI-INFRASTRUKTUREN

Wie KI die Industrie transformiert

KI ist kein Selbstläufer

Liebe Leserinnen und Leser,

viele von uns beschäftigen sich im beruflichen Alltag bereits mit Anwendungen, die auf künstlicher Intelligenz beruhen. Seien es Chatbots wie ChatGPT und Perplexity AI oder KI-Assistenten in Office-, ERP- oder Bildbearbeitungslösungen – in vielen Fällen kann einem die KI die Arbeit erleichtern. Künstliche Intelligenz wird somit zu einer wichtigen Schlüsseltechnologie – auch für die industrielle Produktion. KI-Methoden kommen derzeit am häufigsten bei der Datenanalyse zum Einsatz. Es folgen Anwendungen in der vorausschauenden Wartung, im Qualitätsmanagement sowie im Rahmen von Assistenzsystemen.

Die Praxis zeigt aber auch, dass der Einsatz von künstlicher Intelligenz gerade bei kleinen und mittleren Unternehmen oft noch auf ausgeprägtes Misstrauen stößt. Kein Wunder, handelt es sich bei KI doch um ein komplexes und wenig griffiges Thema.

An dieser Stelle wollen wir Sie, liebe Leserinnen und Leser, unterstützen und Ihnen mit unserem jährlichen Sonderheft „KI in der Fertigungsindustrie“ fundierte Hintergrundinformationen und Anwendungsbeispiele rund um den KI-Einsatz in der Produktion präsentieren. Auch in dieser Ausgabe des Sonderhefts finden Sie wieder einen bunten KI-Themenmix – erstmals auf 48 Seiten.

Lesen Sie beispielsweise in der großen KI-Expertenumfrage, welche Anwendungsfälle es in der Industrie bereits gibt, wie sich KI richtig implementieren lässt und welche Auswirkungen KI auf die Arbeitsplätze in der Produktion hat. Die spannenden Antworten von 19 KI-Experten finden Sie auf den Seiten 10 bis 22.

Wie sich die Produktionsplanung mit einer KI-gestützten APS-Lösung effizienter bewerkstelligen lässt, lesen Sie im Fachartikel auf Seite 24. Erfahren Sie, wie Unternehmen mit einer Produktionsplanungssoftware ihre Produktivität erheblich steigern konnten. Die Planung ist dadurch effizienter und transparenter. Auch die Verfügbarkeit von Ressourcen und die Termintreue haben sich signifikant verbessert, was sowohl die internen Prozesse als auch die Zusammenarbeit mit den Kunden positiv beeinflusst.

Die zahlreichen Beiträge und Expertenmeinungen zeigen aber auch: Künstliche Intelligenz ist kein Selbstläufer. Vielmehr bedarf es einer klaren und übergeordneten KI-Strategie im Unternehmen und einer aktiven Mitarbeiterintegration. Nur dann kann die künstliche Intelligenz ihr volles Potenzial ausschöpfen.

Viel Spaß beim Lesen!

Ihr Rainer Trummer Chefredakteur

BESUCHEN SIE DIGITAL MANUFACTURING AUCH AUF FACEBOOK, X, XING UND LINKEDIN.

KI IN DER FERTIGUNGSPLANUNG

Gerade in der Fertigungsindustrie wächst das Datenaufkommen stetig. Unternehmen, die Arbeitsgänge noch mit Tabellen oder Papier planen, stoßen schnell an ihre Grenzen und verlieren den Überblick. KI eröffnet neue Möglichkeiten, Prozesse zu optimieren und vorausschauend zu planen – mit dem Ziel, Ressourcen, auch finanzielle, effizienter zu nutzen. Bild: Vacom

WIE KI DIE VERARBEITENDE

INDUSTRIE REVOLUTIONIERT

Die Fertigungsindustrie befindet sich in einem tiefgreifenden Wandel: KI gestaltet Produktionsprozesse neu und erlaubt ein neues Niveau an Effizienz, Präzision und Anpassungsfähigkeit. Eine der bedeutendsten Innovationen in diesem Bereich sind generative KIgestützte digitale Zwillinge, die es Herstellern ermöglichen, detaillierte virtuelle Abbilder ihrer Produktionsanlagen zu erstellen. Bild: Nvidia

TITELANZEIGE: MHP

WIE KI DIE INDUSTRIE TRANSFORMIERT

KI-basierte Anwendungen – von autonomen Transportfahrzeugen bis hin zu Predictive-Maintenance-Software – sind längst Realität in vielen Industrieunternehmen. Doch um deren Möglichkeiten voll auszuschöpfen, benötigen sie zwei weitere Erfolgsfaktoren: eine klare, übergeordnete KI-Strategie und eine aktive Mitarbeiterintegration. Die Erfahrungen zeigen allerdings: Noch sind nicht alle Unternehmen so weit. Oft planen sie ihre KI-Projekte vor allem punktuell, sprich: ohne übergeordnetes Gesamtkonzept. Dies führt schnell zur Fragmentierung der verschiedenen Anwendungen und zu ineffizienten Prozessen. Unternehmen schöpfen dadurch ihre Effizienz- und Automatisierungspotenziale häufig nicht vollständig aus. Eine zukunftsfähige KI-Strategie greift diese Herausforderungen auf und übernimmt dafür im besten Fall mehrere, zentrale Aufgaben.

MHP Management- und IT-Beratung GmbH

Telefon: +49 (0) 71 41 / 78 56-0 www.mhp.com

KI im Werkzeugbau Erfolgreich operativ konzeptionieren,

Expertenumfrage: KI revolutioniert die Produktion

Intelligenz in der Fertigungsindustrie

in der Produktionsplanung

REDAKTIONELL ERWÄHNTE INSTITUTIONEN, ANBIETER UND VERANSTALTER

Altair Engineering S. 10, Appian S. 11, 42, Asseco Solutions S. 11, Autodesk S. 11, AWS S. 40, Bosch Rexroth S. 5, Cadfem S. 12, Consense S. 46, Dualis S. 38, Elunic S. 12, 44, Fabasoft Approve S. 12, Ifm Solutions S. 28, Ifm Statmath S. 28, Inform S. 14, 24, Inneo Solutions S. 14, Kumavision S. 16, LabV Intelligent Solutions S. 5, Megla S. 16, MHP S. 6, 16, Microsoft S. 36, MPDV Mikrolab S. 18, 26, Novatec Consulting S. 18, NTT Data Business Solutions S. 18, PI Probaligence S. 20, PNY S. 32, Siemens S. 20, 34, Spanflug Technologies S. 22, WBA Aachener Werkzeugbau Akademie S. 8, Xometry S. 22

BOSCH REXROTH

Intelligenter Service dank KI

Mit seiner umfangreichen Auswahl an digitalen Diensten vereinfacht und beschleunigt der Hydraulic Hub von Bosch Rexroth Service und Instandhaltung von Hydraulikprodukten und erhöht so die Maschinenverfügbarkeit. Service- und Wartungsteams können 24/7 auf die On-

LABV INTELLIGENT SOLUTIONS

KI in der Materialentwicklung

LabV Intelligent Solutions hat eine neue Software-Lösung vorgestellt, die die Nutzung von Materialdaten in der industriellen Forschung und Qualitätssicherung grundlegend verändert. Mithilfe von künstlicher Intelligenz (KI) und einer benutzerzentrierten Software unterstützt LabV Unternehmen dabei, effizienter zu arbeiten, innovative Materialien zu entwickeln und ihre Wettbewerbsfähigkeit zu sichern.

Mit der LabV-Plattform erhalten F&E- und Qualitätsingenieure ein Werkzeug, das ineffiziente Datenverarbeitung und -verwaltung beseitigt. Die Plattform liefert gezielte Erkenntnisse aus relevanten Daten, wodurch datenbasierte Entscheidungen ermöglicht und die Entwicklung und Produktion besserer Produkte unterstützt werden. Mit künstlicher Intelligenz als Kerntechnologie geht die Plattform dabei weit über reine Datenverwaltung hinaus: Sie liefert leistungsstarke Analysen und zeichnet sich durch eine intuitive Benutzeroberfläche aus, die die Akzeptanz im täglichen Einsatz fördert.

Service und Wartungspersonal kann 24/7 auf das digitale Lösungsangebot des Hydraulic Hubs zugreifen.

Bild: Bosch Rexroth Das Dashboard der MaterialIntelligencePlattform

LabV.

line-Plattform zugreifen, knapp eine halbe Million Rexroth-Industriehydraulikkomponenten identifizieren und produktbezogenes Servicewissen und -prozesse abrufen. Mithilfe KI-basierter Tools erhöht der Hyd-

raulic Hub Effizienz und Produktivität im Service: Über den „smarten Assistenten“ kann das Servicepersonal beispielsweise interaktiv Informationen zum Produkt abfragen und erhält Antworten auf konkrete Fragestellungen. Die „smarte Diagnose“ ermöglicht ein schnelles Identifizieren von Fehlern anhand der Beschreibung von Symptomen oder der Eingabe eines Fehlercodes. Das Servicepersonal erhält maßgeschneiderte Lösungsvorschläge für eine schnellere Fehlerbehebung.

mpdv.info/ai-dm

DA STECKT MEHR DRIN, ALS SIE DENKEN

Künstliche Intelligenz verwandelt Ihre Produktionsdaten in wertvolle Erkenntnisse. Mögliche Anwendungen sind:

Kennzahlen & Zusammenhänge analysieren Einflussfaktoren ermitteln & Rüstzeiten vorhersagen Komplexe Planungsszenarien optimieren Ausschussgründe analysieren & Qualität vorhersagen

Wir begleiten Sie gern auf Ihrem Weg zur Smart Factory! Vereinbaren Sie einen Beratungstermin: Kostenlos. Unverbindlich. Professionell.

Wie KI die Industrie transformiert

Die Erfahrungen im Bereich künstlicher Intelligenz zeigen allerdings, dass noch nicht alle Unternehmen so weit sind. Oft planen sie ihre KIProjekte vor allem punktuell, sprich: ohne übergeordnetes Gesamtkonzept. Dies führt schnell zur Fragmentierung der verschiedenen Anwendungen und zu ineffizienten Prozessen. Unternehmen schöpfen dadurch ihre Effizienz- und Automatisierungspotenziale häufig nicht vollständig aus. Ein „Software Defined Manufacturing“ (SDM), sprich: eine Fertigung, bei der Software sämtliche Bearbeitungsschritte und Prozesse plant, steuert und – in der Regel KI-basiert – selbstlernend optimiert, rückt so in weite Ferne.

Eine zukunftsfähige KI-Strategie greift diese Herausforderungen auf und übernimmt dafür im besten Fall drei zentrale Aufgaben:

1. Sie identifiziert die für das Unternehmen relevantesten Anwendungsgebiete anhand des maximalen Geschäftswertes.

2. Sie definiert einheitliche Standards für alle Software- und Maschinensysteme und sorgt so für eine nahtlose Integration. 3. Sie legt fest, wie die Mitarbeitenden durch Weiterbildungsinitiativen und Feedbackkanäle aktiv in den mit KIEinführungen verbundenen Wandel einbezogen werden.

Die KI-Strategie beschränkt sich aber nicht nur auf schriftlich fixierte Erwägungen und Vorgaben, sondern manifestiert sich bestenfalls auch in der technischen Infrastruktur des Unternehmens – und verhilft ihm zu einem ganzheitlichen KI-Einsatz.

Plattform statt Einzellösung

Insbesondere bei generativen KI-Anwendungen ist dies möglich, indem Unternehmen statt auf isolierte GenAI-Lösungen auf standort- und abteilungsübergreifend einsetzbare, leicht anzupassende KI-Frameworks als Plattform setzen, die sich auf unterschiedliche Use- und Business-Cases individuell zuschneiden lassen.

Auch für Industrieunternehmen sind solche Plattformen sinnvoll: GenAI wird zwar oft mit typischen Bürojobs oder kreativen Tätigkeiten assoziiert, spielt aber auch in der Fertigung und in fertigungsnahen Bereichen eine wichtige Rolle: So kann sie beispielsweise Werkerinnen und Werkern am Arbeitsplatz durch Co-Pilot-Funktionen helfen, Maschinen oder Software-Anwendungen zu bedienen oder für die Produktionsplanung anhand der erhobenen Kennzahlen proaktiv Verbesserungsvorschläge unterbreiten. Auch für die Mensch-Roboter-Kollaboration ist GenAI (perspektivisch) ein entscheidender Erfolgsfaktor: Schließlich ist hier eine enge Kommunikation

VIELE UNTERNEHMEN PLANEN IHRE KI-PROJEKTE VOR ALLEM PUNKTUELL, ALSO OHNE ÜBERGEORDNETES GESAMTKONZEPT.

Beim Software Defined Manufacturing (SDM) plant Software sämtliche Bearbeitungsschritte und Prozesse – in der Regel KIbasiert. Bild: ipopba/AdobeStock

zwischen Mitarbeitenden und Robotern unerlässlich.

Unternehmen können solche Plattformen eigenständig entwickeln oder als Alternative auf bereits erhältliche Lösungen zurückgreifen, zum Beispiel IntelliCore von MHP. Als KI-Betriebssystem für Unternehmen vereint die Lösung generative KI-Plattformen und APIs, die standortübergreifende Kollaboration ermöglichen und die Maschinenanbindung erleichtern.

Optimale Interoperabilität

Auf dem Weg zum Software Defined Manufacturing sind generative KI-Plattformen respektive ein KI-Betriebssystem wie

IntelliCore zwar ein solides Fundament für eine zukunftsfeste Infrastruktur, allein sind sie oft aber nicht ausreichend.

Gerade bei der intermaschinellen Kommunikation kommt es deshalb in der Praxis trotz einheitlicher Standards wie OPC UA immer wieder zu Komplikationen – denn noch immer folgen nicht alle Softwareund Maschinenhersteller diesen Normvorgaben. Eine saubere Orchestrierung und ein Sofware Definded Manufacturing ist

VIELE KI-PROJEKTE SCHEITERN ODER

BLEIBEN HINTER DEN ERWARTUNGEN ZURÜCK, WEIL UNTERNEHMEN IHRE EINFÜHRUNG AN DEN MITARBEITENDEN VORBEIPLANEN.

so aber nur schwer realisierbar. Die in der KI-Strategie definierten Standards schaffen hier Abhilfe und unterstützen damit Entscheiderinnen und Entscheider bei der Auswahl geeigneter Lösungen.

Trotzdem können Unternehmen nicht immer alle in der Strategie vorgegebenen Standards einhalten – etwa, weil für bestimmte KI-Anwendungen Anbietermonopole oder -oligopole bestehen, die diese nicht erfüllen. Hier schaffen Middleware-Lösungen wie integrate_it von MHP

Generative KIModelle (GenAI) können in der Fertigung eine zentrale Rolle einnehmen, zum Beispiel als CoPiloten für Werkerinnen und Werker. Bild: VicenSanh/AdobeStock (KI-generiert)

Abhilfe. Sie schaffen einheitliche Datenräume und erweitern als „Dolmetscher“ die Interoperabilität zwischen heterogenen Systemen.

Der Mensch im Mittelpunkt

Viele KI-Projekte scheitern oder bleiben hinter den Erwartungen zurück, weil Unternehmen ihre Einführung an den Mitarbeitenden vorbeiplanen. Wichtig ist daher die aktive Beteiligung aller betroffenen Personen – getreu dem Motto: „AI4Human“.

Denn: Zwar profitieren Unternehmen von KI-Einführungen am stärksten dort, wo die größten Hebel für Automatisierungen und Effizienzsteigerungen bestehen – und sollten diese daher anhand objektiver Daten auch evidenzbasiert bestimmen. Aber: Das Erfahrungswissen ihrer Mitarbeiter und Mitarbeiterinnen sollten sie dennoch nicht unterschätzen und datenbasierte Analysen stets mit deren Erfahrungen abgleichen. Möglich ist dies zum Beispiel durch Interviews oder Workshops mit den (künftigen) Key-Usern. Unternehmen, denen es gelingt, den Wandel sowohl datenbasiert als auch mitarbeiterzentriert zu gestalten, maximieren nicht nur ihre Effizienz, sondern fördern gleichzeitig das Vertrauen und die Akzeptanz in die neuen Systeme. Dafür ist neben der frühen Einbindung der Mitarbeitenden vor allem eine transparente Kommunikation gefragt.

KI als Wettbewerbsvorteil

Berücksichtigen Unternehmen diese Vorschläge, besitzen sie hervorragende Ausgangsbedingungen, um holistische KI-Ansätze erfolgreich zu implementieren – und schließlich die Fertigung in ein Software Defined Manufacturing zu überführen. Künftig könnte das angesichts zunehmender Wettbewerbsintensität auf vielen Märkten und steigendem Kostendruck zu einem zentralen Differenzierungsmerkmal werden. Dabei sind Unternehmen im Vorteil, die schon heute den Wandel systematisch angehen. RT

STEPHAN BAIER ist Partner bei MHP.

Erfolgreich operativ konzeptionieren, trainieren und umsetzen

Die fortschreitende Digitalisierung und die immer komplexere Datenlandschaft im Werkzeugbau machen es möglich, Fachkenntnisse effizient im Unternehmen zu erhalten, womit dem anhaltenden Fachkräftemangel begegnet werden kann. Es ist notwendig, vorhandenes Wissen zu bewahren und zugänglich zu machen, um Know-how zu sichern.

Ein wesentlicher Vorteil der LLM ist die Optimierung interner Prozesse durch die gezielte Nutzung von Daten und Informationen. Bild: witsarut/AdobeStock

Gleichzeitig müssen attraktive Arbeitsbedingungen geschaffen werden, die den Einsatz moderner Technologien fördern. Nur so können Werkzeugbaubetriebe junge Talente gewinnen und binden. Die Nutzung digitaler Tools ist dabei der Schlüssel. Sie ermöglichen ein dynamisches und innovatives Arbeitsumfeld, in dem sich Mitarbeitende entfalten können. Wenn Informationen transparent und zugänglich gemacht werden, steigert das die Effizienz und Qualität der Arbeit.

Wettbewerbsfähigkeit auf internationaler Ebene sichern

Durch die von der WBA entwickelte LLM-Lösung (Large Language Models) sollen die im Werkzeugbau anfallenden Daten in einer intelligenten und nutzerfreundlichen Weise verfügbar gemacht werden. Dies ermöglicht es, spezifische Informationen wie Wartungspläne oder Qualitätsdaten auf Basis natürlicher Sprache schnell und präzise abzurufen. Die Entwicklung von onPremise-LLMs für Werkzeugbaubetriebe wird die Daten- und Wissenslandschaft verändern und neue Möglichkeiten zur Effizienzsteigerung, Kostensenkung und Qualitätssicherung eröffnen. Dies stellt

den nächsten Schritt in der digitalen Transformation des Werkzeugbaus dar. Zugleich kann so die Wettbewerbsfähigkeit auf internationaler Ebene gesichert werden. Die WBA unterstützt bei der Entwicklung der eigenen LLM, die auf den Anwendungsfall im Werkzeugbau zugeschnitten ist. In Abbildung 1 ist dazu ein beispielhafter Projektablauf zur Implementierung von LLMs im Werkzeugbau umrissen.

Ein zentraler Aspekt ist die Analyse der spezifischen Bedürfnisse und Herausforderungen der Unternehmen, insbesondere in Bezug auf die Optimierung von Produktionsprozessen und die Digitalisierung von Dokumenten. Dabei werden Anwendungsfälle präzisiert, in denen LLMs zum Einsatz kommen können, wie das Auslesen von Maschinendaten aus SQL-Datenbanken und die Entwicklung einer Wissensdatenbank für Maschinenanleitungen sowie Arbeitsanweisungen. Diese Inhalte helfen, die technologischen und betrieblichen Anforderungen klar zu definieren und die Potenziale von LLMs im Werkzeugbau zu erkennen.

ES IST NOTWENDIG, VORHANDENES WISSEN ZU BEWAHREN UND ZUGÄNGLICH ZU MACHEN, UM KNOW-HOW ZU SICHERN.

Praxisnahe Anwendung ermöglichen

Basierend auf den definierten Anforderungen wird eine kundenspezifische LLM-Lösung entwickelt, die die identifizierten Use Cases umsetzt, wie beispielsweise das Auslesen von Maschinendaten und die Digitalisierung von Dokumenten. In dieser Phase wird auch die Integration von verschiedenen Technologien und Methoden wie multimodalen LLMs für die Verarbeitung von Texten, Bildern und Tabellen sowie SQL-Abfragen für Maschinendaten vorangetrieben. Die entwickelte KI-Lösung wird auf einer dedizierten on-Premise-Infrastruktur gehostet, um eine praxisnahe Anwendung zu ermöglichen.

Abbildung 1: Die Grafik zeigt einen beispielhaften Projektablauf zur Implementierung von LLMs im Werkzeugbau im Umriss. Bild: WBA Aachener Werkzeugbau Akademie GmbH

VON PROF. DR.-ING. WOLFGANG BOOS, DR.-ING. DAVID WELLING, BERND HAASE, M. SC., JONAS KENFENHEUER, M. SC., UND RICCARDO CALCHERA, M. SC.

Die Projektpartner testen das LLM intensiv, wobei sowohl die Qualität der Antworten auf spezifische Fragestellungen als auch die Performance des Systems im Mittelpunkt stehen. Das während der Tests gesammelte Feedback wird genutzt, um das LLM kontinuierlich zu optimieren und es an die spezifischen Anforderungen der Werkzeugbauunternehmen anzupassen. In Abbildung 2 ist die Anwendung von LLMs im Werkzeugbau schematisch dargestellt. Ausgehend vom Nutzer geht die Frage an das LLM, welches diese in einen Prompt übersetzt, der anschließend vektorisiert wird. Die Datenbank gibt die Antwort auf die gestellte Frage und findet über dieselben Stationen den Weg zurück zum Nutzer.

Mit Digitalisierung dem Fachkräftemangel entgegenwirken Ein wesentlicher Vorteil der LLM ist die Optimierung interner Prozesse durch die gezielte Nutzung von Daten und Informationen. Durch die Entwicklung eines OnPremise-LLMs behalten die Unternehmen die Kontrolle über ihre sensiblen Daten,

Abbildung 2: Anwendung von LLMs im Werkzeugbau. Bild: WBA Aachener Werkzeugbau Akademie GmbH

was insbesondere in sicherheitsrelevanten Bereichen von großem Wert ist. Gleichzeitig wird der Zugriff auf wertvolles Wissen innerhalb des Unternehmens deutlich effizienter gestaltet, wodurch Arbeitsabläufe schneller und präziser gestaltet werden können.

Die Digitalisierung im Werkzeugbau ermöglicht es, Fachwissen zu bewahren und dem Fachkräftemangel entgegenzuwirken. Die WBA hat ein On-Premise-LLM entwickelt, welches Werkzeugbaubetrieben hilft, sensible Daten sicher zu verwalten und Informationen effizient abzurufen. Diese Lösung optimiert Produktionsprozesse und unterstützt die digitale Transformation, während sie gleichzeitig die Wettbewerbsfähigkeit sichert. Durch maß-

geschneiderte LLMs werden spezifische Bedürfnisse der Unternehmen adressiert, was zu einer verbesserten Effizienz und Nutzung von Wissen führt. TB

PROF. DR.-ING. WOLFGANG BOOS ist Professor an der RWTH Aachen University und Geschäftsführender Gesellschafter der WBA Aachener Werkzeugbau Akademie GmbH.

DR.-ING. DAVID WELLING ist Geschäftsführer der WBA Aachener Werkzeugbau Akademie GmbH.

BERND HAASE, M. SC., ist Leiter Industrieberatung der WBA Aachener Werkzeugbau Akademie GmbH.

JONAS KENFENHEUER, M. SC., ist Seniorberater der WBA Aachener Werkzeugbau Akademie GmbH.

RICCARDO CALCHERA, M. SC., ist Berater der WBA Aachener Werkzeugbau Akademie GmbH.

FACTUREE: Zeichnungsteile mit KI smarter beschaffen

FACTUREE kombiniert modernste KI-Technologien mit einer umfangreichen Datenbasis, um die Beschaffung von Zeichnungsteilen effizient, kostensparend und sicher zu gestalten. Mit datengetriebenen Prozessen und höchsten Daten schutzstandards setzt FACTUREE neue Maßstäbe im Digital Procurement. In der industriellen Beschaffung kann die Balance zwischen Effizienz und Datensicherheit eine Herausforderung sein. FACTUREE zeigt, dass beides möglich ist. Mithilfe von KI-gestützten Prozessen und präziser Analyse umfangreicher Daten optimiert FACTUREE den gesamten Beschaffungsprozess – von der Lieferantenauswahl bis zur Fertigstellung. Der Schlüssel liegt in der einzigartigen Daten basis: FACTUREE greift auf über 600.000 Datenpunkte pro Fertigungspartner zurück, darunter Material, Geometrie, Fertigungskapazitäten und Qualitätsanforderungen. Diese Informationen fließen

in die KI-gestützte Auswahl ein, die aus einem Netzwerk von über 2.000 Spezialisten die passenden Fertigungspartner identifiziert. Im Vergleich zu klassischen Ausschreibungen, bei denen zahlreiche Lieferanten kontaktiert werden, selektiert FACTUREE nur die besten Partner. Das minimiert die Weitergabe sensibler Daten und erhöht die Effizienz.

Anonymisierte Kundendaten

Ein weiterer Vorteil: Kundendaten werden bei FACTUREE vollständig anonymisiert. Fertiger erfahren nicht, für wen sie ein Bauteil herstellen. Ergänzend dazu gewährleisten strenge NDAs und umfassende Sicherheitsmaßnahmen den Schutz des geistigen Eigentums.

FACTUREE nutzt Predictive-Methoden, um realistische und marktgerechte Preise zu kalkulieren. So entstehen fundierte, transparente Ergebnisse – mit durchschnittlichen Einsparungen von bis zu 37 Prozent.

Mit KIgestützter Technologie optimiert FACTUREE die Beschaffung von Zeichnungsteilen. Bild: Smallroombigdream/AdobeStock

Die Kombination aus intelligenter Lieferantenauswahl, effizienter Datenverarbeitung und umfassendem Datenschutz macht FACTUREE zum idealen Partner für die digitale Beschaffung. Kunden profitieren von optimierten Kosten, höherer Sicherheit und einem persönlichen Ansprechpartner, der als zentrale Schnittstelle individuelle Anforderungen berücksichtigt.

Mehr erfahren auf www.facturee.de –Ihr Partner für KI-gestützte, sichere Beschaffung.

KI revolutioniert die Produktion

Im Jahr 2025 wird künstliche Intelligenz nicht mehr nur eine Option unter vielen sein. KI entwickelt sich vielmehr zum zentralen Bestandteil jeder Unternehmensstrategie, die auf langfristigen Erfolg und Wettbewerbsfähigkeit ausgerichtet ist. Wer jetzt nicht in KI-Technologien investiert, riskiert, abgehängt zu werden. Welche Anwendungsfälle es bereits gibt, wie sich KI richtig implementieren lässt und welche Auswirkungen KI auf die Arbeitsplätze in der Fertigungsindustrie hat, erläutern uns 19 KI-Experten.

VON RAINER TRUMMER

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

Dr. Martin Liebig

Senior Director Data Solutions bei Altair Engineering Bild: Altair Engineering

Derzeit konzentrieren sich die eingesetzten KI-Anwendungen überwiegend auf prädiktive Analysen in den Bereichen Predictive Maintenance und Qualitätsoptimierung. Insbesondere letztere gewinnt zunehmend an Bedeutung. Das

Hauptziel besteht darin, mithilfe von KI den Ausschuss zu reduzieren, Energiekosten zu senken und die Gesamtanlageneffektivität (OEE) zu steigern. Hier gibt es bereits einige Anwendungsbeispiele bei Altair-Kunden aus verschiedensten Industrien wie der allgemeine Maschinenbau, die Fertigungs- oder die Verpackungsindustrie, die ihre Herausforderungen unter anderem mit Altairs KI-Lösungen meistern konnten. Präskriptive sowie agentische Ansätze sind aktuell noch eher die Ausnahme.

Dies hängt maßgeblich von der digitalen Reife des Unternehmens ab. Zu Beginn liegt der Fokus vor allem auf der Identifikation des richtigen Problems sowie der Sicherstellung einer hohen Datenqualität und -verfügbarkeit. In Unternehmen, die bereits weiter fortgeschritten sind, verschiebt sich der Schwerpunkt zunehmend auf die Integration von KI-Lösungen in bestehende Geschäftsprozesse. Dies umfasst sowohl die Interaktion zwischen Mensch und Maschine als auch die Anbindung an Systeme wie MES und PLM.

Mit dem zunehmenden Einsatz von KI in der Produktion wächst auch der Bedarf an einem vertieften statistischen Verständnis seitens der Produktionsleitung und der Prozessin-

genieure. Es wird immer wichtiger, dass alle Beteiligten verstehen, wie die Technologie effektiv genutzt werden kann und in welchem Umfang sie weiter eingesetzt werden sollte. Zudem wird es unerlässlich, dass sich die IT-Abteilungen stärker mit der Produktion verzahnen, um die Synergieeffekte aus Produktionsund IT-Wissen zu echten Mehrwerten zu führen.

Thomas Lorenz

Director Solutions Consulting for Central Europe bei Appian Bild: Appian

KI-Lösungen eignen sich vor allem zur Prozessoptimierung. In der Qualitätskontrolle ermöglicht KI eine schnelle und präzise Erkennung von Abweichungen von Qualitätsstandards, indem sie Daten aus Berichten extrahiert und anhand von Geschäftsregeln überprüft. Ein weiterer Bereich ist die automatisierte Verarbeitung komplexer Dokumente wie technischer Dokumentationen oder Lieferscheine. Im Bereich Predictive Maintenance analysieren KI-Systeme Sensordaten von Produktionsanlagen in Echtzeit, um potenzielle Ausfälle frühzeitig zu erkennen und Wartungsarbeiten optimal zu planen. In der Lieferketten-Optimierung wird KI beispielsweise zur Überprüfung von Zertifikaten und zum automatischen Abgleich mit Referenzdaten eingesetzt.

2. Eine zentrale Herausforderung ist die Integration von KI in bestehende IT-Systeme. Hierfür sind geeignete Dateninfrastrukturen notwendig, die eine effiziente Analyse und Nutzung der vorhandenen Daten ermöglichen. Die Komplexität der Datenanalyse und die Sicherstellung einer hohen Datenqualität stellen weitere Herausforderungen dar. Zudem erfordert der Einsatz von KI oft umfangreiche Schulungen für Mitarbeiter, um sie mit den neuen Systemen vertraut zu machen und deren Potenzial voll ausschöpfen zu können.

KI wird vor allem als Helfer fungieren. Mit automatisierten Analysen wie bei Predictive Maintenance oder automatisierten Reports werden gerade einfache Aufgaben, die aber viel Zeit beanspruchen, von der KI übernommen. Fachkräfte werden so nicht ersetzt, sondern befähigt, sich verstärkt auf ihre Kernaufgaben zu konzentrieren. Die KI arbeitet dabei mehr im Hintergrund und versorgt die Fachkräfte mit ausführlichen und nachvollziehbaren Basisdaten- und -informationen.

Ralf Bachthaler

Mitglied des Vorstands bei Asseco Solutions

Bild: Asseco Solutions

1. Hier besteht mittlerweile eine große Bandbreite an sinnvollen Szenarien. Analytische KI etwa eignet sich bestens für klar umrissene Aufgaben wie die Optimierung der Lagerhaltung oder die Berechnung von Auftragswahrscheinlichkeiten für eine noch realitätsgetreuere Kapazitätsplanung. Generative KI verfügt nun über die Möglichkeit, diese Einzelszenarien auf

effektive Weise zu verbinden. So lassen sich ganze Prozessketten in der Fertigung automatisiert vorantreiben – vom Auftragseingang über die Prüfung der Materialverfügbarkeiten und gegebenenfalls Nachbestellung bis hin zur Einplanung. Das erhöht die Effizienz der vorbereitenden Prozesse enorm.

Oft besteht Nachholbedarf bezüglich der Datenqualität. Ohne einheitlich und sauber gepflegte Daten kann auch der beste Algorithmus keine nutzbaren Ergebnisse generieren. Zudem treten viele Verantwortliche mit Datenschutzbedenken an uns heran. Hier hat die Branche jedoch gute Fortschritte erzielt: Zum einen stellen Enterprise-Lizenzen sicher, dass verarbeitete Daten nicht in das Training des Sprachmodells zurückfließen. Zum anderen bestehen sehr wirksame Anonymisierungsverfahren, die Daten schützen, ohne dass diese an Aussagekraft einbüßen.

3. Die derzeitige Wirtschaftslage ist nach wie vor angespannt. Was Unternehmen brauchen, um sich daraus zu befreien, sind deutliche Produktivitätsschübe. Doch wie sollen diese in Zeiten von Fachkräftemangel und schrumpfenden Belegschaften erreicht werden? KI kann Mitarbeitende von zeitraubender Routine entlasten, sodass sich die raren Mitarbeiter wieder um echte Wertschöpfung kümmern können – genau das ist in der aktuellen Situation absolut erfolgsentscheidend. Dass KI Menschen in absehbarer Zeit komplett ersetzt, das sehe ich nach aktuellem Stand der Technik nicht.

Jan Niestrath

Industry Manager Industrial Machinery bei Autodesk

Bild: Autodesk

KI wird bereits heute in vielen Bereichen eingesetzt, beispielsweise in der Produktentwicklung beim generativen Design. Durch die automatisierte Erstellung zahlreicher Varianten, die unterschiedliche Optimierungsparameter und definierte Vorgaben berücksichtigen, entsteht ein Lösungsraum, der mit herkömmlichen Methoden nicht erreichbar wäre. Autodesk setzt auf KI-gestützte Werkzeuge, um so Entwicklungszyklen zu verkürzen, aber auch um Fertigungsprozesse zu optimieren, etwa durch die Generierung optimaler Parameter für spanende oder additive Fertigungsverfahren.

Die größten Herausforderungen liegen in der Aufbereitung der Daten, dem Schutz des geistigen Eigentums und dem Mangel an KI-Experten. KI-Modelle sind auf qualitativ hochwertige und zugängliche Daten angewiesen, doch viele Unternehmen kämpfen mit fragmentierten Datensilos und ungenutzten Datenbeständen. Zudem stellt sich die Frage, wie sich sensible Unternehmensdaten schützen und gleichzeitig effektiv für KI-Anwendungen nutzen lassen. Hier braucht es klare Strategien und Lösungen für Daten- und Prozessmanagement, um das volle Potenzial der KI auszuschöpfen.

Der erwähnte Mangel an KI-Experten wird nicht nur neue Unternehmensrollen hervorbringen, auch aktuelle Arbeitsschwerpunkte werden sich von der direkten Problem-

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

lösung hin zur Definition der Rahmenbedingungen verändern, und so das Automatisierungs- und Innovationspotenzial steigern. Zudem verändert KI in Verbindung mit vernetztem Daten- und Prozessmanagement die Zusammenarbeit, aus der schnellere Entwicklungszyklen, effizientere Ressourcennutzung und gesteigerte Wettbewerbsfähigkeit resultieren. Aber auch neue, datengetriebene Geschäftsmodelle können so entstehen.

Josef Overberg

Geschäftsführer von CADFEM Germany

Bild: CADFEM Germany

In der Fertigung bietet KI große Vorteile im Hinblick auf das Trainieren von hochautomatisierten Fertigungsanlagen oder das Erkennen von Fehlern. Gerade weil KI Muster erkennt, gewinnen auch Themen wie die Vorhersage von Energieverbräuchen an Bedeutung. Mit dem Wissen, wann wieviel Energie benötigt wird, können einzelne Produktionsschritte in Zeiträume gelegt werden, in denen die Energie kostengünstig ist. Auch die Planung von Wartungsarbeiten an Anlagen lässt sich mit Hilfe von KI optimieren. Hier kommt die Simulation ins Spiel, denn sie ist notwendig, um das Verhalten des Gesamtsystems unter den gegebenen Randbedingungen zu untersuchen. Sie schafft also die Basis, damit die KI überhaupt Vorhersagen treffen kann.

2. Vor der Implementierung gilt es zunächst zu erkennen, an welchen Stellen im Fertigungsprozess KI einen Mehrwert liefern oder die Lösung für ein dediziertes Problem sein kann. Dies ist aktuell die größte Herausforderung, gefolgt von den benötigten Daten beziehungsweise der Erhebung der Daten. Hierfür ist ein gewisses Maß an Digitalisierung in der Fertigung, aber eben auch im vorgelagerten Entwicklungsprozess, erforderlich.

Nicht nur in der Fertigung, auch allgemein werden durch den Einsatz von KI keine Arbeitsplätze wegfallen, sondern die Aufgaben werden sich verlagern oder verändern. Solange KI sich in bekannten und gelernten Grenzen bewegt, wird der Mensch dafür sorgen müssen, die Grenzen weiter zu verschieben und Innovationen zu treiben. Aber genau das ist der Charme von KI, denn sie hilft uns effizienter zu werden, Zusammenhänge zu verstehen und bietet somit die Chance, sich auf das Wesentliche sowie auf Neues zu fokussieren.

1.Claudio Gusmini

Executive Director bei Elunic Bild: Elunic

KI hält rasant Einzug in der Fertigung: Insbesondere Sprachmodelle und Systeme für die Produktion wie ShopfloorGPT sind ein echter Gamechanger. Sie erlauben komplexe Abfragen und Analysen in natürlicher Sprache – etwa zum Vergleich der Produktionsleistung von Tag- und Nachtschichtleistungen – und generieren bei Bedarf eigenständig Dashboards. Beispielsweise den Ausschuss der letzten 24 Stunden als Balkendiagramm, ohne dass dafür Programmierkenntnisse erforderlich sind. Damit werden Produktionsdaten und Dokumentationen schnell und unkompliziert zugänglich, was Entscheidungsprozesse erheblich beschleunigt. Danach folgen KI-gestützte Instandhaltung und Serviceplanung sowie die visuelle Inspektion und Qualitätssicherung mit KI – insbesondere bei komplexen Bauteilgeometrien.

In der Produktion und Fertigung ist die grundsätzliche Akzeptanz von KI-Technologien erfreulich hoch – es gibt nicht den typischen einen Grund zur Verhinderung. Manchmal stellen wir eine gewisse Unsicherheit bei Unternehmen fest, entschlossen Entscheidungen zu treffen und ein grundsätzliches Startsignal zur KI im Unternehmen zu geben. Dies führt dazu, dass der Entscheidungsprozess in größeren Kreisen abgestimmt und vor allem ‚abgesichert‘ wird. Sobald die Entscheidung getroffen wurde, liegen der Schwerpunkt und gleichzeitig die nächste Herausforderung nicht im technischen Bereich, sondern im Abholen der Mitarbeitenden und der Organisation.

3. Künstliche Intelligenz wird die Anforderungen an Fachkräfte und das Tätigkeitsprofil von Arbeitsplätzen in der Produktion grundlegend verändern. Intelligente Assistenzsysteme und Automatisierung erleichtern dabei vor allem digitale Arbeitsprozesse sowie den Zugriff auf und die Eingabe von Wissen. Diese Entwicklungen eröffnen neue Möglichkeiten zur Qualifizierung und fördern eine effiziente Zusammenarbeit zwischen Mensch und Maschine. So werden Produktionsprozesse robuster, unabhängiger von spezifischen Fachkräften und insgesamt noch effizienter.

Andreas Dangl

Geschäftsführer von Fabasoft Approve

Bild: Fabasoft Approve

1. KI wird von der Qualitätssicherung und Maschinensteuerung über die Prozess- und Logistikdatenanalyse bis hin zur automatisierten Angebotserstellung und beim Kundenkontakt via Chatbots eingesetzt. Im Bereich Qualitätsmanagement unterstützt KI beispielsweise den 8D-Prozess, die automatisierte

WEITER AUF SEITE 14

KI im QM – die Zukunft der Qualitätssicherung

Die Integration künstlicher Intelligenz (KI) ins Qualitätsmanagement (QM) eröffnet neue

Wege, um Arbeitsprozesse effizienter, agiler und fehlerfreier zu gestalten. QM- oder Integrierte Managementsysteme (IMS) profitieren von dieser Innovation. Die ConSense GmbH setzt dies längst um – und erleichtert Routineaufgaben im QM deutlich.

Künstliche Intelligenz (KI) ist im Qualitätsmanagement kein neues Thema – sie kommt in Teilgebieten wie Predictive Maintenance, Bilderkennung und Big Data bereits zum Einsatz. Seit Anfang 2023 erlebt das Qualitätsmanagement einen neuen Schub durch die Integration von Natural Language Processing (NLP). Diese Technologie ermöglicht es KI-Systemen, menschliche Sprache zu verstehen und zu verarbeiten – neue Anwendungsmöglichkeiten, die sich auch das QM zunutze macht.

KI im QM – zukünftig unverzichtbar

Der Einsatz von KI bietet dem QM wertvolle Unterstützung. An erster Stelle stehen effizientere Arbeitsabläufe: KI-Assistenten können in Sekundenschnelle umfangreiche Texte wie Prozessbeschreibungen, Arbeitsanweisungen oder Auditberichte erstellen. Das spart wertvolle Zeit und Ressourcen, die Unternehmen für strategische Aufgaben verwenden können. Auch die arbeitsaufwändigen Anpassungen bestehender

Prozesse an geänderte Regelwerke und gesetzliche Vorgaben lassen sich schneller und einfacher vornehmen. So bleibt das QM-System stets auf dem aktuellen Stand. KI-Assistenten unterstützen dabei, Fehler in Dokumentationen zu erkennen und zu korrigieren. Sie verbessern Formulierungen und optimieren Texte – und das gleich mehrsprachig durch automatisierte Übersetzungen. Auch das Strukturieren und Sortieren von über die Jahre gewachsenen QM-Dokumentationen ist mithilfe von KI weniger aufwändig, insbesondere innerhalb eines IMS.

Wie

KI bei ConSense genutzt wird

In den Softwarelösungen der ConSense GmbH zum Aufbau akzeptierter und gelebter QM- und Integrierter Managementsysteme spielt KI bereits eine wichtige Rolle. Integrierte KI-Assistenten generieren Texte, schreiben bestehende Texte um oder kürzen Inhalte. Mithilfe von KI lassen sich aus Inhalten Stichpunkte erstellen oder Fließtexte in strukturierte Punkte umwandeln. Die KI

generiert Metadaten zu Dokumenten und Prozessen, um die Verwaltung und Suche nach Informationen im IMS effizienter zu gestalten, und hilft bei der Erstellung von personalisierten, themenspezifischen Lerninhalten für Schulungen und E-Learning. Im Prozessmanagement erzeugt sie automatisiert Flowcharts und Diagramme, die Arbeitsabläufe visualisieren. Bei aller Erleichterung von QM-Aufgaben ersetzt KI jedoch nicht die Fachleute, die die Entscheidungen des Systems überprüfen sollten.

Kein Trend, sondern zukunftsorientierte Entwicklung

KI hilft Unternehmen, effizienter, fehlerfreier und agiler zu arbeiten. Die sorgfältige Integration von KI, zu der unter anderem menschliche Kontrolle, die Berücksichtigung von Datenschutz sowie eine umfassende Schulung von Mitarbeitenden gehört, verbessert nicht nur Arbeitsabläufe: Ein von KI unterstütztes QM-System ist auf die Herausforderungen der Zukunft vorbereitet. Es fördert die aktive Beteiligung der Mitarbeitenden, hohe Qualitätsstandards einzuhalten – für gelebte und akzeptierte QM- und Integrierte Managementsysteme, die langfristig die Qualität von Produkten und Dienstleistungen sichern.

HINTERGRUND

CONSENSE GMBH

Die ConSense GmbH ist einer der technologisch führenden Anbieter von Software für Qualitäts- und Integrierte Managementsysteme. Seit 2003 entwickelt das Unternehmen in Aachen skalierbare Lösungen für alle Unternehmensgrößen. Dabei stehen die optimale Unterstützung der Organisationsabläufe und Anwendungsfreundlichkeit im Mittelpunkt der Entwicklungsarbeit. Bei der technischen, organisatorischen und personellen Einführung seiner Lösungen steht die ConSense GmbH mit modernen Strategien und Konzepten in allen Phasen beratend zur Seite – von der Einführung bis zum laufenden Betrieb. Mit mehr als 1.000 erfolgreichen Kundenprojekten und Userzahlen im sechsstelligen Bereich, finden die ConSense-Softwareprodukte Anwendung in sämtlichen Branchen.

Mehr Informationen: www.consense-gmbh.de

QMSoftware von ConSense: Die Integration von künstlicher Intelligenz macht Arbeitsprozesse effizienter, agiler und fehlerfreier.

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

Generierung von Prüfplänen, die Erstellung der technischen Dokumentation oder das Lieferantenmanagement.

2. Im Wesentlichen ist das die Datenbasis, auf welcher die KI aufsetzt. Der tatsächliche Nutzen, den künstliche Intelligenz im Arbeitsalltag stiften kann, hängt sehr von der Qualität und Aktualität der im Unternehmen vorhandenen Daten ab. Eine Herausforderung stellen auch die Geschäftsprozesse dar. Diese darf man nicht in einzelnen Bereichen denken, sondern Ende-zu-Ende über alle Abteilungen im Unternehmen hinweg. Sind die bisherigen Abläufe nicht gut durchdacht, werden auch digitale, KI-gestützte Prozesse nicht gelingen.

3. KI wird, genau wie jede ‚neu‘ eingeführte Technologie in der Vergangenheit, Änderungen in den Jobanforderungen mit sich bringen. Wichtig ist, die Mitarbeitenden transparent in den Veränderungsprozess einzubeziehen. Dazu gehört viel Kommunikation über alle Bereiche im Betrieb hinweg. Es ist essenziell zu vermitteln, dass künstliche Intelligenz ein Werkzeug ist, das Menschen dabei unterstützt, gewisse Abläufe zu erleichtern. KI kann niemals Menschen ersetzen. Sie hat allerdings das Potenzial, den Fachkräftemangel etwas auszugleichen, indem sie den Mitarbeitenden im jeweiligen Arbeitskontext Wissen bereitstellt, über welches ansonsten nur Personen mit langer Berufserfahrung verfügen.

Markus Günther

Head of Sales Produktion bei Inform Bild: Inform

KI wird seit vielen Jahren erfolgreich in der Produktionsplanung eingesetzt, um komplexe Fertigungsprozesse effizient zu steuern und Ressourcen optimal zu nutzen. Durch die Integration von Daten aus Bereichen wie Vertrieb, Einkauf, Fertigung und Konstruktion schaffen KI-gestützte Systeme eine transparente, abteilungsübergreifende Entscheidungsgrundlage. Sie ermitteln eine optimale Reihenfolge aller Fertigungsprozesse und planen so die Fertigung als Gesamtsystem – vorausschauend, unter Beachtung aller Randbedingungen. Das sorgt für kürzere Durchlaufzeiten, höhere Termintreue und mehr Flexibilität.

Natürlich spielen in erster Linie Daten und deren Qualität eine wichtige Rolle. Viele Unternehmen haben hier aber oftmals schon eine bessere Ausgangslage als sie denken. Gleichzeitig besteht oft noch Skepsis gegenüber KI, etwa aus

Unsicherheit oder mangelndem Verständnis. Mitarbeitende sollten schrittweise an die Technologie herangeführt und gezielt geschult werden. Transparente Kommunikation und praktische Erfahrungen helfen, Ängste abzubauen und den Mehrwert von KI verständlich zu machen.

3. KI wird die Arbeitsplätze in der Fertigungsindustrie nachhaltig prägen. Monotone und zeitintensive Routinetätigkeiten werden zunehmend automatisiert – das schafft mehr Effizienz und Raum für kreativere Aufgaben. Besonders in Bereichen wie Datenanalyse, Prozessoptimierung und strategischer Planung entstehen neue Chancen. Fachkräfte bleiben weiterhin unverzichtbar, denn ihr Wissen und ihre Entscheidungen sind unverzichtbar, um KI sinnvoll einzusetzen. Der Mensch wird also nicht ersetzt, sondern rückt stärker in die Rolle des Gestalters und Treibers von Innovationen.

1. Helmut Haas

Geschäftsführer von Inneo Solutions

Bild: Inneo Solutions

Wir sehen viele Einsatzmöglichkeiten in der Fertigungsindustrie. Dabei geht es nicht nur um die Überwachung der Produktion oder des Maschinenparks inklusive KI-basierter Auswertung zur Erkennung von Anomalien und proaktiven Problemlösung. Ein aus unserer Sicht mindestens genauso spannendes Anwendungsfeld ist die Aufbereitung und Zugänglichmachung von spezifischem Unternehmenswissen mittels KI-Systemen. Das besondere hierbei ist, dass dies alles innerhalb des Unternehmens erfolgen muss und das Know-how nicht außerhalb des Unternehmens oder zum Training für externe KI-Systeme genutzt werden darf. In diesem Bereich haben wir gerade sehr vielversprechende Pilotprojekte.

2.Es besteht großes Interesse an KI-Anwendungen, jedoch gibt es auch Vorbehalte: Was geschieht mit meinen Daten? Wer bekommt Zugriff darauf? In vielen Fällen fehlen auch die Voraussetzungen für die Implementierung. Das heißt, es müssen erst Vorarbeiten geleistet werden, um beispielsweise an die richtigen Daten zu kommen. Auch der konkrete Nutzen der KI-Anwendungen ist noch nicht überall durchdacht und greifbar. Daher ist unsere Empfehlung, sich bei dem Thema externes Know-how und Erfahrung dazu zu holen. Will man mit KI rasche und positive Ergebnisse erreichen, dann ist das kein Doit-yourself-Thema, sondern etwas, was man mit professioneller Unterstützung angehen sollte.

3.

Hat man die richtigen Anwendungen gefunden und implementiert, kann das zu einer großen Entlastung bei Routineaufgaben und zu einem deutlichen Effizienzgewinn führen. Allerdings werden auch Aufgaben weitestgehend wegfallen und neue Möglichkeiten entstehen, die bisher mit zu hohem Aufwand verbunden waren. In Summe überwiegen aus unserer Sicht die Chancen, nicht die Risiken.

Effizienter fertigen mit KI

Schnellere Beschaffung, präzisere Produktion

Die Zukunft der Fertigung liegt in flexiblen, digitalen Prozessen. KI-gestützte Beschaffung macht es möglich, Konstruktion und Produktion nahtlos zu verbinden – damit Ingenieure sich auf das konzentrieren können, was wirklich zählt: Innovation.

Ingenieure stehen in der modernen Fertigung vor immer größeren Herausforderungen: Zeitdruck, steigende Anforderungen an Präzision und unflexible Lieferketten erschweren den Entwicklungsprozess. Wer innovative Produkte auf den Markt bringen will, muss schneller iterieren, präzisere Bauteile fertigen lassen und sich auf eine reibungslose Produktion verlassen können.

Doch genau hier scheitern viele Unternehmen. Die klassischen Beschaffungsprozesse bremsen Ingenieure aus, führen zu Verzögerungen und erschweren es, Ideen effizient umzusetzen.

Drei Kernprobleme stehen immer wieder im Weg:

1.Der Angebotsprozess ist langsam und frisst wertvolle Entwicklungszeit.

Ein neues Bauteil wird entworfen, optimiert – und dann? Statt sofort mit der Produktion zu starten, folgt eine lange Wartezeit: Angebote einholen, Lieferanten vergleichen und Rückfragen beantworten. Selbst kleine Änderungen am Design können den gesamten Prozess erneut verzögern. Währenddessen bleiben Projekte stehen.

Viele Ingenieure verschwenden täglich Stunden damit, unklare Lieferzeiten und Preisstrukturen zu entwirren. Ein einfacher Prototyp kann Wochen im Angebotsprozess hängen, bevor die eigentliche Fertigung beginnt. Diese Zeit fehlt für weitere Entwicklungsschritte.

2.Material- und Fertigungsoptionen sind oft unklar oder begrenzt. Welches Material ist ideal für das Bauteil? Welche Toleranzen lassen sich zuverlässig einhalten? Passt CNC-Fräsen, 3D-Druck oder eine andere Technologie besser? Klassische Beschaffungsprozesse liefern hier oft nur begrenzte Antworten.

3.Unvorhersehbare Lieferzeiten blockieren die Planung. Jeder Ingenieur kennt es: Ein Projekt ist fertig geplant, das Bauteil bestellt – doch dann kommt die Verzögerung. Lieferengpässe, Kapazitätsprobleme oder unerwartete Änderungen beim Fertiger verschieben den Zeitplan.

Eine unzuverlässige Fertigung macht agile Produktentwicklung fast unmöglich. Wird ein Bauteil nicht rechtzeitig geliefert,

kann die gesamte Konstruktion ins Stocken geraten. Und wenn die Deadline näher rückt, bleibt oft nur eine teure Expresslösung als Notlösung.

Sofort verfügbare Fertigung mit KI-gestützter Beschaffung

Xometry setzt auf künstliche Intelligenz, um Ingenieuren die Fertigung so einfach und effizient wie möglich zu machen. Statt lange auf Angebote zu warten, erhalten sie in Sekunden ein Sofort-Angebot. Eine intelligente Plattform analysiert das Bauteildesign, vergleicht Materialien und Prozesse und zeigt sofort die beste Lösung an.

Mit Xometry profitieren Ingenieure von: automatisierten Sofort-Angeboten Zugang zu über 10.000 geprüften Fertigungspartnern klaren und verlässlichen Lieferzeiten

Xometry setzt bei der smarten Beschaffung auf KITechnologie. Bild: Xometry

Mehr Zeit für Konstruktion, weniger Aufwand für Beschaffung

Während andere noch auf Angebote warten, starten Ingenieure mit Xometry direkt die Fertigung. Prototypen sind schneller verfügbar, Iterationszyklen verkürzen sich und Produktionsprojekte lassen sich einfacher skalieren.

Mehr Informationen: https://xometry.eu/de/

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

Dr. Gregor Schweppe

Leiter Competence Center

Data Science bei Megla

Bild: Megla

Zentrale Einsatzbereiche sind beispielsweise Qualitätskontrolle mit KI-gestützter Bildverarbeitung zur Fehlererkennung und Echtzeit-Analyse von Produktionsdaten. Die prädiktive Wartung erkennt den Wartungsbedarf frühzeitig durch Analyse von Sensordaten und verlängert dadurch die Maschinenlebensdauer. Eine Prozessoptimierung spart Energie und Material, verbessert Abläufe und passt Maschinenparameter in Echtzeit an. In der Robotik steuert KI komplexe Aufgaben und ermöglicht eine sichere Zusammenarbeit mit kollaborativen Robotern. Im Supply-Chain-Management verbessert KI Nachfrageprognosen, Bestandsüberwachung und automatisierte Prozesse.

Derzeit ist eine der größten Herausforderungen das Datenmanagement, welches häufig noch unter unzureichender Datenqualität und fragmentierten Systemen leidet. Die Integration in bestehende Systeme ist bei veralteter Infrastruktur schwierig und kostenintensiv. Der Fachkräftemangel erschwert die Implementierung von KI, während Arbeitsplatzängste Akzeptanzprobleme schaffen. Potenziell hohe Kosten mit gleichzeitig unsicheren ROI bremsen Investitionen. Sicherheits- und Datenschutzrisiken sowie fehlende Standardisierung erhöhen die Komplexität. Zudem sind KI-Modelle anfällig für unvorhersehbare Produktionsbedingungen und müssen entsprechend robust sein.

Die Automatisierung gefährlicher Tätigkeiten reduziert einerseits Arbeitsplatzrisiken, andererseits können dadurch auch Arbeitsplätze, insbesondere mit geringeren Qualifikationen, wegfallen. Arbeitsplatzstrukturen verändern sich, was Flexibilität fördert, aber Ungleichheiten vertiefen kann. Gleichzeitig schafft KI neue Berufsbilder in den Bereichen Programmierung und Datenanalyse. Umschulungen können dabei helfen.

Klaus Kriener

Principal Presales Consultant

bei Kumavision

gen, die Aufgaben entlang der gesamten Wertschöpfungskette im ERP zu vereinfachen, zu beschleunigen und gleichzeitig sicherer zu machen. Die Bandbreite reicht von einer Unterstützung im Einkauf, bei der drohende Materialengpässe bereits im Vorfeld erkannt werden, über eine KI-optimierte Produktionsplanung, die flexibel auf neue Rahmenbedingungen reagiert, bis zu einer KI-gesteuerten Auswertung von Servicedokumenten. Bereits heute können Sie mit Microsoft Copilot selbst einen Chatbot erstellen, der Fragen zu Reparaturanleitungen wie ein ‚echter‘ Kollege beantwortet.

Die besten Ergebnisse liefert KI, wenn sie mit Daten aus dem Unternehmen trainiert wird. In vielen Fällen ist aber die Qualität der Stamm- und Bewegungsdaten nicht optimal. Dazu kommt, dass Daten oft in verschiedenen Systemen (Datensilos) liegen. Eine einheitliche Plattform für alle Unternehmensprozesse wie Microsoft Dynamics 365 und eine bessere Datenqualität sind aus unserer Sicht für den effizienten Einsatz von KI unverzichtbar und bilden die Grundlage für die Automatisierung von Geschäftsprozessen im ERP.

3. KI wird keine Arbeitskräfte ersetzen. Virtuelle KI-Assistenten wie Microsoft Copilot werden aber die Qualität der Arbeitsplätze nachhaltig verbessern. In allen Unternehmensbereichen sehen wir großes Potenzial, mit KI Routineaufgaben, zum Beispiel im ERP, zu automatisieren beziehungsweise zu beschleunigen. Gleichzeitig kann KI dazu beitragen, die Fehlerquote zu senken, was sich direkt auf die Zufriedenheit der Mitarbeitenden auswirkt: Weniger Stress und weniger Feuerwehreinsätze, dafür mehr Zeit für wertschöpfende Aufgaben.

Stephan Baier

Partner bei MHP

Bild: MHP

Aktuell kommt KI vor allem im Bereich des Qualitätsmanagements zum Einsatz. Hier gibt es bereits zahlreiche KI-Anwendungen, die bei verschiedenen Prozessen unterstützen können. So lassen sich beispielsweise Auffälligkeiten im Produktionsprozess mithilfe von KI optimieren. Automatisiert und prüfstandbasiert kann so ein KI-basiertes Tool Störgeräusche in Echtzeit erkennen, beispielsweise im Fahrwerk auf Komponentenebene. Muster und Auffälligkeiten lassen sich so schneller entdecken, was wertvolle Zeit und Ressourcen einspart. Ähnlich bei den Schraubprozessen: Die Analyse von Verschraubungen ist zeitaufwändig und komplex. Auch hier kann KI mit einer intelligenten Prüfmechanik unterstützen. Langfristig lässt sich so die Prozessabsicherung in der Schraubtechnik effizienter gestalten.

2.

Bild: Kumavision

Von einer autonomen, vollautomatisierten Fabrik sind wir noch weit entfernt. KI kann aber bereits heute dazu beitra-

Der technologische Fortschritt im Bereich KI ist rasant und stellt vor allem die eigenen Mitarbeiterinnen und Mitarbeiter vor diverse Herausforderungen. Die Implementierung und Nutzung von KI-Lösungen erfordert Know-how und konkrete Anwendungsfälle im Unternehmen. Die Belegschaft muss stetig

WEITER AUF SEITE 18

KI und ERP: Dreamteam für mehr Wettbewerbsfähigkeit

Gesteigerte Produktivität, stabile Lieferketten, verbesserte Kundenzufriedenheit, bessere Entscheidungen und entlastetes

Personal: Das Zusammenspiel von künstlicher Intelligenz (KI) und ERP-Software schafft nachhaltige Wettbewerbsvorteile. Welche Möglichkeiten dabei der virtuelle KI-Assistent Microsoft Copilot und Kumavision-ERP-Branchensoftware für die Fertigungsindustrie bieten, erfahren Sie in diesem Beitrag.

Experten sind sich einig: Künstliche Intelligenz wird die Arbeitswelt nachhaltig verändern. Viele Unternehmen wollen das Potenzial von KI nutzen, stehen aber vor der Frage, wie sie diese wegweisende Innovation in ihre Geschäftsprozessen einbinden. Die Einführung externer KI-Lösungen ist oft mit großem Zeitund Kostenaufwand verbunden. Zudem ist die Zielsetzung oft unscharf. „Irgendwas mit KI“ reicht nicht aus. Die ERP-Branchensoftware von Kumavision auf Basis von Microsoft Dynamics 365 bietet eine attraktive Alternative, die durch eine kurze Timeto-Value und eine hohe Praxistauglichkeit überzeugt. Denn mit Microsoft Copilot ist künstliche Intelligenz serienmäßig in der ERP-Software – und auch in vielen weiteren Microsoft-Anwendungen – integriert. Unternehmen können so schnell und einfach KI unternehmensweit nutzen und profitieren von KI-Funktionen, die exakt auf die Anforderungen von Unternehmen abgestimmt sind.

Durchgängige KI-Unterstützung

Die Komplexität globaler Lieferketten stellt viele Unternehmen vor große Herausforderungen. Microsoft Copilot hilft dabei, diese Komplexität mit Transparenz und Kontrolle zu bewältigen. Durch die tiefe Integration mit der Kumavision-ERP-Software können Unternehmen Risiken über die gesamte Supply Chain frühzeitig erkennen, Lieferantenbeziehungen analysieren, Bestände optimieren und Lieferzeiten verkürzen. Microsoft Copilot unterstützt bei der Vorhersage von Nachfrageschwankungen und der optimalen Auslastung der Produktion.

Zeitsparende Automatisierung

Kundenanfragen beantworten, Daten und Dokumente aller Art in natürlicher Sprache analysieren, E-Mails vorberei -

ten, Informationen suchen und aufbereiten: Die Möglichkeiten für den Einsatz von Microsoft Copilot sind gewaltig. Der KI-Assistent auf Basis von ChatGPT steigert nicht nur die Produktivität, sondern auch die Zufriedenheit Ihrer Beschäftigten. Von der Übernahme von Bestellpositionen in die Auftragsmaske über das Anlegen von Projektplänen bis zu komplexen Order-toCash-Prozessen: KI ermöglicht es, typische wiederkehrende Prozesse zeitsparend zu automatisieren. Unternehmen können so mit Kumavision ihr Business ohne zusätzliches Personal flexibel skalieren.

ERP-Branchensoftware von Kumavision Kumavision erweitert die Standardsoftware Microsoft Dynamics 365 Business Central um dutzende branchenspezifische BestPractice-Prozesse für den Maschinen- und Anlagenbau, Geräte- und Serienfertiger sowie die Medizintechnik. Vorkonfigurierte Systeme und die Einführungsmethodik SmartStart ermöglichen eine kurze

Time-to-Value. Die Cloud-Lösungen sind durch monatliche, automatische Updates immer auf dem aktuellen Stand. Die technologische Basis Microsoft Dynamics 365 verbindet alle Business Anwendungen (ERP, CRM, DMS, BI, Office, Teams, Outlook) ohne Datensilos in einem Ökosystem – inklusive KI-Unterstützung. Das Ergebnis: Mehr Agilität und Wettbewerbsfähigkeit, um die Zukunft Ihres Unternehmens dauerhaft zu sichern.

Die ERPBranchensoftware von Kumavision auf Basis von Microsoft Dynamics 365 überzeugt durch eine kurze TimetoValue und eine hohe Praxistauglichkeit. Bilder: Kumavision

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

weitergebildet und über mögliche Vorteile aufgeklärt werden. So lässt sich Akzeptanz, Technologiewissen und ein Sicherheitsgefühl aufbauen. Besonders wichtig: Die Implementierung eines transparenten und offenen KI-Mindsets im Unternehmen.

3. Natürlich hat der Einsatz von KI einen Einfluss auf die Ausgestaltung von Arbeitsplätzen – jedoch im positiven Sinne: Die Synthese von Mensch und KI führt zu neuen Effizienzpotenzialen im Arbeitsalltag: Repetitive Aufgaben lassen sich durch spannende Tätigkeiten ersetzen. KI kann dabei eine hilfreiche Ergänzung für die Mitarbeitenden in der Fertigung sein. Im Qualitätsmanagement sind KI-basierte Tools in der Lage, Fehler schneller zu erkennen, was aufwändige manuelle Prüfungen reduziert und teure Nacharbeiten für Mitarbeitende vermeidet. Sie erhalten mehr Zeit, die sie für wichtige Aufgaben nutzen können.

Thorsten Strebel

Geschäftsführer Products & Services bei MPDV Mikrolab Bild: MPDV Mikrolab

1. KI kann in fast jedem Anwendungsszenario in der Smart Factory eingesetzt werden. Unternehmen profitieren insbesondere dann, wenn die künstliche Intelligenz Zusammenhänge erkennen und nutzen kann, die dem menschlichen User verborgen bleiben. Ein Beispiel dafür ist die Fertigungsplanung: Durch KI spart einer unserer Kunden rund 50 Prozent seines Planungsaufwands ein. Dadurch konnte er die Durchlaufzeit signifikant senken und somit die Produktivität deutlich steigern.

2. In den Unternehmen liegen in der Regel Daten für die Umsetzung von KI-Projekten bereits vor – jedoch nicht in einer nutzbaren Form. Deswegen geht es beim Projektstart erst einmal darum, die Daten für das Training der KI aufzubereiten. Das geschieht nach der etablierten CRISP-DM-Methode, also das Standard-Modell für Data Mining. Doch dieser Arbeitsschritt ist teuer und zeitintensiv. Wir haben uns deshalb dazu entschlossen, diesen Prozess zu automatisieren und setzen auf KI-Standardanwendungen. Die Daten dafür werden in unserer Manufacturing Integration Platform bereits strukturiert und semantisch abgelegt. Damit reduzieren sich Kosten- und Zeitaufwand nachweisbar.

In meinen Augen werden durch KI keine Arbeitsplätze verloren gehen. Im Gegenteil, es ergeben sich dadurch neue Möglichkeiten, vorhandene Daten gezielt zu nutzen, um

effizient und effektiv zu produzieren. Ich denke, KI wird Arbeitsplätze sogar sichern. Denn die Industrie benötigt Fachkräfte, die sich mit künstlicher Intelligenz auskennen und die auf Basis der neu gewonnenen Erkenntnisse die richtigen Entscheidungen treffen. Deswegen bin ich davon überzeugt, dass KI Unternehmen entscheidende Wettbewerbsvorteile bringt, wenn diese Technologie gezielt und strategisch wirksam zum Einsatz kommt.

Fabian Ritter

Lead „Smart Factory“ bei Novatec Consulting Bild: Novatec Consulting

Neben den verbreiteten Anwendungsfällen mit Bilderkennung, zum Beispiel in der Qualitätskontrolle, stehen zur Zeit vor allem Anwendungsfälle im Bereich Datenanalyse im Vordergrund. Hier kommen KI-Werkzeuge zum Einsatz, um beispielsweise durch eine intelligente Lagerbestandsführung Produktionsprozesse und die gesamte Supply-Chain zu optimieren.

Die strukturierte Zusammenführung von Informationen aus unterschiedlichen Fachbereichen und Systemen hat sich für viele Unternehmen als Mammutaufgabe herausgestellt. Unternehmen, die nicht von Anfang an ihre Datenschätze konsequent offen und zugänglich gestaltet sowie katalogisiert haben, stehen vor erheblichen Schwierigkeiten. Denn: Ohne diese Struktur können sie die Möglichkeiten der übergreifenden Analysefähigkeiten nicht wirkungsvoll nutzen – gerade in komplexen Umgebungen.

3. Die Arbeitsplätze werden sich verändern – ob wir wollen oder nicht. Erfolg haben wird der, der KI weder verteufelt noch blind auf jedes Problem wirft. Das gilt nicht nur für Unternehmen, sondern auch für die Mitarbeitenden selbst. Dass wir mittelfristig in der Fertigungsindustrie keine Arbeitsplätze mehr für Menschen haben, ist derzeit nicht abzusehen. Zweifelsohne wird es allerdings Arbeitsplätze geben, die durch KI ersetzt werden. Interessanterweise sehen wir bei KI das größte Potenzial nicht direkt in der Fertigungsstrecke, quasi am Band, sondern eher in Planungs- und Leitungsfunktionen. Es bleibt auf jedem Fall spannend.

Gherdi Glaser

Innovation Manager für künstliche Intelligenz bei NTT Data Business Solutions

Bild: NTT Data Business Solutions

1. Im Grunde überall da, wo Daten anfallen und Prozesse optimiert werden können. Die Fertigungsindustrie ist deshalb prädestiniert für den Einsatz von KI. Um ein Beispiel zu geben: In jüngster Vergangenheit haben wir den Wareneingang einer Fertigung mit KI automatisiert. Das bedeutet, dass die ankommenden Lieferungen mit Bilderkennung erfasst, die

KI in der Fertigung: Drei „Quick Wins“ für schnelle Erfolge

Um der anhaltenden Polykrise etwas entgegensetzen zu können, bedarf es deutlicher Produktivitätsschübe – wie sie nicht zuletzt modernste KI verspricht. Doch Algorithmen erst über Monate hinweg zu trainieren, stellt oft keine Option dar. Fertiger benötigen schnelle Erfolge für mehr Effizienz und Wirtschaftlichkeit.

Tatsächlich bestehen mittlerweile verschiedenste KI-Szenarien, die sich oft mit verhältnismäßig geringem Implementierungs- beziehungsweise Trainingsaufwand realisieren lassen und damit schnell in der Praxis bezahlt machen. Zu ihnen gehören:

Finde den Fehler – Qualitätsoptimierung mit Defect Detection

Der Wettbewerb fordert immer höhere Geschwindigkeiten bei gleichbleibend hoher Qualität. Ein Dilemma, für das KI eine Lösung verspricht: Eine intelligente Defekterkennung kann fehlerhafte Produkte in Echtzeit aussortieren. Mittels Computer Vision analysiert sie dazu den Live-Feed einer Kamera, etwa über einem Förderband. Sind Defekte an den Produkten vorhanden, schlägt die KI Alarm oder sortiert das defekte Teil automatisiert über eine Weiche aus. Größere Vorarbeit ist hierfür nicht erforderlich. Es genügt, einige wenige Stunden an Videomaterial mit Beispielen von tatsächlichen Defekten zu erfassen, die erkannt werden sollen. Für Fertiger, die ihre Qualitätssicherung in kurzer Zeit optimieren wollen, eine ideale Lösung.

Produktionsreihenfolge optimieren – Darwin kennt die Lösung Durch häufiges Umrüsten geht Fertigern wertvolle Zeit verloren. Entscheidend ist daher eine optimale Produktionsreihenfolge. Sogenannte „genetische Algorithmen“ können dabei unterstützen. Angelehnt an die Prinzipien der Evolution beginnen sie zunächst mit zufälligen Reihenfolgen, selektieren daraus die vielversprechendsten und setzen diese neu zusammen. Daraus lassen sich wiederum die besten Reihenfolgen selektieren.

Nach nur wenigen Wiederholungen findet der Algorithmus meist eine Lösung, durch die sich die Auftragsdurchlaufzeit

Eine intelligente Defekterkennung mit KI kann fehlerhafte Produkte in Echtzeit aussortieren. Bild: MJ_Prototype/iStock

allein aufgrund der besser organisierten Reihenfolge der Arbeitsaufgaben deutlich erhöhen lässt. Dazu bedarf es keines vorausgehenden Trainings; die KI unterstützt bei der Lösung einer mathematischen Funktion.

Sprechende Analysen –

KI-Ergebnisse erklären mit GenAI Demand Forecasting hat sich zu einer Parade-Disziplin für KI im Fertigungskontext entwickelt. Doch nicht selten zögern Verantwortliche, den Empfehlungen einer KI blind zu vertrauen – schließlich hängt viel von korrekten Materialverfügbarkeiten ab. Abhilfe kann in diesem Kontext GenAI schaffen: Sie kann lernen, die Faktoren zu benennen, die der Entscheidung des Algorithmus zugrunde liegen.

Die Basis hierfür bildet das sogenannte Grounding, das generative KI – ohne Nachtraining – an einen bestimmten Fakten- oder Datenpool bindet. Zur Erklärung von KI-Analysen kann unter anderem die sogenannte „Feature Importance“ genutzt werden. Sie beschreibt, wie wichtig die Rolle einzelner Faktoren für die Ergebnisse des Modells waren. Anstatt den Ergebnissen blind zu vertrauen, erhalten Verantwort-

liche konkrete Einblicke, wie bestimmte Schlussfolgerungen zustande kamen.

BE-terna: Ihr Partner für zukunftssichere KI-Lösungen

Als erfahrener Beratungs- und Implementierungsspezialist unterstützt BE-terna Fertigungsunternehmen bei der Umsetzung ihrer KI-Projekte: von der Identifizierung rasch realisierbarer Anwendungsszenarien über die Auswahl der passenden Technologie bis hin zur Prüfung von Datenqualität und Umsetzung der Implementierung.

BE-terna GmbH

Grabenweg 3a, 6020 Innsbruck, Österreich

TEL.: +43 (0)5 12 / 36 20 60 0

E-MAIL: office@be-terna.com www.be-terna.com

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

Labels per KI ausgelesen und automatisch in einem ERP-System verbucht wurden.

2. Kurze Antwort: Daten! Oftmals sind keine Metriken oder Maschinendaten aufgenommen worden. Ohne Daten auch kein mögliches Training für eine KI. Die Qualität der Daten spielt ebenfalls eine große Rolle. Sind die Daten unstrukturiert, lückenhaft oder in unterschiedlichen Formaten vorhanden, bedeutet dies einen erheblichen Mehraufwand. Besonders bei der Integration verschiedener Datenquellen kann das auftreten. Die Normalisierung der Daten kann bis zu zwei Drittel des ganzen Aufwands bedeuten und muss durchgeführt werden, bevor man am ersten KI-Modell arbeiten werden kann.

3. Ich wünschte, ich könnte in die Glaskugel schauen. Es gibt hier verschiedene Szenarios: Von der menschenleeren Fabrik, die nur von Robotern betrieben wird, bis hin zu Mitarbeitenden, die in der Fertigungsindustrie nur noch verwaltend tätig sind. Hier eine seriöse Prognose zu geben, ist fast unmöglich. Ich denke aber, der Einsatz von KI wird zu einer höheren, vergleichbaren Qualität führen, da Prozesse noch mehr standardisiert werden. Das hat auch den angenehmen Nebeneffekt, dass die Fertigungsindustrie noch sicherer werden wird. Ich rechne mit neuen, spannenden KI-Anwendungen in der Fertigungsindustrie, die unseren Arbeitsalltag erleichtern.

Dr.-Ing. Kevin Cremanns

Co-Gründer und Leiter Forschung & Entwicklung bei PI Probaligence Bild: PI Probaligence

KI kommt derzeit in der Fertigung vor allem in der Qualitätskontrolle (Bilderkennung zur Fehlererkennung), in der vorausschauenden Wartung (Predictive Maintenance), in der Prozessoptimierung (intelligente Produktionsplanung) und in der Robotik zum Einsatz. Konkrete Beispiele sind automatisierte Sichtprüfungen, KI-gestützte Sensoranalysen für Maschinenzustände und selbstlernende Fertigungsroboter. KI ermöglicht die Erkennung von Defekten in Echtzeit, optimiert Wartungszyklen und steigert insgesamt Effizienz sowie Produktqualität. Auf Basis von Simulationsdaten lässt sich die KI ebenfalls sehr gut einsetzen.

Die größten Herausforderungen sind oft eine unzureichende Datenmenge oder Datenqualität, die komplexe

Integration in bestehende Systeme, Sicherheits- und Datenschutzanforderungen, Fachkräftemangel sowie gegebenenfalls hohe Investitionskosten. Zudem fehlen teils klare Standards und Best Practices für den großflächigen KI-Einsatz. Diese Faktoren können die Implementierung verzögern und erfordern Kooperation zwischen IT, Produktion und Geschäftsleitung, um KI erfolgreich einzuführen.

3. KI wird Arbeitsplätze teils verändern: Routineaufgaben werden zunehmend automatisiert, während neue Tätigkeiten in Datenanalyse, KI-Entwicklung und Überwachung entstehen. Mitarbeiter müssen sich weiterqualifizieren, um andere Rollen zu übernehmen. Die Automatisierung kann Stellen mit repetitiven Aufgaben ersetzen, bietet jedoch gleichzeitig Chancen für neue Jobs und Prozessinnovationen.

Christian Zillner

Head of Industrial AI Deployment bei Siemens

Bild: Siemens

1. Bei Siemens ermöglichen wir Kunden, KI-Technologien breit anzuwenden und setzen KI selbst in vielen Bereichen unserer eigenen Produktionsstandorte ein. Konkrete Anwendungsfälle sind: Predictive Maintenance, Qualitätskontrolle und Engineering. Beispielsweise unterstützt der Siemens Industrial Copilot, ein auf generativer KI-gestützter Assistent, Automatisierungsingenieure bei der Programmierung von Steuerungen.

KI-Lösungen in Fertigungsumgebungen zu implementieren, ist aufgrund fehlender Standardisierung und spezifischer Fachkenntnisse sehr komplex. Oft sind für den Erfolg von KI-Anwendungen die Qualität und Verfügbarkeit der zugrunde liegenden Daten entscheidend. In der Fertigungsindustrie müssen heterogene Daten aus verschiedenen Quellen integriert und aufbereitet werden. Außerdem müssen KI-Systeme hohe Sicherheits- und Qualitätsanforderungen erfüllen und Cybersecurity-Anforderungen einhalten. Siemens ermöglicht es Industriekunden, diesen Herausforderungen mit der Industrial AI Suite, einer Plattform zum Einsatz von KI in der Fertigung, zu begegnen.

Die Nutzung von KI in der Industrie ist eine große Chance für Deutschland, um die Technologieführerschaft in der Produktion weiter ausbauen. KI-Systeme helfen, den Fachkräftemangel in der Fertigung auszugleichen, machen Produktionsprozesse effizienter und verkürzen die Markteinführungszeiten neuer Produkte. Dies kann deutschen Unternehmen wichtige Wettbewerbsvorteile ermöglichen. Durch KI entstehen zudem neue Aufgaben, zum Beispiel in der Datenanalyse oder bei der Zusammenarbeit von Mensch und Maschine. Das macht Fertigungsjobs attraktiver und erleichtert es, qualifiziertes Personal zu finden.

Die digitale Zukunft ist jetzt

Ende-zu-Ende-Effizienz im KI-gestützten Dokumenten- und Qualitätsmanagement

Fabasoft Approve nutzt künstliche Intelligenz im Dokumenten- und Qualitätsmanagement, um Prozesse im Maschinen- und Anlagenbau unternehmensübergreifend zu optimieren. Die direkt in der Software integrierte KI-Technologie unterstützt Anwender und Anwenderinnen mit innovativen Funktionen wie dem Dokumenten-Chat, der intelligenten Dokumentenklassifizierung oder im Reklamationsmanagement.

Einer der großen Vorteile künstlicher Intelligenz liegt in der Datenverarbeitung und -analyse. Fabasoft Approve macht sich genau das zunutze: Die in das DMS/QMS integrierte KI verarbeitet enorme Datenmengen aus verschiedenen Quellen in Echtzeit. Damit steigert KI die Prozesseffizienz, verbessert die Fehlerresistenz entlang der gesamten Wertschöpfungskette und filtert auf Knopfdruck die gewünschten Informationen.

Somit gehört E-Mail-Chaos beim werksübergreifenden Arbeiten in Industrieprojekten der Vergangenheit an: Fabasoft Approve verbindet als cloudbasierte Ende-zu-EndeSoftware alle Beteiligten in der Supply-Chain, vom Sublieferanten bis hin zum Endkunden. Die Zuständigen erhalten – gesteuert durch ein hinterlegtes Rechte- und Rollensystem – ihre zu erledigenden Aufgaben bequem im Arbeitsvorrat direkt im Dashboard. So ist lückenlose Nachvollziehbarkeit gesichert und die Fehlerquote sinkt.

Bessere Entscheidungen treffen mit Fabasoft Approve

Ein Beispiel für die Effizienzgewinne im DMS/QMS ist der KI-unterstützte Dokumenten-Chat. Diese Funktion ermöglicht es den Nutzern und Nutzerinnen, durch KI-gesteuerte Dialoge direkt mit einer Fülle von Unterlagen zu interagieren und so relevante Informationen rasch und präzise zu extrahieren. Ob es um die Klärung von Qualitätsfragen oder die Identifikation einer speziellen Materialnummer in einer tausendseitigen Spezifikation geht, die KI hilft dabei, Informationen schneller und fundierter zu finden.

KI-generierte 360-Grad-Sichten bieten einen umfassenden Überblick über Pro-

jekte, Produkte oder Bauteile aus unterschiedlichsten Systemen. Die künstliche Intelligenz erkennt automatisch relevante Metadaten wie Materialnummern oder Codes wie DCC und KKS in technischen Dokumenten, gleicht diese mit vorhandenem Wissen ab und bereitet alle Daten in einem übersichtlichen Dashboard auf. So ermöglicht sie eine mühelose Navigation durch die verknüpften Informationen mit nur einem Klick.

Qualitätsmanagementsystem mit KI-Power

Von der automatisierten Erstellung von auftragsbezogenen Prüfplänen oder umfangreichen Quality Control Plans über die Bearbeitung von Checklisten bis hin zur normenkonformen Verwaltung von Qualitätsdokumenten: Die KI-gestützte CAQSoftware Fabasoft Approve ermöglicht eine nahtlose Integration aller Qualitätsprozesse und sorgt für eine lückenlose Dokumentation und Nachverfolgbarkeit entlang der gesamten Lieferkette. Dabei integriert Approve über Schnittstellen auch ERP-Daten nahtlos und führt diese wieder zurück.

KI im Reklamationsmanagement

Ein spannender Anwendungsfall zeigt sich im Reklamationsmanagement: Der 8D-Prozess ist eine beliebte QM-Methode, um während des Produktionsprozesses auftretende Mängel zu bearbeiten. Hier zeigt sich der Mehrwert der KI, denn durch die Analyse vergangener Projekte lernt die KI und liefert bei jedem Schritt des 8D-Prozesses passende Vorschläge, beispielsweise für Sofort -oder Korrekturmaßnahmen. Sie bereitet auf den Kontext abgestimmte Mängelbeschreibungen vor, die sich

Das KIgestützte DMS/QMS Fabasoft Approve optimiert EndezuEndeProzesse in der Industrie. Bild: Pakin Jarerndee/GettyImages

direkt in den Workflow integrieren lassen. Lieferanten, Einkauf und Qualitätsverantwortliche erhalten automatisierte Benachrichtigungen über den Status des aufgetretenen Mangels.

Die Erkenntnisse aus Reklamationen tragen als „Lessons Learned“ in Verbindung mit proaktiven Methoden wie der Fehlermöglichkeits- und Einflussanalyse (FMEA) zu einer vorausschauenden Qualitätssicherung bei, die Fehler bereits vor ihrer Entstehung verhindern kann: Stichwort „Predictive Quality“. Der Mensch bleibt dabei stets in der Entscheidungsfindung – die KI dient als wertvolle Unterstützung. Mehr Informationen: www.fabasoft.com/approve

KOSTENLOSES WHITEPAPER

Laden Sie sich über diesen QR-Code das Whitepaper „KI in der Praxis: Intelligentes Dokumenten- und Qualitätsmanagement für die Industrie“ herunter.

FRAGEN AN DIE EXPERTEN:

1 KI-Anwendungen rücken auch in der Industrie immer mehr in den Fokus. In welchen Bereichen der Fertigung wird KI aktuell eingesetzt und welche konkreten KI-Anwendungsfälle gibt es bereits?

2 Was sind derzeit die größten Herausforderungen bei der Implementierung von KI in der Fertigungsindustrie?

3 Welche Auswirkungen wird KI auf die Arbeitsplätze in der Fertigungsindustrie haben?

Dr. Markus Westermeier

CEO und Mitgründer von Spanflug Technologies

Bild: Spanflug Technologies

Die interessantesten Automatisierungs- und Softwareanwendungen, die wir im Fertigungsumfeld sehen, sind oft keine reinen KI-Anwendungen. Ob beim Predictive Maintenance oder bei Softwaretools für Vertrieb, Einkauf oder Auftragsabwicklung – in marktreifen Lösungen, die ab Tag 1 Ergebnisse liefern, kommt KI heute fast ausschließlich im Methodenmix mit anderen intelligenten Algorithmen und Experten-Know-how zum Einsatz. Solche Anwendungen können für einzelne Prozesse sofort enorme Effizienzvorteile bringen. Ich denke da an den klassischen Lohnfertiger, der Angebote automatisiert schneller, präziser und reproduzierbar kalkuliert. Oder den Sondermaschinenbauer, der auf der Spanflug-Plattform dank KI seine individuell konstruierten Bauteile mit ein paar Klicks auf Fertigbarkeit prüfen, ein Sofortangebot erhalten und sie auf der passenden Maschine fertigen lassen kann.

Die größte Limitierung für reine KI-Anwendungen sind die riesigen Datensätze und langen Trainingsphasen, wie sie beispielsweise für eine umfassende Analyse von Betriebsdaten zur Fertigungsoptimierung nötig wären. Hier bieten marktreife Anwendungen Vorteile, die KI gezielt für Teilaufgaben einsetzen. Denn gerade KMUs haben in der Regel keine eigenen Datenspezialisten oder IT-Experten für die Implementierung und können solche komplexen Projekte weder zeitlich noch finanziell stemmen.

Meiner Meinung nach wird KI aktuell keine Aufgabe auf dem Shopfloor komplett übernehmen können und beispielsweise nicht eigenständig NC-Code für komplexe Bauteile schreiben können. Indem KI bisher manuelle Abläufe automatisiert und beschleunigt, kann sie aber als Effizienzhebel Fachkräfte entlasten und dabei helfen, bessere Entscheidungen zu treffen.

Ole Marx

Regional Sales Director bei Xometry Europe

Bild: Xometry Europe

KI wird in der Fertigungsindustrie vor allem in der Angebotserstellung, Produktionsplanung und Qualitätssicherung eingesetzt. Bei Xometry nutzen wir KI, um Ingenieuren und Einkäufern sofort präzise Angebote zu liefern. Diese basieren auf technischen Anforderungen und historischen Daten. Die Ingenieure profitieren von automatisierten Designprüfungen (DFM), welche Fehler frühzeitig erkennen und die Entwicklungszeit stark verkürzen. Einkäufer wiederum erhalten bei uns die Möglichkeit, innovative Zielpreisaufträge abzugeben. Sie gelangen damit schneller und transparenter an ihre Zielpreise und können Entscheidungen rascher und kosteneffizienter treffen.

Eine große Hürde ist die zögernde Akzeptanz neuer Technologien und Plattformen: Ingenieure befürchten einen Kontrollverlust und Einkäufer zweifeln, ob neue Plattformen spezifische Anforderungen erfüllen. Zusätzlich erfordert die Integration in bestehende Systeme eine hohe Datenqualität. Unsere Erfahrung zeigt aber, dass Vertrauen durch klare Ergebnisse entsteht. Wir schaffen mit automatisierten Prüfungen, transparenten Angeboten und schnellen Reaktionen einen messbaren Mehrwert.

KI wird repetitive Aufgaben wie manuelle Angebotsvergleiche oder die Planung standardisierter Prozesse automatisieren. Damit haben Ingenieure mehr Zeit für Innovation und die Optimierung technischer Details. Einkäufer wiederum können sich stärker auf strategische Beschaffungsentscheidungen konzentrieren, statt sich mit aufwändigen Preisvergleichen aufzuhalten. KI ersetzt solche Jobs nicht – sie verändert vielmehr Arbeitsweisen, schafft Freiraum für kreative und strategische Aufgaben und hilft Teams, ihre Arbeit effizienter und stressfreier zu gestalten.

KI-GESTÜTZTE PRODUKTIONSPLANUNG MIT FELIOS

Hit the road of AI Maschinenbau

…und nimm deine Mitarbeitenden mit! „Wer bei KI nicht mitzieht, bleibt auf der Strecke“ oder „KI ist der Schlüssel zu langfristigem Erfolg“. Viele Führungskräfte reagieren auf diese Phrasen inzwischen mit einem Augenrollen. Viel zu oft haben sie diese Aussagen schon gehört. Doch die Praxis zeigt: Es stimmt – zumindest, wenn Unternehmen auf der „Road AI“ einige „Verkehrsregeln“ beachten, anstatt blind das Gaspedal durchzutreten. VON STIPO NAD

Die Stopps auf der „Road AI“ führen zu einer effizienten Produktionsplanung.

Führungskräften muss klar sein, dass technologische Innovationen ohne die aktive Unterstützung und Einbindung der Mitarbeitenden scheitern können“, erklärt Markus Günther, Head of Sales Produktion beim Aachener Softwareunternehmen Inform. „Denn KI, Mensch und Unternehmen sollten in der modernen Fertigung eine untrennbare Einheit bilden.“ Das zeigen auch die Manroland Web Produktionsgesellschaft und die Ruhlamat GmbH. Beide Unternehmen haben ihre Produktion und Fertigung mit einem KI-gestützten Advanced-Planningand-Scheduling-(APS-) System optimiert. KI bietet heute verschiedene Methoden, die erwiesene Mehrwerte für die Fertigung schaffen: Generative KI, beispielsweise Sprachmodelle oder sogenannte Copiloten, bilden einen Teilbereich davon. Ergänzt wird dieser durch nicht-generatives maschinelles Lernen. Mittels Machine Learning können zum Beispiel Prognosen für

Wiederbeschaffungszeiten simuliert werden – als Grundlage für die Optimierung der Produktionsplanung und Fertigung. In enger Interaktion mit dem Menschen verhilft eine KI-gestützte Software Unternehmen außerdem dabei, intelligente und fundierte Entscheidungen auf Basis von Decision Intelligence zu treffen. Das zeigt auch das Beispiel der Manroland Web Produktionsgesellschaft.

Manroland: Den Wandel aktiv begleiten Als Komplettlieferant für mechatronische Komponenten schreibt sich Manroland Präzision, Perfektion und Passion auf die Fahne. Das Unternehmen designt, fertigt, montiert und verdrahtet Bauteile und übernimmt sowohl die Inbetriebnahme als auch Qualitätsprüfung. Dabei steigt es ständig in neue Geschäftsfelder und Branchen ein und passt die Prozesse hochflexibel auf die Bedürfnisse der Kunden und Partner an. Für das Unternehmen ist es beson-

ders wichtig, termintreu zu liefern. Daher hat Manroland seit 2019 die KI-gestützte Produktionsplanungssoftware Felios des Aachener Softwareunternehmens Inform eingeführt.

Natürlich war die Einführung von Felios nicht von Anfang an ein Selbstläufer. Das musste auch Manroland erfahren, denn die Belegschaft begegnete der Digitalisierung und dem neuen System zunächst mit Zurückhaltung und Skepsis. Viele Mitarbeitenden hatten Bedenken, das neue Tool nicht bedienen zu können oder fürchteten gar von diesem ersetzt zu werden. Durch regelmäßige Feedbackrunden konnte Manroland jedoch Stück für Stück eine Akzeptanz für die Software schaffen. „Wir haben den Change-Prozess zusätzlich vorangebracht, indem wir das APS-System auch in den angrenzenden Abteilungen, wie Vertrieb und Logistik, eingesetzt haben“, erklärt Franz Gumpp, Geschäftsführer bei Manroland Web Production. „Dies ermög-

licht – insbesondere in den Schnittstellenfunktionen – ein besseres Verständnis für das System.“

Planung- und Steuerung mit Köpfchen

Auf Basis entscheidungsintelligenter Verfahren der KI übernimmt Felios als Add-on aus dem ERP-System alle planungsrelevanten Daten, um unter Berücksichtigung der real verfügbaren, begrenzten Ressourcen und Kapazitäten optimale Terminpläne zu generieren. Speziell auf die Anforderungen des komplexen Maschinen- und Anlagenbaus zugeschnitten, führt das System alle Informationen automatisiert auf einer zentralen Plattform zusammen. Kurzfristige Änderungen zeigt das System in Echtzeit an, sodass ein unmittelbarer Abgleich mit allen Beteiligten möglich ist. Auf diese Weise sind alle Abteilungen stets auf dem gleichen Wissensstand und sämtliche Produktionsschritte optimal aufeinander abgestimmt.

7.000 Fertigungsaufträge mit 21.000 Folgen auf 76 Arbeitsplatzgruppen wickelt Manroland in der mechanischen Fertigung im Jahr ab. Bei eiligen Kundenaufträgen erkennen sie dank der intelligenten Software direkt: Was ist bereits vorhanden? Was können wir verwenden? Der Abstimmungsaufwand ist geringer, weil alle Unternehmensbereiche die relevanten Informationen auf einen Blick haben.

MARKUS GÜNTHER, HEAD OF SALES PRODUKTION BEI INFORM: „KI, Mensch und Unternehmen sollten in der modernen Fertigung eine untrennbare Einheit bilden.“

Bild: Inform

Mit der KIgestützten Lösung konnte Ruhlamat seine Produktivität erheblich steigern.

Bilder: Inform

Ruhlamat: Gemeinsam stark durch eine bereichsübergreifende Planung

Auch bei Ruhlamat arbeiten Mensch und Software in Einklang. Das traditionelle Maschinenbauunternehmen hat sich seit mehr als 30 Jahren als Spezialist für Sondermaschinenbau etabliert. Für anspruchsvolle Branchen wie die Automobil- und Medizintechnik sowie für die Produktion und Personalisierung von ID-Karten und Reisepässen liefert es maßgeschneiderte Lösungen.

Im Sondermaschinenbau, wo Flexibilität und Präzision essenziell sind, stellte die zunehmende Komplexität der Maschinen und Projekten Ruhlamat ohne ein geeignetes Produktionsplanungstool vor erhebliche Planungs- und Kapazitätsherausforderungen. Frühere, weitgehend papierbasierte und durch Excel gestützte Prozesse führten zu hohem Arbeitsaufwand und einer eingeschränkten Übersicht über die Ressourcenverfügbarkeit. Besonders gravierend waren die Herausforderungen im Bereich der Kapazitätsplanung, da fehlende Echtzeitdaten und Transparenz manuelle Anpassungen bei Terminverschiebungen erforderlich machten – ein zeitaufwendiger Prozess. Vor der Einführung von Felios plante Ruhlamat vieles über das ERP-System von AMS, das jedoch nur gegen unbegrenzte Kapazitäten planen konnte. Dank des APS-Systems sind diese nun realistisch ermittelbar und schaffen eine Grundlage für nachhaltig bessere Entscheidungen.

Maschinenbau-Unternehmen entwickeln die Software weiter Das Zusammenspiel von Technologie, Mensch und Unternehmen zeigt sich besonders in der Entwicklung eines Moduls zur Projekt- und Montageplanung, als Ergänzung zum APS-System: Denn Ruhlamat gibt dem Entwicklungsteam der Software stetig Feedback, um sie noch besser an die Bedürfnisse des Marktes anzupassen. Von Beginn an war das Unternehmen neben zehn weiteren Kunden in den Ausbau involviert und hat das neue Produkt vor dessen offizieller Einführung getestet. „Aufgrund der engen Zusammenarbeit in gemeinsamen Arbeitskreisen konnten wir aktiv Einfluss auf die Entwicklung der Software nehmen“, erklärt Dominik Rüger, Manager Operations Planning & Project Management bei Ruhlamat. „Unser Feedback hat zu einer praxisnahen Lösung geführt.“

Mit der KI-gestützten Lösung konnte Ruhlamat seine Produktivität erheblich steigern. Die Planung ist jetzt wesentlich effizienter und transparenter. Die Verfügbarkeit von Ressourcen und die Termintreue haben sich signifikant verbessert, was sowohl die internen Prozesse als auch die Zusammenarbeit mit den Kunden positiv beeinflusst. Die „Road AI“ ist somit keine schnelle Abkürzung, sondern eine gemeinsame Reise, die sich lohnt. KF

STIPO NAD ist Leiter Business Development Produktion bei Inform in Aachen.

Einsparpotenziale entdecken mit KI

MPDV liefert mit der AI Suite Standardanwendungen, die Fertigungsunternehmen ohne großen Aufwand implementieren und nutzen können.

1.200 Aufträge im Umlauf mit jeweils bis zu 20 Arbeitsgängen, zwei bis drei Aufträge pro Maschine pro Tag und ein Planungshorizont von sechs Monaten: „Das kann kein Mensch mehr überblicken. Deshalb brauchen wir ein System, das erkennt, was als Nächstes bearbeitet werden kann und die folgenden Arbeitsgänge automatisch einplant“, erklärt Michael Wetzel-Staar, Fertigungsleiter bei Vacom. „Was die Produktionsmenge und die Kapazität betrifft, können wir uns ohne KI nicht mehr weiterentwickeln: Es geht nicht mehr anders.“

Terminqualität massiv gestiegen

Vacom Vakuum Komponenten & Messtechnik fertigt Vakuumkammern sowie Sonderbauteile für Anwendungen im Hochvakuumbereich nach Kundenwunsch. Seit einigen Jahren hat das Unternehmen das Manufacturing Execution System (MES) Hydra sowie das Advanced Planning and Scheduling System (APS) Fedra von MPDV im Ein-

satz – seit einiger Zeit auch die Applikation „AI Planning“ des Software-Spezialisten.

„Mit APS Fedra sind wir in der Lage, dem Kunden mit der Auftragsbestätigung zu sagen, wann er sein kundenspezifisches Bauteil bekommt, und den Termin zu halten“, sagt Wetzel-Staar. Dank KI sei auch die Terminqualität massiv gestiegen. Damit die KI ausreichend Daten nutzen kann, werden die Personaleinsatzdaten für sieben Monate hinterlegt. So hat das Planungssystem die Freiheit, alle Arbeitsgänge neu zusammenzuwürfeln, damit das bestmögliche Planungsergebnis erreicht wird. Denn aus den vorhandenen Daten geht genau hervor, welche Teile bereits fertig sind, die das System für den nächsten Arbeitsgang einplanen kann. Leerlaufzeiten werden so vermieden.

Für ein Unternehmen aus dem Hochtechnologiebereich, das moderne Maschinen und fahrerlose Transportsysteme im Einsatz hat, war die Implementierung von AI Planning die logische Konsequenz,

um den Weg in die Zukunft weiter zu beschreiten. Das Beste daran: Neben der massiven Steigerung der termingerechten Auslieferung und den deutlich verringerten Durchlaufzeiten spart Vacom etwa 50 Prozent der Planungszeit ein.

Datenmengen nehmen kontinuierlich zu

Das Beispiel von Vacom zeigt deutlich, welches Potenzial in der Verwendung strukturierter Daten steckt und wie es mithilfe von KI bedarfsgerecht genutzt werden kann. Längst sind aber noch nicht alle Unternehmen so weit.

Denn laut der Studie „Digitalisierung 2024“ des Beratungsunternehmens Staufen ist das die Realität: Sechs von zehn Industrieunternehmen in der DACH-Region geben zu, bei der Analyse ihrer Daten höchstens einen oberflächlichen Blick darauf zu werfen und gehen nicht in die Tiefe. Viele Unternehmen entwickeln auf dieser Basis ihre Strategie und nutzen das Informationspotenzial strukturierter Daten so gut wie gar nicht. Die Folge: Es entstehen ungenaue Ergebnisse, die schlimmstenfalls ein verzerrtes Bild skizzieren. 61 Prozent der für die Studie befragten 417 Industrieunternehmen sind sich dieses Mankos durchaus bewusst.

Vorsprung durch KI

Ohne eine verlässliche Analyse und eine valide Datenbasis, wird es der Studie zufolge auf Dauer nicht gehen. Umso wich-

Das kann kein Mensch mehr überblicken. Deshalb brauchen wir ein System, das erkennt, was als Nächstes bearbeitet werden kann und die folgenden Arbeitsgänge automatisch einplant.“

MICHAEL

WETZEL-STAAR

Bild: MPDV, Adobe Stock, sofi ko14

tiger sind Werkzeuge, die mit diesen Datenmengen umgehen und Vorteile daraus ziehen können.

War es bisher schon schwer, ohne digitale Lösungen wie Fertigungs-IT effizient zu produzieren, so braucht es zukünftig immer intelligentere Software, um verlässliche Unternehmensstrategien zu entwickeln. „Künstliche Intelligenz nutzt den Datenschatz, um Muster zu erkennen, Ergebnisse vorherzusagen und um eine noch so komplexe Fertigungsplanung optimal zu realisieren“, erklärt Thorsten Strebel, Geschäftsführer Products & Services bei MPDV.

„Die KI-Methoden, die wir bei MPDV nutzen, sind erprobt, ausgereift und bereit für den produktiven Einsatz in der Industrie.“

Dadurch können sich Fertigungsunternehmen, die KI-Anwendungen einsetzen, einen signifikanten Wettbewerbsvorteil sichern, indem sie das volle Potenzial ihrer Daten ausschöpfen. So lässt sich zum Beispiel schneller erkennen, in welchen Schichten besonders effizient gearbeitet wird, vorhersagen, wie lange ein Rüstvorgang dauern wird oder das komplexe Netz aus Fertigungsaufträgen automatisch planen.

KI in die Fertigung implementieren

Unternehmen, die die Vorteile von KI nutzen wollen, sollten bereits bei der Projektplanung beachten, wie sie die intelligente Lösung verwenden wollen: Entweder nach dem Modell CRISP-DM (Cross Industry Standard Process for Data Mining), bei dem Daten individuell behandelt werden oder als Standardsoftware wie sie MPDV anbietet.

Ein Blick in die Fertigung bei Vacom zeigt den hohen Automatisierungsgrad und die damit verbundene Komplexität in der Planung.

„Die Daten für KI-Projekte gibt es heutzutage meist schon – allerdings nicht in nutzbarer Form“, sagt Thorsten Strebel. Daher geht es in den Projekten erst einmal darum, die Daten zum Anlernen der KI aufzubereiten. Bei Standardsoftware hingegen kann auf den manuellen Aufwand eines Data Scientist in der Regel verzichtet werden. Stehen die Daten in geeigneter Art und Weise zur Verfügung, werden die CRISP-DM-Phasen eins bis drei (siehe Abbildung) überflüssig und es kann sofort mit dem Modellieren begonnen werden. Daten in einer passenden Form bereitzuhalten, gehört zu den Kernanforderungen einer modernen Fertigungs-IT. In diesem Zusammenhang fällt oft der Begriff Integrationsplattform, die aus den Daten eine

Gemäß dem Vorgehensmodell Cross Industry Standard Process for Data Mining (CRISPDM) müssen Daten erst aufbereitet werden, bevor die KI sie nutzen kann.

Bild: MPDV, Adobe Stock, Rawpixel.com, nach einer Vorlage von Wikipedia

Die Daten für KI-Projekte gibt es heutzutage meist schon – allerdings nicht in nutzbarer Form.“

THORSTEN STREBEL

gemeinsame semantische Datenbasis bildet. Sind dort alle Daten entsprechend abgelegt, kann die KI-Software einfach darauf zugreifen und mit der Analyse beziehungsweise Arbeit beginnen. Bei MPDV übernimmt die Manufacturing Integration Platform (MIP) diese Aufgabe. Die Anwendungen der AI Suite ergänzen das Manufacturing Execution System (MES) Hydra X und das Advanced Planning and Scheduling System (APS) Fedra von MPDV um die Fähigkeiten der Künstlichen Intelligenz.

Produktivität auf nächstem Level KI bietet für Produktion und Fertigung eine Vielzahl von Anwendungsmöglichkeiten, die es Unternehmen erlaubt, Prozesse und Produktivität – letztendlich auch die finanziellen Erträge auf ein nächstes Level zu heben. Für die Industrie ist das in Zeiten von stagnierenden Märkten eine Chance, sich für aktuelle Herausforderungen zukunftsgerichtet aufzustellen. Durch die Wahl der richtigen Software-Lösungen entstehen erfolgversprechende Potenziale. KF

MARKUS DIESNER ist Principal Marketing Communications bei MPDV Mikrolab.

Bild: Vacom

Von der Datenflut zum Wettbewerb

Produzierende Unternehmen stehen vor der Herausforderung, ihre Effizienz und Produktivität zu steigern, Kosten zu senken und Ressourcen zu schonen. Die Auseinandersetzung und Beschäftigung mit Themen wie Big Data, Industrie 4.0, IIoT, KI und maschinellem Lernen sind längst keine Option mehr, sondern Notwendigkeit. Die IIoT-Plattform Moneo von Ifm bietet produzierenden

Unternehmen eine umfassende Lösung, um den digitalen Wandel erfolgreich zu bewältigen. VON STEPHANIE HEINZ UND HELENA TIETZ

Ob bewusst oder unbewusst – wir hinterlassen heute fast überall digitale Spuren, sei es im privaten oder beruflichen Umfeld. Diese wertvollen Daten werden gesammelt und gespeichert, doch ihr volles Potenzial bleibt oft ungenutzt. Statt ein unübersichtlicher „Datenwald“ zu sein, bieten sie enorme Chancen: Mit dem richtigen Know-how können Unternehmen aus ihren Daten wertvolle Erkenntnisse gewinnen, Prozesse optimieren und fundierte Entscheidungen treffen. Eine kluge Strategie und kontinuierliches

Lernen ermöglichen es, Struktur in die Datenwelt zu bringen und nachhaltige Wettbewerbsvorteile in einer datengetriebenen Zukunft zu sichern.

Der Schlüssel zur Datennutzung: die IIoT-Plattform Moneo

Um die Chancen der Digitalisierung in der Industrie voll auszuschöpfen, ist es essenziell, die richtigen Schritte einzuleiten. Der erste Schritt besteht in der Erfassung von Daten durch Sensoren und IoT-Geräte, die in Echtzeit Informationen von Maschinen

Die drei Schritte der Digitalisierung: Um die Chancen der Digitalisierung in der Industrie voll auszuschöpfen, ist es essenziell, die richtigen Schritte einzuleiten. Bild: Ifm Electronic

und Prozessen sammeln. Diese Daten werden anschließend in Datenbanken oder Clouds organisiert, um eine strukturierte Basis für die Analyse zu schaffen. From Sensor to Cloud – die IIoT-Plattform Moneo bietet eine Komplettlösung zur Datenerfassung, -analyse und -nutzung in der Industrie.

Von Sensoren, die Daten sammeln, bis zur KI-gestützten Analyse ermöglicht die Plattform präzise Vorhersagen, fundierte Entscheidungen und datengetriebene Prozessoptimierung. Highlights sind der Moneo IIoT Core, der Daten in verwertbare Informationen umwandelt, sowie das Software-Add-on Moneo IIoT Insights, das mit KI-Tools wie dem Moneo Industrial AI Assistant und Moneo Track & Trace Engpässe reduziert, Produktionsstillstände vermeidet und die Transparenz steigert. Damit wird die IIoT-Plattform Moneo zur Schlüsseltechnologie für Effizienz und Wettbewerbsfähigkeit.

Intelligenz im Kern: Wie KI Moneo noch smarter macht

Das Software-Add-on Moneo IIoT Insights wandelt Informationen in Mehrwerte um und bietet tiefgreifende Einblicke in die Herstellungs- und Produktionsabläufe der Fertigung. Dabei wird Künstliche Intelligenz genutzt, um Produktionsprozesse zu optimieren, die Resilienz der Lieferkette zu stärken und Sicherheit sowie Nachhaltigkeit zu fördern. Die KI analysiert die gesammelten Daten, erkennt Muster und deckt somit unentdeckte Erkenntnisse auf. Ein Fokus liegt auf der smarten Prozessüberwachung, die Abweichungen in Echtzeit erkennt. Die Plattform visualisiert komplexe Daten verständlich und unterstützt fundierte Entscheidungen. Zu den Tools gehören der Moneo Industrial AI Assistant und Moneo Track & Trace, beide treiben digitale Prozesse in Produktion und Logistik voran und verbessern diese deutlich.

Maschinen verstehen wie nie zuvor Jede industrielle Maschine oder Anlage weist einzigartige Betriebsmerkmale auf, die sich beispielsweise in Daten wie Schwingungen, Temperaturen oder sonstigen Prozessparametern widerspiegeln. Diese individuellen „Fingerabdrücke“ machen es schwierig, allgemeingültige Überwachungsregeln und -methoden anzuwenden. Daher müssen solche Überwachungsansätze flexibel, präzise und individuell anpassbar sein, um die spezifischen Muster und Verhaltensweisen jeder Maschine zuverlässig erkennen und analysieren zu können. Der besondere Ansatz des Industrial AI Assistant ist das Wissen um und die Nutzung dieser einzigartigen Signatur einer jeden Maschine. In dieser völlig neuen Weise, Maschinen zu verstehen und zu optimieren, liegen die wirklichen Wettbewerbsvorteile. Anhand von Maschinendaten, wie Schwingungen, Temperaturen und Lastprofilen, erkennt die KI individuelle Muster und Anomalien, die eine präzise Analyse und Vorhersage ermöglichen.

Der KI-Ansatz nutzt eine datenbasierte Methode, die historische Nutzungsda-

ten und Umweltfaktoren einbezieht, um Verschleißzyklen sowie die verbleibende Lebensdauer von verschleißenden Prozesskomponenten zu überwachen. Auch Verbrauchsmaterialien lassen sich zum Beispiel über deren Füllständen überwachen.

VON SENSOREN, DIE DATEN SAMMELN, BIS ZUR KI-GESTÜTZTEN ANALYSE ERMÖGLICHT DIE PLATTFORM PRÄZISE

VORHERSAGEN, FUNDIERTE ENTSCHEIDUNGEN UND DATENGETRIEBENE PROZESSOPTIMIERUNG.

Durch frühzeitige Alarme und optimierte Wartungsmaßnahmen sorgt der Assistant dafür, dass Produktionsprozesse effizient und störungsfrei bleiben. Das System ist branchen- und anlagenunabhängig und verwendet KI sowie maschinelles Lernen, um kontinuierliche Prognosen zu liefern und fundierte Entscheidungen zu treffen. Es bietet eine benutzerfreundliche „No-

Digitalisierung im Fokus

INNEO Solutions lädt am 27. Mai 2025 Branchenexperten und Vordenker nach Stuttgart ein.

Zu Gast: Ranga Yogeshwar mit Keynote und Podiumsdiskussion.

Das Internationale Congresscenter Stuttgart (ICS) wird am 27. Mai 2025 erneut zum Zentrum der digitalen Transformation, wenn die „Fachkonferenz Digitalisierung 2025“ ihre Tore öffnet. Seit 2017 organisiert INNEO Solutions, das IT-Systemhaus aus Ellwangen, dieses bedeutende Branchentreffen.

In diesem Jahr dürfen sich die Teilnehmer auf hochkarätige Keynotes freuen. Ranga Yogeshwar, einer der bekanntesten Wissenschaftsjournalisten Deutschlands, spricht über den großen Umbruch durch Innovationen in unserer Gesellschaft. Rainer Hald, CTO der Varta AG, berichtet über die Erfahrungen nach einem Cyberangriff und die Wiederherstellung der ITSysteme. Dr. Raphael Neuhaus vom VDMA beleuchtet die Rolle von Digitalisierung und KI im Maschinen- und Anlagenbau. Darüber hinaus bieten 15 Kunden- und

Ranga Yogeshwar spricht auf der „Fachkonferenz Digitalisierung 2025“ über den großen Umbruch durch Innovationen in unserer Gesellschaft. Bild: Klaus Goergen

Anwendervorträge praxisnahe Einblicke in bereits erfolgreich umgesetzte Digitalisierungsprojekte.

Seit ihrem Start im Jahr 2017 hat die Konferenz zahlreiche Meilensteine gesetzt. Ein Blick zurück zeigt den stetig wachsenden Einfluss der Veranstaltung: So war die Fachkonferenz Digitalisierung 2024 ein voller Erfolg. Über 750 Teilnehmer kamen im ICS zusammen, um sich über aktuelle Entwicklungen in den Bereichen CAD/PLM, IT und Cloud, Simulation, IIoT, ALM und digitale Realität auszutauschen.

Code-Lösung“, mit der Anwender ohne tiefgehende Data-Science-Kenntnisse KIModelle einfach erstellen und trainieren können. Ein benutzerfreundlicher 5-Schritte-Assistent leitet Anwender durch den Prozess, gibt Parameterempfehlungen und unterstützt Entscheidungsfindungen. So können erste Ergebnisse schnell erzielt werden, und ein sofort einsatzbereites KI-Monitoring ist in wenigen Minuten verfügbar.

Intelligente Überwachung und Vorhersage

Der Moneo Industrial AI Assistant ermöglicht es Unternehmen, je nach Bedarf das aktuelle oder zukünftige Verhalten ihrer Maschinen präzise zu analysieren und zu optimieren. Der Anwender kann zwischen verschiedenen Tools wählen.

Der Moneo SmartLimit Watcher überwacht kontinuierlich die Betriebsdaten und erkennt Anomalien sowie Abweichungen vom normalen Verhalten. Die spezifischen Betriebscharakteristika – der „Fingerabdruck“ jeder Maschine – werden erfasst und analysiert. Sobald ein Parame -

Spannende Einblicke und praxisorientierte Lösungen

Helmut Haas, CEO von INNEO, blickt optimistisch in die Zukunft: „Die Megatrends unserer Zeit – Digitalisierung, Fachkräftemangel, Nachhaltigkeit und Dekarbonisierung – sind nicht nur Herausforderungen, sondern Chancen für Unternehmen, sich neu zu positionieren und zukunftsfähig zu bleiben.“

Peter Behnisch, Leiter IT-Bereich und CISO von INNEO unterstreicht: „Ransomware, Social Engineering – die Lage wird immer bedrohlicher. Cybersecurity trägt maßgeblich zum Unternehmenserfolg bei und ist damit Chefsache.“

Die Fachkonferenz Digitalisierung 2025 verspricht erneut spannende Einblicke und praxisorientierte Lösungen für die digitale Zukunft.

Mehr Informationen erhalten Sie unter https://fachkonferenz. inneo.com oder über den nebenstehenden QR-Code.

Jede industrielle Maschine und Anlage hat eine einzigartige Signatur: ihren eigenen Fingerabdruck. Bild: shutterstock.com

ter außerhalb des definierten Rahmens liegt, alarmiert das Tool umgehend, sodass frühzeitig Maßnahmen eingeleitet werden können. Diese Funktionalität sichert reibungslose Abläufe, verhindert Ausfälle und maximiert die Maschinenverfügbarkeit.

Das Tool Moneo PatternMonitor stellt die Qualität der Produktionsprozesse schon während des laufenden Prozesses sicher. Durch die kontinuierliche Überwachung und Analyse von Daten erkennt die Software spezifische Muster und Verhaltensweisen. Abweichungen, die zu Qualitätsverlusten oder Ausschuss führen könnten, werden in Echtzeit identifiziert. Diese gezielte Musterüberwachung hilft, Produktionsfehler zu minimieren, Trends zu analysieren und die Fertigung nachhaltig zu optimieren.

Der Moneo LifetimeEstimator ist darauf spezialisiert, die verbleibende Nutzungsdauer von zyklisch verschleißenden Komponenten präzise zu berechnen. Basierend auf historischen Daten und Echtzeitinformationen liefert dieses Tool verlässliche Prognosen zur Lebensdauer von Bauteilen, Prozessequipment oder -komponenten. Es ermöglicht Unternehmen, Wartungen gezielt zu planen, Ersatzteile rechtzeitig zu beschaffen und ungeplante Stillstände zu

vermeiden. So wird nicht nur die Effizienz gesteigert, sondern auch die Lebensdauer der Anlagen verlängert.

Effiziente Nachverfolgung und Optimierung in Produktion und Logistik Ein weiteres Tool, das zu den Moneo Insights gehört, ist die smarte Software Moneo Track & Trace – ein innovatives System zur Verfolgung und Rückverfolgung von Produktionsaufträgen und Objekten wie Werkstückträgern, Halbfabrikaten, Trans-

EINE KLUGE STRATEGIE UND KONTINUIERLICHES LERNEN ERMÖGLICHEN ES, STRUKTUR IN DIE DATENWELT ZU BRINGEN UND NACHHALTIGE WETTBEWERBSVORTEILE IN EINER DATENGETRIEBENEN ZUKUNFT ZU SICHERN.

portgestellen und Werkzeugen. Diese Lösung ermöglicht Unternehmen eine lückenlose Transparenz in Produktionsund Logistikprozessen und unterstützt sie dabei, Abläufe effizienter zu gestalten und potenzielle Schwachstellen frühzeitig zu identifizieren. Das Tool arbeitet mit Identifikationstechnologien wie RFID und Codereading, um jedes Objekt eindeutig zu kennzeichnen. Dadurch wird nicht nur

der aktuelle Standort, sondern auch die gesamte Historie eines Objekts präzise dokumentiert. Die Rückverfolgbarkeit erstreckt sich von der Produktion bis zur Auslieferung, und schafft damit eine solide Basis für fundierte Entscheidungen und ein nachhaltiges Qualitätsmanagement. Auch standortübergreifendes Tracking ist durch die Software möglich, wenn die CloudFunktionalität genutzt wird.

Plattform ermöglicht fundierte und datengetriebene Entscheidungen Mit Tools, wie dem Moneo Industrial AI Assistant und Moneo Track & Trace, können Unternehmen ihre Maschinen und Prozesse smarter, effizienter und zukunftssicher gestalten. Durch die präzise Analyse von Maschinendaten, vorausschauende Wartung, die Sicherung der Prozessqualität und die Optimierung der Ressourcennutzung steigert Moneo die Effizienz und Wettbewerbsfähigkeit. Die Plattform fördert die digitale Transformation und ermöglicht fundierte und auf KI-Basis, datengetriebene Entscheidungen in Echtzeit. Ifm zeigt die smarten Tools von Moneo auf der Hannover Messe in Halle 9 am Stand D36. TB

STEPHANIE HEINZ ist Leiterin Unternehmenskommunikation und Marketing bei Ifm Statmath. HELENA TIETZ arbeitet im Product Management Marketing & Projects bei Ifm Solutions.

VOM DESIGN BIS ZUR AUSLIEFERUNG

Wie KI die verarbeitende Industrie

Wie KI die verarbeitende Industrie revolutioniert

Die Fertigungsindustrie befindet sich in einem tiefgreifenden Wandel: KI gestaltet Produktionsprozesse neu und erlaubt ein neues

Niveau an Effizienz, Präzision und Anpassungsfähigkeit. Eine der bedeutendsten Innovationen in diesem Bereich sind generative KI-gestützte digitale Zwillinge, die es Herstellern ermöglichen, detaillierte virtuelle Abbilder ihrer Produktionsanlagen zu erstellen.

VON FRANK SCHEUFENS

Diese virtuellen Abbilder erlauben Produktionsabläufe zu simulieren, Fabriklayouts zu optimieren und Wartungsbedarf mit beispielloser Genauigkeit zu prognostizieren. Das Ergebnis: verbesserte Entscheidungsfindung, mehr Nachhaltigkeit und höhere betriebliche Effizienz.

KI-gestützte digitale Zwillinge revolutionieren die industrielle Fertigung, indem sie Echtzeitdaten für vorausschauende Analysen nutzen. So können Unternehmen Produktionsprozesse optimieren, die Automatisierung weiter ausbauen und Ausfallzeiten minimieren, da potenzielle Probleme frühzeitig erkannt werden. Dies führt zu einem flexibleren und nachhaltigeren industriellen Ökosystem, das gleichzeitig sicherer ist und sich dynamisch an veränderte Marktbedingungen anpassen kann.

Skalierbare KI-Infrastrukturen:

Das Rückgrat der modernen Fertigung

Darüber hinaus verbessert KI die Zusammenarbeit zwischen Design-, Konstruktions- und Produktionsteams, indem sie Echtzeit-Feedback und Einblicke auf Datenbasis über den gesamten Fertigungszyklus hinweg liefert.

Die erfolgreiche Implementierung von digitalen Zwillingen setzt eine leistungsstarke und skalierbare Computerinfra -

Im Zentrum dieses Wandels steht die Integration leistungsstarker Computing-Lösungen, die KI-gestützte Fertigungsprozesse ermöglichen und optimieren. Plattformen wie Nvidia Omniverse bieten eine physikbasierte Echtzeit-Simulationsumgebung, in der Hersteller digitale Zwillinge testen und optimieren können. Gleichzeitig erleichtert Nvidia AI Enterprise den Einsatz von intelligenter Automatisierung und prädiktiver Analytik, während Nvidia NIM (Neural Inference Microservices) eine Cloud-native Plattform zur Vereinfachung und Beschleunigung der Bereitstellung von KI und generativen KI-Modellen bereitstellt, die in der Cloud, Rechenzentren oder Edge-Geräten betrieben werden kann. Diese Technologien helfen Herstellern, ihre Lieferketten widerstandsfähiger zu gestalten, die Qualitätskontrolle zu verbessern und durch KI-gestützte Analysen fundiertere Entscheidungen zu treffen. Mit der kontinuierlichen Weiterentwicklung intelligenter Datenanalyse können Unternehmen enorme Datenmengen auswerten, um Nachfrageschwankungen frühzeitig zu erkennen, die Ressourcenzuweisung zu optimieren und nachhaltigere Produktionszyklen zu realisieren.

Mit Nvidia Omniverse können Entwickler generative physikalische KI in bestehende SoftwareTools und SimulationsWorkflows für industrielle und roboterbasierte Anwendungsfälle integrieren.

struktur voraus. Die Verwaltung großer Datenmengen und die Ausführung komplexer Simulationen erfordern spezielle Hardware – darunter professionelle, für industrielle Anwendungen optimierte GPUs und KI-kompatible Workstations. Skalierbare Computing-Lösungen ermöglichen es Herstellern, KI-Technologien effizient zu integrieren, Abläufe zu optimieren und die betriebliche Kontinuität sicherzustellen.

Neben Digitalen Zwillingen revolutioniert KI folgende Industriebereiche:

Intelligente Robotik, gesteuert durch maschinelle Lernalgorithmen, automatisiert Montagelinien und optimiert den Materialtransport.

KI-gesteuerte Qualitätskontrollsysteme nutzen Computer Vision, um Defekte in Echtzeit zu erkennen, Ausschuss zu reduzieren, Fehler frühzeitig erkennen und Präzision zu verbessern.

Resilienz und KI-gestützte Lieferkettenoptimierung verbessert die Bestandsverwaltung, prognostiziert Nachfrageschwankungen und steigert die Effizienz der logistischen Koordination. Edge-KI und industrielle IoT-Technologien ermöglichen die Datenverarbeitung in Echtzeit auf Fabrikebene, wodurch Latenzzeiten minimiert und Betriebsabläufe optimiert werden.

KI-Infrastrukturen nach Maß: PNY als Partner in der Fertigungsindustrie

KI-basierte digitale Zwillinge und industrielle Anwendungen erfordern eine enorme Rechenleistung. Hier spielt PNY als strategischer Partner im Nvidia-Ökosystem eine Schlüsselrolle. Mit Nvidia RTX Professional GPUs liefert PNY leistungsstarke Lösungen für Echtzeit-Visualisierung und KI-Beschleunigung, während speziell entwickelte KI-Workstations anspruchsvolle KI-Arbeitslasten effizient bewältigen.

Dank jahrzehntelanger Erfahrung im Bereich von KI-Infrastruktur unterstützt PNY Hersteller mit maßgeschneiderten Lösungen, technischem Support und Fachwissen, um die Einführung von KI-Technologien optimal zu gestalten. Das Leistungsspektrum umfasst Presales-Beratung, Proof-of-Concept-Validierung, Support bei der Logistik

und der Installation. Für groß angelegte KI-Projekte bietet PNY Nvidia DGX-, HGX-, BasePOD- und SuperPOD-Infrastrukturen an. Diese ermöglichen das Training komplexer KI-Modelle, prädiktive Analysen und Automatisierung. Damit können Unternehmen ihre Produktionsprozesse optimieren, Effizienz steigern und die Transformation zur smarten Fertigung nachhaltig vorantreiben.

Beispiele aus der Praxis

Die Auswirkungen von KI auf die Fertigungsindustrie sind längst keine Zukunfts-

Gleichzeitig ermöglichen Fortschritte im Edge Computing eine noch schnellere Reaktionsfähigkeit in der Fertigung. KI kann so noch näher an den Produktionslinien eingesetzt werden, um Echtzeit-Optimierungen direkt an der Quelle durchzuführen. Die Verknüpfung von KI, digitalen Zwillingen und Automatisierung markiert einen Wandel, wie Produktionsprozesse geplant und umgesetzt werden.

Bei all diesen Entwicklungen bleibt PNY ein verlässlicher Partner, der Unternehmen mit den notwendigen Lösungen und Support für eine nahtlose KI-Integration

vision mehr. BMW setzt beispielsweise bereits digitale Zwillinge ein, um die Effizienz der Produktionsplanung zu steigern und das Fabriklayout zu optimieren. Auch Foxconn nutzt KI-basierte Automatisierung zur Optimierung seiner Fertigungsprozesse. Pegatron wiederum hat KI-gestützte visuelle Inspektionstechnologien implementiert, die die Qualitätssicherung revolutionieren.

Mit der zunehmenden Verbreitung dieser KI-gestützten Innovationen werden auch kleinere und mittelständische Unternehmen verstärkt profitieren. Skalierbare KI-Lösungen, die sich an individuelle Produktionsanforderungen anpassen lassen, ermöglichen es ihnen, wettbewerbsfähiger zu werden.

KI als Treiber der nächsten Generation smarter Fabriken

Mit Blick auf die Zukunft wird die Rolle der KI in der Fertigung weiter wachsen und die nächste Generation smarter Fabriken prägen. Hersteller, die heute in KI-basierte Lösungen investieren, werden sich morgen an der Spitze des Marktes positionieren.

Nvidia Omniverse Plattform: Zusammenarbeit in Echtzeit und Erstellung physikalisch genauer Visualisierungen und Simulationen von Produkten und Arbeitsumgebungen, wodurch Zeit und Kosten für Testläufe reduziert werden. Bilder: Nvidia

unterstützt. Durch seinen zukunftsorientierten Ansatz und strategische Kooperationen trägt PNY aktiv dazu bei, die industrielle Landschaft smarter und effizienter zu gestalten. KF

FRANK SCHEUFENS

ist Product Manager Professional Visualization EMEA bei PNY Technologies. Bild: PNY

Keine Zukunftsvision mehr

Künstliche Intelligenz gilt als Schlüsseltechnologie für die zukünftige Wettbewerbsfähigkeit ganzer Industrien. Unternehmensprozesse und Geschäftsmodelle werden durch sie schon heute grundlegend verändert und optimiert, wie diese Beispiele aus der Praxis zeigen.

Laut einer Untersuchung des Weltwirtschaftsforums werden mehr als 70 Prozent der industriellen KI-Projekte bereits nach der Pilotphase eingestellt. Während einige Unternehmen sie erfolgreich in ihre Prozesse integrieren und daraus erheblichen wirtschaftlichen Nutzen ziehen, stellt KI andere vor große Herausforderungen.

Beispiele zeigen jedoch, dass KI durchaus erfolgreich in der Fertigung eingesetzt wird und zu einem unverzichtbaren Element flexibler, effizienter Produktion geworden ist. Dabei stehen längst KI-Lösungen zur Verfügung, die sich nicht nur mühelos in industrielle Abläufe integrieren lassen, sondern auch in der Lage sind, komplexe Aufgaben effizient zu meistern.

Visuelle Qualitätskontrolle –einfach integriert

Qualitätssicherung ist eine der zentralen Aufgaben in der industriellen Fertigung.

KI-gestützte Bildverarbeitungssysteme ermöglichen eine zuverlässige Qualitätsprüfung. Inspekto, eine KI-basierte Lösung für

die visuelle Qualitätsprüfung, bietet Unternehmen die automatisierte Kontrolle ihrer Produkte, ohne dass notwendiges und umfangreiches KI- oder Bildverarbeitungswissen erforderlich ist. Das intuitive System ist je nach Anwendungsfall in weniger als einer Stunde einsatzbereit und erfordert lediglich zwanzig als gut klassifizierte Aufnahmen, um präzise Ergebnisse zu liefern. Für die Inbetriebnahme ist das reine Produktionswissen der Qualitätsprüfung ausreichend. Weder KI-Expertise noch Computer-VisionKnow-how sind notwendig. So setzt beispielsweise das mittelständische Unternehmen MTConnectivity Power2pcb Inspekto für die Inspektion von Steckverbindern ein, um minimale Abweichungen und leicht verbogene Kontakte zu erkennen. Die Integration dieses KI-

WÄHREND EINIGE UNTERNEHMEN KI ERFOLGREICH IN IHRE PROZESSE INTEGRIEREN, STELLT SIE ANDERE VOR GROSSE HERAUSFORDERUNGEN.

gestützten Systems in die Produktionslinie gewährleistet eine durchgängige Qualitätssicherung, steigert die Zuverlässigkeit und verkürzt die Lieferzeiten.

Generative KI in der Fertigung

Komplexer sind Anwendung und Implementierung von generativen KI-Modellen. Siemens Industrial Copilots verbessern die Mensch-Maschine-Zusammenarbeit und beschleunigen Entwicklung und Innovation entlang der gesamten Wertschöpfungskette – von Design, Planung und Engineering bis hin zu Betrieb und Service. Der Industrial Copilot für Operations wird bei Kunden und in Siemens-Fabriken pilotiert, um die Zuverlässigkeit und Praxistauglichkeit sicherzustellen. Einen Schritt weiter ist der Industrial Copilot für Engineering, der als fertiges Produkt dem Markt zur Verfügung steht.

Der Sondermaschinen- und Anlagenbauer Thyssenkrupp Automation Engineering hat den Siemens Industrial Copilot in seinen Anlagen für das Handling von Rundzellen integriert, die zur Prüfung von Batterien für Elektrofahrzeuge eingesetzt werden. Der Industrial Copilot optimiert die Entwicklung und den Betrieb dieser Anlage, indem er repetitive Aufgaben wie Datenmanagement, die Sensorkonfiguration und die zentrale Berichterstattung über jeden notwendigen Schritt automatisiert, um die strengen Anforderungen der Batterieinspektion zu erfüllen. Zur generellen Unterstützung übernimmt der Copilot sowohl Routine- als auch wichtige Dokumentationsaufgaben. So können sich die Engineering-Teams auf komplexe, höherwertige Tätigkeiten konzentrieren, während der Industrial Copilot in Echtzeit Probleme löst, Ausfallzeiten minimiert und eine reibungslose Produktion sicherstellt.

Vorausschauende Wartung mit KI KI kann auch für die vorausschauende Wartung eingesetzt werden. Anstelle von

VON DR. MATTHIAS LOSKYLL

Siemens Industrial Copilots verbessern die Zusammenarbeit von Mensch und Maschine.

traditionellen Wartungsansätzen mit festen Intervallen oder manueller Analyse, schafft KI durch Predictive-Maintenance-Ansätze neue Möglichkeiten. Sie basieren auf der kontinuierlichen Analyse von Maschinendaten. Siemens bietet hierfür mit Senseye Predictive Maintenance eine Lösung an, die Abweichungen von vorgegebenen Mustern in Temperatur-, Vibrations- und Drehmomentdaten erkennt und frühzeitig Wartungsempfehlungen gibt.

Mercer Celgar, ein Hersteller von Zellstoff- und Holzprodukten, nutzt diese Technologie, um den Zustand seiner Maschinen in Echtzeit zu überwachen. Dabei werden zahlreiche Produktionslinien parallel analysiert und in einer zentralen Datenplattform zusammengeführt. Das Unternehmen erhält eine umfassende Übersicht über den gesamten Fertigungsprozess und konnte so Stillstandszeiten signifikant reduzieren.

Nahtlose Integration von KI-Modellen

Aber selbst Unternehmen, die bereits erfolgreich KI einsetzen, stoßen an Grenzen, wenn es um die Skalierbarkeit geht. Probleme entstehen oft durch zeitaufwändige Software- und Modellupdates, fehlende Konnektivität oder komplexe Wartungsanforderungen. Um diesen Herausforderungen zu begegnen, bietet Siemens die Industrial AI Suite zur nahtlosen Implementierung von KI-Lösungen auf dem Shopfloor an. Die Lösungen werden in enger Zusammenarbeit mit den Kunden individuell entwickelt: Die Kunden bringen ihr bestehendes KI-Wissen und ihre Erfahrungen mit den eingesetzten KI-Modellen ein, Siemens stellt die Infrastruktur für eine

skalierbare Implementierung bereit. Je nach Anwendungsfall arbeiten diese Lösungen mit Edge- und Cloud-Computing. Bei der Nutzung von Cloud-Technologie kann sowohl AWS als auch Microsoft Azure integriert werden. Die KI-Modelle können in der Cloud-Umgebung trainiert und dann per Knopfdruck oder auch vollautomatisch über die Industrial AI Suite auf den Shopfloor deployed und dann lokal ausgeführt werden. Dies funktioniert bei Bedarf auch mit GPU-Beschleunigung, um selbst komplexe KI-Modelle hochperformant und robust auszuführen. Daneben bietet die Industrial AI Suite das komplette Life Cycle Management von KI-Modellen, sodass Updates einfach aufgespielt und Probleme in der Funktionsweise oder Performance automatisch erkannt werden können.

Für einen Kunden aus der Lebensmittel- und Getränkeindustrie hat Siemens

Soft-Sensoren auf Basis von KI-Modellen in die Produktionsumgebung gebracht. Sie sorgen dafür, dass die Qualität und der Geschmack von Produkten gleichbleiben, indem sie Prozessparameter in Echtzeit analysieren und Sollwerte dynamisch anpassen. Dies optimiert nicht nur die Produktion, sondern reduziert auch den Ausschuss.

Auch in der Elektronikfertigung kommen komplexe KI-Lösungen zum Einsatz. Im Siemens Gerätewerk Erlangen werden Machine-Learning-Modelle genutzt, um fehlerhafte Leiterplattenbestückungen zu identifizieren. Die Industrial AI Suite trägt dazu bei, dass die komplette Lösung – bestehend aus dem KI-Modell und der Infrastruktur zur Ausführung auf dem Shopfloor – deutlich schneller und günstiger wird.

KI:

Nutzbar und zugänglich

Die genannten Anwendungsbeispiele zeigen, dass KI eine zentrale Rolle in der Industrie einnimmt. Nämlich in Form von KI-Systemen, integriert in Siemens-Produkte, wodurch die Komplexität der KI für den Anwender nicht wahrnehmbar ist und sie somit nutzbar und zugänglich für jeden wird. Entscheidend für den Erfolg ist eine flexible Infrastruktur, die es Unternehmen ermöglicht, KI-Lösungen an ihre spezifischen Anforderungen anzupassen. Die industrielle KI ist keine Zukunftsvision, sie schafft längst reale Wettbewerbsvorteile. KF

DR. MATTHIAS LOSKYLL ist Senior Director Software, Virtual Control & Industrial AI bei Siemens.

KIgestützte Bildverarbeitungssysteme ermöglichen zuverlässige Qualitätsprüfung. Bilder: Siemens

KIgestützte Produktionsprozesse sind effizienter und helfen Unternehmen, mit den Anforderungen der Zukunft Schritt zu halten.

Sieben Erfolgsfaktoren für den KI-Einsatz

in der Fertigungsindustrie

Künstliche Intelligenz ist mehr als ein strategischer Vorteil in der Fertigungsindustrie. Sie ist für Unternehmen inzwischen unverzichtbar, um wettbewerbsfähig zu bleiben. Dennoch kann es eine Herausforderung sein, mit der rasanten Entwicklung Schritt zu halten. Folgende sieben Faktoren sind für eine erfolgreiche KI-Implementierung unerlässlich. VON NICO HARTMANN

Viele Branchenführer setzen schon jetzt auf KI-Lösungen, um ihre Produktionsprozesse zu optimieren, Kosten zu senken und neue Geschäftsmodelle zu entwickeln. Doch daneben gibt es immer noch Unternehmen, die nicht sicher sind, wie sie KI am besten einsetzen können. Dadurch wächst die Kluft zwischen den Firmen, die bereits von den Vorteilen der KI profitieren, und jenen, die abwarten – und damit riskieren, den Anschluss zu verlieren. Stillstand ist keine Option. Es geht nicht mehr darum, ob KI überhaupt in der Industrie eingesetzt werden sollte, sondern wie Unternehmen dadurch schnell messbare Fortschritte erzielen können. Es gibt bereits zahlreiche positive Beispiele, die zeigen, wie künstliche Intelligenz erfolgreich in der Fertigungsindustrie zum Einsatz kommen kann.

Sieben Erfolgsfaktoren für die KI-Transformation

KI-Experten von Microsoft und der Strategieberatung Roland Berger haben die Erfahrungswerte zahlreicher Unternehmen analysiert und in einem gemeinsamen White Paper zusammengefasst. Das Ergebnis: sieben Erfolgsfaktoren, welche die Vorreiter der KI-Transformation in der Industrie gemeinsam haben – und die anderen Unternehmen helfen können. Dabei geht es vor allem um strategische Weichenstellungen, Fragen der technologischen Infrastruktur und Skalierung sowie um die passenden Change-Prozesse und die Einbindung der Belegschaft. Erstens ist es wichtig, eine klare KI-Roadmap zu entwickeln. Sie sollte unbedingt die genauen Ziele benennen sowie die Aufgaben des Managements und sämtliche

organisatorische Veränderungsprozesse umfassen. Zweitens sollten die technischen Grundlagen bestimmt werden, um den Zugriff auf die benötigten Daten zu ermöglichen und gleichzeitig ihre Sicherheit zu gewährleisten und eine schnelle Skalierung der Lösungen zu erleichtern. Drittens ist es empfehlenswert, modulare Plattformen zu nutzen, weil sie die Skalierung, die Anpassung an zukünftige Produkte und auch die Wartung vereinfachen.

Demokratisierung der Digitalisierung

Viertens sollten Unternehmen auf Standard-Technologielösungen setzen und einen „Fail-Fast“-Ansatz nutzen, bei dem sich Fehler schnell erkennen und korrigieren lassen. Spezialistinnen und Spezialisten sollten fünftens darin bestärkt werden, ihr Fachwissen im Sinne einer „Demokra-

tisierung der Digitalisierung“ über Hierarchie-Ebenen hinweg einzusetzen, damit intelligente Lösungen daraus entstehen können. Dies sollte sechstens damit verknüpft werden, die gesamte Belegschaft mit KI-getriebenen Lösungen auszustatten, um sie zu unterstützen, ihr Potenzial auszuschöpfen, und dem Fachkräftemangel entgegenzuwirken. Und an siebter Stelle sollte das disruptive Potenzial von künstlicher Intelligenz kein Selbstzweck sein. Durch KI gewonnene Erkenntnisse müssen helfen, die Wertschöpfung zu stärken, beispielsweise durch verbesserte Angebote oder die Entwicklung neuer Produkte.

Strategische Herangehensweise führt zum Erfolg

Der Erfolgsfaktor ist also nicht die Technologie, sondern die strategische Herangehensweise, mit der man KI in Unternehmensprozess integriert. Wie so eine erfolgreiche Integration in der Praxis aussehen kann, zeigt etwa die Wilo Gruppe. In der Smart Factory am Standort Dortmund unterstützt der Premiumanbieter von Pumpen und Pumpensystemen die Mitarbeitenden in der Produktion durch die „adaptive Werkerassistenz“: Über Bildschirme werden den Mitarbeitern detaillierte Anleitungen zur Montage von 12.000 Produktvarianten angezeigt – Schritt für Schritt und individuell an die Bedürfnisse jeder Person angepasst. Dabei orientiert sich das System automatisch an dem Erfahrungsstand und der bisherigen Fehlerquote der jeweiligen

Wer KI gezielt einsetzt, kann Produktionsprozesse in Echtzeit analysieren und fundierte Entscheidungen treffen. Bilder: Microsoft

Produktionskraft. Die Ergebnis können überzeugen: ein Produktivitätsanstieg von über 20 Prozent, ein Rückgang der Reklamationen um 60 Prozent und ein Einsparpotenzial von rund fünf Millionen Euro bei den Kosten für Produktionsabweichungen. Auch Mercedes-Benz setzt bei seiner MO360 Data Platform auf das Potenzial von künstlicher Intelligenz. Die Plattform basiert auf Microsoft Azure und verfügt dadurch über die nötige Flexibilität und Cloud-Rechenleistung, um künstliche Intelligenz und Data Analytics global einzusetzen. Damit werden relevante Produktionsdaten demokratisiert – und gleichzeitig jeweils regionale Cybersicherheits- und Compliance-Standards eingehalten. Die Plattform unterstützt bei der Analyse und

Intelligente Assistenzsysteme unterstützen Mitarbeiterinnen und Mitarbeiter genau dort, wo sie gebraucht werden.

Visualisierung von Produktionsdaten in Echtzeit. Dadurch lassen sich Produktionsprozesse schneller optimieren, indem zum Beispiel mögliche Lieferkettenengpässe antizipiert werden.

Echte Mehrwerte durch KI-Integration schaffen

Dies sind nur zwei Beispiele von vielen, aber es wird deutlich: Der erfolgreiche Einsatz von KI erfordert mehr als nur leistungsstarke Algorithmen und große Datenmengen. Entscheidend ist, wie Unternehmen die Technologie in ihre Strukturen und Prozesse integrieren – und wie sie dadurch echte Mehrwerte schaffen können. Wer KI isoliert betrachtet oder nur in einzelnen Pilotprojekten testet, läuft Gefahr, nur einen Bruchteil ihres Potenzials zu nutzen. Es gilt also, jetzt die Weichen zu stellen, falls das noch nicht geschehen ist. Die genannten sieben Erfolgsfaktoren für die KI-Implementierung sind eine optimale Grundlage dafür. SG

NICO HARTMANN

ist Manufacturing Industry Lead bei Microsoft Deutschland.

Nicht überall, wo KI draufsteht, ist

auch KI drin

Künstliche Intelligenz und Machine Learning – diese Begriffe sind präsenter denn je. Jedoch wird auf Grund des zunehmenden Hypes schnell jedes beliebige algorithmische Verfahren als KI bezeichnet. Doch nicht überall, wo KI draufsteht, ist auch KI drin. Tatsächlich basieren viele Ansätze, wie sie zum Beispiel in der Produktionsplanung zu finden sind, auf etablierten, bewährten mathematischen Verfahren. Dualis beleuchtet anhand von APS-Systemen die Entwicklung hin zur KI. VON MARK BERGER

Produktionsoptimierung: Das Zusammenspiel künstlicher und menschlicher Intelligenz führen zum Planungserfolg. Bild: Bildkomposition Dualis und Gorodenkoff/AdobeStock

Die Wurzeln der Produktionsoptimierung reichen bis in die Mitte des 20. Jahrhunderts zurück, als Unternehmen erste mathematische Modelle einsetzten. Zunächst waren es einfache Rechenmodelle, die mit dem technologischen Fortschritt zu komplexeren Optimierungsverfahren weiterentwickelt wurden. „Viele der heute unter dem Begriff KI zusammengefassten Werkzeuge für die Produktionsplanung basieren auf langjährig erprobten mathematischen Optimierungsverfahren. Erst mit der Erfassung strukturierter Daten aus allen Systemen, die planungsrelevante Daten führen, sowie der immer leistungsfähigeren Rechenleistung kommen wir dem Ziel einer KI-optimierten smarten Produktionsplanung Schritt für Schritt näher“, erklärt Dr. Kirsten Hoffmann, Produktmanagerin bei Dualis.

Grundlegende Methoden und Weiterentwicklung der Optimierungswerkzeuge Lineare Programmierung (LP) und ganzzahlige Programmierung (IP) bilden das Grundgerüst vieler Optimierungsalgorithmen, die heute in der Produktionsplanung und -steuerung Anwendung fin-den. Die LP wurde ursprünglich für die Bestimmung optimaler Produktionsmengen entwickelt. Die IP ergänzte diese Methode, um diskrete Entscheidungen – wie die Wahl zwischen Maschinen – zu modellieren. Fortschritte führten zur gemischt-ganzzahligen linearen Programmierung (MIP), die komplexe Anforderungen moderner Produktionssysteme adressiert.

Mit zunehmender Komplexität stießen klassische Methoden an ihre Grenzen. Heuristiken und Metaheuristiken, wie genetische Algorithmen und Simulated Anne -

aling, wurden eingeführt und er-lauben effizientere, wenn auch nicht immer exakte Lösungen. Solche heuristischen Modelle für die Feinplanung berücksichtigen jedoch die dynamische Natur von Produktionsprozessen nur begrenzt. Statische Annahmen über Zeiten und Ressourcen führen zu Diskrepanzen zwischen Planung und Realität, vor allem bei unvorhergesehenen Ereignissen wie Maschinenausfällen. Faktoren wie die Lerneffekte der Mitarbeitenden oder Temperaturschwankungen bleiben oft unberücksichtigt. Durch Machine Learning eröffnen sich neue Möglichkeiten für eine dynamischere Produktionsplanung. Verfahren wie Zeitreihenanalysen können präzise Vorhersagen auf Basis realer Daten liefern, um etwa Einflussfaktoren wie Maschinenzustände oder Umgebungstemperaturen in die Planungsparameter einzubeziehen.

Machine Learning als Hebel für präzisere Ergebnisse und Prognosen

Die Vorteile eines datengetriebenen Ansatzes liegen auf der Hand: Höhere Genauigkeit der Prognosen, größere Flexibilität der Planung, proaktive Identifikation von Problemen und eine insgesamt bessere Entscheidungsbasis für die Produktionsplanung. Allerdings sind auch Herausforderungen zu bewältigen wie die Gewährleistung einer hohen Datenqualität, die

DURCH DEN EINSATZ VON KÜNSTLICHER INTELLIGENZ KANN ZUM BEISPIEL DIE INTERAKTION MIT DER APS-SOFTWARE INTUITIVER UND EFFIZIENTER GESTALTET WERDEN, WAS LETZTENDLICH ZU EINER VERBESSERTEN USER EXPERIENCE FÜHRT.

Auswahl geeigneter Algorithmen und die Berücksichtigung der erforderlichen Rechenleistung. Moderne Planungssysteme wie das Advanced Planning and Scheduling-System (APS) von Dualis machen sich qualifizierte Daten zunutze und verwenden Machine-Learning-Algorithmen, um Prognosen und Empfehlungen für die Produktionsoptimierung zu geben.

„Durch die Integration von Machine Learning schaffen wir die Basis für eine neue Art der Produktionsplanung. Mit diesen datengetriebenen Verfahren können Produktionsplanende beispielsweise Engpässe und mögliche Verzögerungen frühzeitig identifizieren und beheben, bevor diese zu ernsthaften Problemen werden“, sagt Dr. Kirsten Hoffmann. Ein generelles Beispiel ist die „Root Cause Analysis“, bei der Machine Learning zur Ursachenermittlung von Störungen dient – etwa für die Analyse unerwarteter Maschinenprobleme. Machine Learning unterstützt zudem die Kapazitätsplanung und Materialbedarfsprognose, was zum Beispiel auf die Lieferkettenoptimierung einzahlt.

KI hält sukzessive Einzug in die Produktionsplanung

Machine Learning ist zwar ein Teilbereich der KI, wird jedoch oft mit dieser gleichgesetzt. Machine Learning bietet Werkzeuge zur Analyse und Erkennung von Mustern, doch eine echte KI-gestützte Planung ist vielschichtiger. Die Vision einer vollwertigen KI in der Produktionsplanung umfasst Systeme, die autonom auf Veränderungen reagieren, Entscheidungen treffen und kontinuierlich aus neuen Daten lernen.

Machine Learning ist ein entscheidender Schritt, doch das Ziel der KI-Integration liegt in der Weiterentwicklung der Sys-

teme zu selbstoptimierenden Modellen, die Faktoren wie Maschinenauslastung und Materialverfügbarkeit flexibel steuern. Ein KI-System kann so beispielsweise bei Maschinenstörungen automatisch eine Neuplanung anstoßen.

Eine solche Lösung ist jedoch auf qualitativ hochwertige, strukturierte Daten angewiesen. In vielen Produktionsumgebungen liegen Daten noch unstrukturiert oder in Datensilos vor. Dualis setzt daher auf eine Datenintegration, bei der Machine-Learning-Algorithmen zur Bedarfsprognose oder Risikoabschätzung in die Planungssoftware integriert werden. Durch

MACHINE LEARNING BIETET

WERKZEUGE ZUR ANALYSE UND ERKENNUNG VON MUSTERN, DOCH EINE ECHTE KI-GESTÜTZTE PLANUNG IST VIELSCHICHTIGER.

die Kombination von Machine Learning und mathematischer Optimierung wird die Basis für eine langfristig KI-gestützte Produktionsplanung geschaffen.

KI: User bei komplexen operativen Planungsaufgaben unterstützen

„Die selbstoptimierte KI-gestützte Planung ist noch Zukunftsmusik, doch wir arbeiten kontinuierlich an der Weiterentwicklung unserer Lösungen und insbesondere daran, diese mit zusätzlichen datengetriebenen Funktionen auszustatten. So ebnen wir unter anderem den Weg für noch genauere Prognosen und intelligentere Planungsprozesse“, sagt Dr. Kirsten Hoffmann.

Durch den Einsatz von Künstlicher Intelligenz kann zum Beispiel die Interaktion mit

Mit Ganttplan Analytics können historische Daten automatisch erfasst und analysiert werden.

Bild: Bildkomposition Dualis und Gorodenkoff/AdobeStock

Produktionsplanung: Nicht alles, was mathematische Optimierung ist, ist gleich KI.

Bild: IM-Imagery/AdobeStock

der APS-Software intuitiver und effizienter gestaltet werden, was letztendlich zu einer verbesserten User Experience führt. Dualis sieht einen großen Mehrwert in KI-basierten Assistenzfunktionen als Teil einer neuen User Experience, die Anwendende bei ihren komplexen operativen Planungsaufgaben unterstützen. „Bis zur Einführung des Planungscopiloten, der als interaktiver Assistent bei der täglichen Planung unterstützt, werden sicherlich noch einige Jahre vergehen. Aber unsere Entwicklungen gehen schon heute klar in diese Richtung“, so Dr. Kirsten Hoffmann.

Kombination aus klassischen Modellen und KI ist die Zukunft

Mathematische Optimierungsmodelle und KI sind in der Produktionsplanung keine Konkurrenz, sondern ergänzen sich. Bewährte mathematische Methoden bleiben das Rückgrat der Planung, ergänzt durch datengetriebene Modelle und KI, die flexibel auf veränderte Nachfragen, Störungen und Rohstoffengpässe reagieren. Machine Learning und datengetriebene Modelle entfalten ihre Stärken bei der Analyse und Prognose, während klassische Optimierung zuverlässig die Planungsgrundlage bildet. TB

MARK BERGER ist Redakteur bei der PR-Agentur Punctum.

Das KITeam fungiert als multidisziplinäre Einheit, das die verantwortungsvolle KIAdoption im Unternehmen vorantreibt.

Bild: Gorodenkoff/AdobeStock

So treiben KI-Teams die Modernisierung voran

Die KI-Adoption in der Fertigungsindustrie ist komplex. Eingespielte Prozesse und Normen führen oft zu Widerstand, während isolierte Strukturen eine einheitliche Implementierung erschweren. Altsysteme mit proprietärer Software und fragmentierte Daten behindern die Integration, zudem gelten strenge Vorschriften. Ein ganzheitlicher Ansatz, der Technik, Organisation und Kultur vereint, ist entscheidend – ein multidisziplinäres KI-Team kann dabei als Katalysator wirken. VON JAN METZNER

Technologien wie maschinelles Lernen (ML), künstliche Intelligenz (KI) und generative KI (GenAI) läuten eine neue Ära effizienter und nachhaltiger Fertigung ein. Aktuelle Studien zur Bedeutung von KI in der Fertigungsindustrie zeigen einen klaren Trend zur verstärkten Nutzung und Investition in diese Technologie (Deloitte, 2025). Eine jüngste Untersuchung von Precedence Research (2024) schätzt, dass der KI-Markt in der Fertigung im Jahr 2023 bereits bei 3,2 Milliarden USD lag und bis 2028 auf 20,8 Milliarden USD anwachsen wird bzw. bis 2034 sogar auf rund 230,95 Milliarden.

KI als Wachstumsmotor

KI kann in Bereichen wie der vorausschauenden Wartung, der Fehlererkennung, Lieferkettenoptimierung und dem Produktdesign eingesetzt werden. Deutsche Unternehmen zeigen bereits heute, welche Vorteile KI für die Fertigung in den Berei-

chen Effizienz, Kosten oder Monitoring bringen kann. So nutzt beispielsweise die BMW Group AWS Clouddienste, um ihre Produktionsabläufe zu optimieren und die Qualitätskontrolle in der Fahrzeugproduktion zu verbessern. Siemens entwickelt innovative IoT-Lösungen für die Industrie 4.0, die es ermöglichen, Produktionsanlagen in Echtzeit zu überwachen und zu optimieren. Nicht nur in der diskreten Fertigung, auch in der Chemieindustrie, wie zum Beispiel bei Covestro, wird die Cloud genutzt, um die Fertigungsprozesse zu optimieren. Laut einer Studie „Unlocking Germany‘s AI Ambitions“ aus 2024 haben 9 von 10 der deutschen Unternehmen, die KI einsetzen, eine Verbesserung der Effizienz in ihren Geschäftsprozessen feststellen können. Jedoch haben viele Unternehmen noch Schwierigkeiten bei der Skalierung von KI, da teils organisatorische und technologische Grundlagen fehlen. Häufige Herausforderungen sind hierbei fehlende IT- und

KI-Skills der Belegschaft, eine schlechte Datenqualität und die technologische Integration. Um diese Hürden zu überwinden, hilft es, ein multidisziplinäres KI-Team aufzustellen, das die KI-Bemühungen im Unternehmen bereichsübergreifend strategisch bündelt und sich um die effiziente Umsetzung bemüht.

Herausforderungen bei der KI-Adoption in der Fertigung

Die Fertigungsindustrie steht bei der KIAdoption vor vielschichtigen Herausforderungen. Über Jahrzehnte erfolgreich erprobte Arbeitsweisen und Normen, die Betriebszeiten und vermeintliche Sicherheit priorisieren, können oft zu einer Veränderungsresistenz bei Mitarbeitern führen, während isolierte Organisationsstrukturen eine einheitliche Implementierung erschweren. Außerdem stellen Altsysteme mit proprietärer Software Integrationsbarrieren dar und hochwertige Daten

sind in vielen Fertigungsumgebungen fragmentiert oder unzugänglich. Zudem müssen strenge regulatorische Anforderungen erfüllt werden. Diese Komplexität erfordert einen ganzheitlichen Ansatz, der technische, organisatorische und kulturelle Aspekte berücksichtigt. Ein multidisziplinäres KI-Team kann dabei als Katalysator fungieren.

Wie die KI-Implementierung beschleunigt werden kann

Das KI-Team fungiert als multidisziplinäre Einheit, das die verantwortungsvolle KI-Adoption im gesamten Unternehmen vorantreibt. Es fördert standardisierte Best Practices, bietet Expertise und gewährleistet Governance. Zu den Kernkompetenzen gehören diese fünf Punkte:

1. Erklärbare KI: Das Vertrauen vom Fabrikpersonal ist entscheidend für den langfristigen Erfolg und die Akzeptanz. Daher sollte ein KI-Modell nachvollziehbare Ergebnisse mit detaillierten Erklärungen liefern, z. B. „Ausfall wahrscheinlich aufgrund einer 15%igen Zunahme der Vibration im Lagersensor“.

2. Kompetenzförderung: Das KI-Team arbeitet mit HR und Führungskräften zusammen, um Schulungen zu entwickeln und Mitarbeiter gezielt weiterzubilden.

3. Siloabbau: Das KI-Team fördert die Zusammenarbeit zwischen KI-Entwicklern und Fertigungsexperten. Es identifiziert KI-Anwendungsfälle basierend auf Datenverfügbarkeit und Geschäftswert. Ein Beispiel ist die Optimierung energieintensiver Prozesse in der Textilfertigung, um Kosten zu senken und Nachhaltigkeit zu fördern.

4. Governance und Datenplattformen:

Das KI-Team etabliert Richtlinien für verantwortungsvolle KI-Nutzung und entwickelt sichere Datenplattformen. Dies schafft die Voraussetzungen für eine breitere KI-Adoption und ermöglicht Echtzeitanalysen sowie skalierbare KILösungen.

5. Technologie und Automatisierung:

Das KI-Team bewertet und standardisiert KI-Tools basierend auf den Bedürfnissen und entwirft automatisierte Datenpipelines, die manuelle Arbeit reduzieren und die Markteinführung beschleunigen.

Der Wert des KI-Teams sollte anhand von Geschäftsergebnissen wie ROI und Produktivitätssteigerungen gemessen werden. Interne Umfragen können zudem die Stimmung der Mitarbeiter gegenüber KI erfassen.

Schritte zum Aufbau des KI-Teams

Der Aufbau eines KI-Teams erfordert einen strukturierten, mehrstufigen Ansatz: von der Sicherstellung der Führungsunterstützung über die Bildung eines vielseitigen Expertenteams bis hin zur Umsetzung von Pilotprojekten und der Entwicklung von Governance-Frameworks und Schulungsprogrammen. Im Laufe der Zeit demonstrieren Pilotprojekte den Wert von KI, und das KI-Team entwickelt sich von einer praktischen Rolle hin zu einer beratenden Funktion, wodurch es die Belegschaft befähigt, KI erfolgreich einzusetzen und die langfristige KI-Adoption im gesamten Unternehmen fördert.

Bei der schnellen Einführung von KI mithilfe des KI-Teams spielt die Cloud eine zentrale Rolle und fungiert als „Enabler“, da Unternehmen so direkt auf die notwendige Infrastruktur für die Verarbeitung großer Datenmengen und die Ausführung komplexer KI-Modelle zurückgreifen können. Cloud-Anbieter bieten die Skalierbarkeit und Flexibilität, die für die Implementie -

rung von KI-Lösungen in der Fertigung erforderlich sind und ermöglichen das Testen verschiedener KI-Anwendungsfelder ohne massive Vorabinvestitionen.

Ausblick: Herausforderungen proaktiv angehen

Die Zukunft der Fertigung liegt in der intelligenten Nutzung von KI und GenAI. Unternehmen, die ein effektives KI-Team etablieren, werden besser positioniert sein, um von diesen Technologien schneller zu profitieren und sichern langfristig ihre Wettbewerbsfähigkeit in einer sich schnell verändernden Industrielandschaft. Indem sie die Herausforderungen der KI-Adoption proaktiv angehen und die Vorteile dieser Technologien nutzen, können Fertigungsunternehmen nicht nur ihre Effizienz und Produktivität steigern, sondern auch innovative Produkte entwickeln und neue Märkte erschließen. KF

JAN METZNER ist Prinicipal Specialist Solutions Architect, Manufacturing bei Amazon Web Services.

Fähigkeiten von KITeams.

Schritte zum Aufbau von KITeams.

Grafiken: AWS

Anwendungsfälle zur Prozessoptimierung

Die Fertigungsindustrie steht vor der Herausforderung, ihre Prozesse kontinuierlich zu optimieren, um wettbewerbsfähig zu bleiben. Künstliche Intelligenz (KI) bietet hier vielversprechende Möglichkeiten, um Effizienz, Qualität und Produktivität zu steigern.

Dabei lohnt auch der Blick auf Anwendungsfälle in anderen Branchen, um Lehren für den KI-Einsatz in der Fertigung zu ziehen. VON THOMAS LORENZ

Die Integration von KI in IT-Systeme wie ERP und MES erfolgt in der Regel über Plattformen, die Automatisierung, Datenanalyse und Entscheidungsunterstützung miteinander verbinden. Eine Plattform, wie sie beispielsweise Appian anbietet, basiert auf Low-Code-Entwicklung und ermöglicht es Unternehmen, KI auch ohne tiefgehende Programmierkenntnisse zu nutzen. Ein zentraler Bestandteil ist die sogenannte Data-Fabric-Technologie, die Daten aus verschiedenen Quellen in einem virtuellen Modell zusammenführt. Diese Architektur ermöglicht es Unternehmen, Daten effizient zu analysieren und daraus Erkenntnisse für Optimierungen abzuleiten. Ein konkretes Beispiel für den Einsatz von KI sind Copiloten. Diese Tools nutzen generative KI, um beispielsweise Produktionsprozesse zu überwachen und zu verbessern. Sie ermöglichen Anwendern, komplexe Datenanalysen durch einfache

Regulierungen wie das europäische Lieferkettengesetz verlangen eine genaue Kontrolle der Lieferketten. KI ermöglicht es, diese leichter zu kontrollieren und Reports zu erstellen.

Sprachbefehle auszuführen. Dies kann etwa bei der Qualitätskontrolle oder der vorausschauenden Wartung von Maschinen eingesetzt werden. Darüber hinaus unterstützt die Plattform durch die automatisierte Erstellung digitaler Formulare und Anwendungen aus bestehenden Dokumenten, was den Entwicklungsprozess erheblich beschleunigt.

Automatisierung komplexer Dokumentenverarbeitung

Ein zentraler Einsatzbereich von KI ist die Automatisierung der Verarbeitung komplexer Dokumente. Ein konkretes Fallbei-

FÜR UNTERNEHMEN IN DER FERTIGUNGSINDUSTRIE WIRD ES IN ZUKUNFT ENTSCHEIDEND SEIN, KI-TECHNOLOGIEN GEWINNBRINGEND IN IHRE PROZESSE ZU INTEGRIEREN.

spiel aus der Finanzindustrie ist der Prozess zur Bearbeitung und Freigabe von Hypotheken. Ursprünglich mussten Mitarbeiter manuell durch mehr als 20 gescannte Dokumente navigieren, Informationen extrahieren und diese basierend auf Geschäftsregeln interpretieren. Durch die Integration von KI und Machine Learning in den Arbeitsablauf konnte dieser Prozess erheblich verbessert werden. Die Lösung automatisiert die Extraktion von über 60 Datenfeldern aus mehr als 15 Prüfdokumenten. Mitarbeiter werden nur noch für die Verifizierung und Überwachung einbezogen, was zu einer erheblichen Zeitersparnis führt.

Ähnliche Ansätze lassen sich auf die Fertigungsindustrie übertragen, wo komplexe technische Dokumentationen, QualitätsPrüfberichte oder Lieferscheine effizient verarbeitet werden müssen. So kann bei der Bürokratie im Hintergrund der Fertigungshalle die Handbremse gelöst werden.

Verbesserung der Qualitätskontrolle

Die Qualitätskontrolle ist ein weiterer Bereich, in dem KI in der Fertigungsindustrie großes Potenzial bietet. Auch hier ein branchenübergreifendes Beispiel: Ein Gesundheitsdienstleister nutzt KI, um die Verarbeitungszeit von medizinischen Berichten nach Terminen zu reduzieren. Jeder Bericht musste zuvor strenge Qualitätskontrollen durchlaufen, bei denen er anhand einer Checkliste mit Geschäftsregeln überprüft wurde. Durch den Einsatz von KI wurde die Durchlaufzeit der Prozesse erheblich beschleunigt.

Die KI-Lösung extrahiert Daten für 61 Felder aus den Berichten und überprüft diese anhand von Geschäftsregeln, um die Qualitätskontrollen zu beschleunigen. Dies führte zu einer drastischen Reduzierung der Verarbeitungszeit von zehn Minuten pro Bericht auf weniger als drei Minuten. In der Fertigungsindustrie kann eine ähnliche Anwendung von KI die Qualitätskontrolle von Produkten oder Bauteilen optimieren, indem sie schnell und präzise Abweichungen von den Qualitätsstandards erkennt.

Optimierung der Lieferkette

Auch für die Organisation der Lieferkette bietet KI erhebliche Optimierungspotenziale. Ein Beispiel aus der Pharmaindustrie: Ein globales Pharmaunternehmen stand vor der Herausforderung, Zertifikate zu verarbeiten, die belegen, dass Ernte- und Ertragslieferungen frei von Keimen, Krank-

KI kann dazu beitragen, die Qualität und Sicherheit von Rohstoffen und Komponenten effizienter zu überprüfen. Bilder: Appian

heiten und Mängeln sind. Diese Dokumente waren komplex, schwer zu interpretieren und zeitaufwendig in der manuellen Bearbeitung. Durch den Einsatz von KI konnte der Prozess erheblich verbessert werden. Die KI-Lösung liest die Dokumente und extrahiert eine Liste von Krankheiten. Diese Werte werden automatisch mit einer vordefinierten Referenzquelle abgeglichen. Ausnahmen und Grenzfälle werden zur Überprüfung an Experten weitergeleitet. Diese Lösung führte zu einer geschätzten jährlichen Zeitersparnis von 2.000 Stunden bei einer Genauigkeit von 99 Prozent in der KI-Pilotphase.

In der Fertigungsindustrie kann eine ähnliche Anwendung von KI dazu beitragen, die Qualität und Sicherheit von Rohstoffen und Komponenten effizienter zu überprüfen und so die gesamte Lieferkette zu optimieren. Gerade in Anbetracht aktueller Regulierungen wie dem europäischen Lieferkettengesetz ist eine genaue Kontrolle der Lieferketten essenziell. KI ermöglicht es, diese leichter zu kontrollieren

Für den Autor Thomas Lorenz ist ein zentraler Einsatzbereich von KI die Automatisierung der Verarbeitung komplexer Dokumente.

EINE SCHRITTWEISE IMPLEMENTIERUNG, BEGINNEND MIT PILOTPROJEKTEN UND DEREN SORGFÄLTIGER EVALUIERUNG, KANN DABEI HELFEN, DIE VORTEILE VON KI VOLL AUSZUSCHÖPFEN UND GLEICHZEITIG POTENZIELLE RISIKEN ZU MINIMIEREN.

und detaillierte Reports im Handumdrehen zu erstellen.

Mit KI zur Optimierung der Produktionsplanung

Schaut man speziell auf die Fertigungsindustrie, liegt ein besonders vielversprechender Einsatzbereich von KI in der vorausschauenden Wartung (Predictive Maintenance) und die Steigerung der Anlageneffizienz. KI-Systeme könnten beispielsweise Sensordaten von Produktionsanlagen in Echtzeit analysieren, um potenzielle Ausfälle oder Wartungsbedarfe frühzeitig zu erkennen. Durch die Analyse historischer Daten und die Erkennung von Mustern kann die KI Vorhersagen über den optimalen Zeitpunkt für Wartungsarbeiten treffen. Dies kann ungeplante Ausfallzeiten reduzieren und die Gesamtanlageneffektivität (OEE) steigern.

Darüber hinaus kann KI zur Optimierung der Produktionsplanung eingesetzt werden. Durch die Analyse von Faktoren wie Auftragslage, Materialverfügbarkeit und Maschinenauslastung kann die KI optimale Produktionspläne erstellen, die die Effizienz maximieren und Leerzeiten minimieren. TB

THOMAS LORENZ ist Director Solutions Consulting for Central Europe bei Appian.

Sichern Sie sich jetzt Ihren wöchentlichen kostenfreien Redaktionsbrief!

www.digital-manufacturing-magazin.de/ newsletter/

Schneller Informationszugang dank ShopfloorGPT

Industrieunternehmen stehen heute vor der Herausforderung, immer komplexere Produkte und Prozesse effizient zu verwalten.

Gerade in der Automatisierungstechnik bedeutet dies riesige Datenmengen sowie steigende Anforderungen an Geschwindigkeit und Präzision. Doch wie lassen sich diese Herausforderungen meistern, ohne bestehende Abläufe zu überlasten? Murrelektronik zeigt, wie spezialisierte KI-Systeme den Zugang zu kritischen Informationen ermöglichen. VON REBECCA REUTER

Murrelektronik unterstützt mit seinem breiten Portfolio an Steckverbindern, I/O-Systemen und Komplettlösungen Unternehmen aus der Industrie dabei, Prozesse effizienter zu gestalten. Ein entscheidendes Problem: Der Zugriff auf technische Daten der über 95.000 verfügbaren Produkte gestaltete sich oft zeitaufwendig. Ob Maschinenbauer, Instandhalter oder Einkäufer – alle benötigen schnell präzise Informationen zu Produktspezifikationen, Kompatibilitäten oder Alternativen. Doch die manuelle Recherche in Datenbanken oder das Warten auf Support-Anfragen führte zu Verzögerungen und ineffizienten Prozessen.

Anforderung: Information auf Abruf statt langwieriger Suche In einem wettbewerbsintensiven Umfeld kann es sich kein Unternehmen leisten, Zeit mit ineffizienten Suchprozessen zu verschwenden. Die Herausforderung für

Murrelektronik bestand darin, eine Lösung zu finden, die nicht nur Informationen schneller verfügbar macht, sondern auch den internen Support entlastet und Anwendern ermöglicht, eigenständig fundierte Entscheidungen zu treffen. Das Ziel war eine drastische Reduzierung der Suchzeiten – ohne, dass tiefgehendes technisches Wissen für die Informationsbeschaffung erforderlich ist.

Lösung: KI-Agenten als Schlüssel zur digitalen Effizienz Mit shopfloor.io hat elunic eine Plattform entwickelt, die Unternehmen dabei unterstützt, den Informationsfluss innerhalb der Organisation und zum Kunden zu optimieren. Die Integration des KI-Agenten ShopfloorGPT in die Plattform My Murrelektronik, basierend auf shopfloor.io, ermöglichte es, den Kunden eine direkte, interaktive und hochpräzise Informationsquelle zur Verfügung zu stellen. Das Resultat: Eine

Unsere Kunden erwarten nicht nur hochwertige Produkte, sondern auch Lösungen, die sie in der Arbeit entlasten. Mit My Murrelektronik und shopfloorGPT stellen wir sicher, dass sie die Informationen bekommen, die sie brauchen –präzise, schnell und benutzerfreundlich.“

DR. FABIAN DISTEL, CHIEF DIGITAL OFFICER BEI DER MURRELEKTRONIK

signifikante Effizienzsteigerung im Zugang zu relevanten technischen Daten. Die Kombination aus der von elunic entwickelten Plattform My Murrelektronik und ShopfloorGPT schafft eine zentrale Anlaufstelle für technische Fragen – mit unmittelbaren Antworten in Echtzeit. ShopfloorGPT enthält drei wichtige Anwendungsfälle: Produktsuche: Kunden erhalten schnelle Antworten auf Fragen wie „Ist Artikel 54610 schleppkettentauglich?“ oder „Welche Alternativen gibt es zu Produkt X?“. Fehlerbehebung: Nutzer können gezielt Anleitungen und relevante Handbuchausschnitte abrufen, um beispielsweise Status-LED-Fehler an MVK-Modulen zu beheben.

Ersatzteilidentifikation: ShopfloorGPT hilft, kompatible Ersatzteile zu identifizieren und schlägt alternative Lösungen vor.

Mehr Effizienz und weniger Routineaufwand

Die Implementierung dieser Technologie hat für Murrelektronik messbare Verbesserungen gebracht:

Suchzeiten drastisch reduziert: Statt mehrminütiger Recherchen erhalten

Kunden innerhalb von Sekunden eine präzise Antwort.

Optimierte Serviceprozesse: Maschinenfehler werden automatisiert analysiert und Lösungsvorschläge bereitgestellt.

Beschleunigte Beschaffung: Kompatible Alternativen erleichtern die Ersatzteilsuche erheblich.

Entlastung des Supports: Mitarbeitende können sich auf komplexere Aufgaben konzentrieren, statt wiederkehrende Anfragen manuell zu beantworten.

KI made in Germany für die Industrie

ShopfloorGPT ist nicht nur eine punktuelle Lösung, sondern Teil einer umfassenden KISuite, die verschiedene Unternehmensbereiche unterstützt. Die Architektur erlaubt eine nahtlose Integration in bestehende IT-Landschaften – unabhängig davon, ob bereits ein eigenes Maschinendatenportal existiert oder nicht.

Die häufigsten Anwendungsbereiche von ShopfloorGPT:

Service & Wartung: Automatisierte Fehlerdiagnose und Bereitstellung relevanter Anleitungen.

Vertrieb & Einkauf: Identifikation passender Ersatzteile, Prüfung von Lastenheften und Analyse von Alternativprodukten.

Regulierung & Compliance: Unterstützung bei Zoll- und Embargoprüfungen.

Engineering & Konstruktion: Validierung technischer Anforderungen und Analyse von Zeichnungen.

Diese spezialisierten KI-Module sorgen für eine spürbare Automatisierung in serviceund vertriebsnahen Bereichen, ohne dass komplexe neue Infrastrukturen aufgebaut werden müssen.

Shopfloor.io, erweitert um ShopfloorGPT, verwandelt Daten aus dem Unternehmen in fundierte Entscheidungen. Bild: Elunic

Transparenz und Kontrolle für Entscheider

Ein wesentlicher Vorteil von ShopfloorGPT liegt in der Möglichkeit, den wirtschaftlichen Nutzen der digitalen Workforce direkt zu überwachen. Über ein zentrales Dashboard können Entscheider:

Den KI-Einsatz gezielt steuern: Welche Agenten sind aktiv, und in welchen Bereichen?

Effizienzsteigerungen nachvollziehen: Welche Aufgaben wurden durch KI optimiert oder beschleunigt?

Den ROI in Echtzeit verfolgen: Transparenz über die tatsächliche Wertschöpfung durch KI erhalten.

KI ist kein Zukunftsversprechen, sondern ein Wettbewerbsvorteil

Die Implementierung von ShopfloorGPT bei Murrelektronik zeigt, wie spezialisierte KI im Maschinenbau bereits heute einen signifikanten Mehrwert bietet. elunic liefert mit ShopfloorGPT eine praxisnahe Lösung, die nicht nur den Zugang zu Informationen revolutioniert, sondern auch Service-, Vertriebs- und Instandhaltungsprozesse nachhaltig optimiert.

Entscheider in Industrieunternehmen profitieren von einer Technologie, die Effizienz steigert, Fachkräfte entlastet und gleichzeitig volle Kontrolle über den wirtschaftlichen Nutzen bietet. Die Botschaft ist klar: Unternehmen, die KI gezielt einsetzen, gewinnen an Geschwindigkeit, Flexibilität und Innovationskraft – und setzen sich so entscheidend vom Wettbewerb ab. SG

IMPRESSUM

Herausgeber und Geschäftsführer: Matthias Bauer, Günter Schürger

DIGITAL MANUFACTURING im Internet: http://www.digital-manufacturing-magazin.de

So erreichen Sie die Redaktion:

Chefredaktion: Rainer Trummer (v.i.S.d.P.), (089-3866617-10, rainer.trummer@win-verlag.de)

Redaktion: Karin Faulstroh (karin.faulstroh@win-verlag.de), Tino M. Böhler (tino.boehler@win-verlag.de), Stefan Girschner (stefan.girschner@win-verlag.de), Kirsten Seegmüller (externe Mitarbeiterin, kirsten.seegmueller@extern.win-verlag.de)

Mitarbeiter dieser Ausgabe: Stephan Baier, Mark Berger, Prof. Dr.-Ing. Wolfgang Boos, Riccardo Calchera, Markus Diesner, Bernd Haase, Nico Hartmann, Stephanie Heinz, Jonas Kenfenheuer, Thomas Lorenz, Dr. Matthias Loskyll, Jan Metzner, Stipo Nad, Rebecca Reuter, Frank Scheufens, Helena Tietz, Dr.-Ing. David Welling

So erreichen Sie die Anzeigenabteilung: Anzeigengesamtleitung: Martina Summer (089-3866617-31, martina.summer@win-verlag.de), Anzeigen verantwortlich Mediaberatung: Michael Nerke (Anzeigenverkaufsleiter, Tel.: 089-3866617-20, michael.nercke@win-verlag.de), Andrea Lippmann (Tel.: 089-3866617-22, andrea.lippmann@win-verlag.de), Matthias Hofmann (Tel.: 089-3866617-21, michael.hofmann@win-verlag.de)

Anzeigendisposition: Auftragsmanagement@win-verlag.de Chris Kerler (089/3866617-32, Chris.Kerler@win-verlag.de)

Abonnentenservice und Vertrieb: Tel: +49 89 3866617 46 www.digital-manufacturing-magazin.de/hilfe oder eMail an abovertrieb@win-verlag.de mit Betreff „DIGITAL MANUFACTURING“

Gerne mit Angabe Ihrer Kundennummer vom Adressetikett

Artdirection und Titelgestaltung: Saskia Kölliker Grafik, München Bildnachweis/Fotos: falls nicht gekennzeichnet: Werkfotos, AdobeStock, shutterstock.com

Titelbild: MHP Management- und IT-Beratung GmbH

Druck: Vogel Druck und Medienservice GmbH Leibnizstraße 5, 97204 Höchberg

Produktion und Herstellung: Jens Einloft (089/3866617-36, jens.einloft@win-verlag.de)

Anschrift Anzeigen, Vertrieb und alle Verantwortlichen: WIN-Verlag GmbH & Co. KG, Balanstraße 73, Gebäude 21A 81541 München, Tel.: 089-3866617-0

Verlagsleitung: Martina Summer (089/3866617-31, martina.summer@win-verlag.de) Objektleitung: Rainer Trummer Zentrale Anlaufstelle für Fragen zur Produktsicherheit: Martina Summer (martina.summer@win-verlag.de, 089/3866617-31)

Bezugspreise:

Einzelverkaufspreis: 14,40 Euro in D, A, CH und 16,60 Euro in den weiteren EU-Ländern inkl. Porto und MwSt. Jahresabonnement (8 Ausgaben): 115,20 Euro in D, A, CH und 132,80 Euro in den weiteren EU-Ländern inkl. Porto und MwSt. Vorzugspreis für Studenten, Schüler, Auszubildende und Wehrdienstleistende gegen Vorlage eines Nachweises auf Anfrage. Bezugspreise außerhalb der EU auf Anfrage.

17. Jahrgang

Erscheinungsweise:

Sonderheft „KI in der Fertigungsindustrie“: einmal jährlich Einsendungen: Redaktionelle Beiträge werden gerne von der Redaktion entgegen genommen. Die Zustimmung zum Abdruck und zur Vervielfältigung wird vorausgesetzt. Gleichzeitig versichert der Verfasser, dass die Einsendungen frei von Rechten Dritter sind und nicht bereits an anderer Stelle zur Veröffentlichung oder gewerblicher Nutzung angeboten wurden. Honorare nach Vereinbarung. Mit der Erfüllung der Honorarvereinbarung ist die gesamte, technisch mögliche Verwertung der umfassenden Nutzungsrechte durch den Verlag – auch wiederholt und in Zusammenfassungen – abgegolten. Eine Haftung für die Richtigkeit der Veröffentlichung kann trotz Prüfung durch die Redaktion vom Herausgeber nicht übernommen werden.

Kein Teil dieser Zeitschrift darf ohne schriftliche Genehmigung des Verlages vervielfältigt oder verbreitet werden. Unter dieses Verbot fallen insbesondere der Nachdruck, die gewerbliche Vervielfältigung per Kopie, die Aufnahme in elektronische Datenbanken und die Vervielfältigung auf CD-ROM und allen anderen elektronischen Datenträgern. ISSN 1867-9781

REBECCA REUTER ist

Senior Strategic Partner Managerin bei der Elunic AG.

Unsere Papiere sind PEFC zertifiziert Wir drucken mit mineralölfreien Druckfarben

Außerdem erscheinen bei der WIN-Verlag GmbH & Co. KG: AUTOCAD Magazin, BAUEN AKTUELL, r.energy, DIGITAL ENGINEERING Nagazin, e-commerce Magazin, DIGITAL BUSINESS, DIGITAL PROCESS INDUSTRY, PlastXnow

Fehler automatisch und zuverlässig erkennen

Das Thema künstliche Intelligenz (KI) hat längst auch das Qualitätsmanagement (QM) erreicht. Wie das QM von KI profitieren kann, für welche Aufgaben KI prädestiniert ist, und was künstliche Intelligenz für den Datenschutz und die Cybersecurity bedeutet, erläutert uns Dr. Stephan Killich, Geschäftsführer des Aachener QM- und IMS-Anbieters Consense.

Digital Manufacturing (DM): Künstliche Intelligenz (KI) spielt in immer mehr Bereichen der Fertigungsindustrie eine wichtige Rolle. Wie kann das Qualitätsmanagement (QM) von KI profitieren?

DR. STEPHAN KILLICH: Unternehmen müssen nicht nur im QM immer mehr Normen und Regelwerke befolgen. Viele Betriebe stellen fest, dass sie an Kapazitätsgrenzen stoßen. KI kann das QM dabei unterstützen, bestimmte Aufgabenbereiche schneller, effizienter und fehlerfrei zu erfüllen. Das hält Verantwortlichen den Rücken frei, damit sie sich wieder ihren eigentlichen Aufgaben zuwenden können. Dabei lässt sich KI besonders gut für Aufgaben einsetzen, für die Informationen benötigt werden, die im Unternehmen bereits dokumentiert sind. Dennoch sollte immer die Regel gelten, dass der Mensch als ‚finale Instanz‘ die Ergebnisse nachprüft.

DM: Für welche Aufgaben im QM ist künstliche Intelligenz prädestiniert?

DR. STEPHAN KILLICH: KI eignet sich im QM besonders gut für Aufgaben wie Dokumentationen und Prozessbeschreibungen, die mit der Erstellung von großen Textmengen verbunden sind. KI unterstützt dabei, Texte aus vorhandenen Informationen zusammenzustellen, zu bearbeiten und zu strukturieren. Sie lässt sich zur Prozessmodellierung nutzen, zum Beispiel, indem eine grafische Darstellung von Prozessen auf Basis vorhandener Textdokumente ausgeführt wird. Eine wertvolle Unterstützung für das QM können von der KI durchgeführte Analysen sein, mit denen Unternehmen

Lücken in der Erfüllung von Normen und Vorgaben schnell identifizieren können.

DM: Wie unterstützen KIFunktionalitäten bereits heute die Anwender von ConsenseSoftwarelösungen in den Bereichen QM und IMS (Integrierte Managementsysteme)?

DR. STEPHAN KILLICH: Die Consense-Softwarelösungen nutzen KI zur Erstellung von Texten und Prozessgrafiken. Ganz neu ist unsere KI-gestützte Recherchefunktion, die weit über eine reine Suchfunktion hinausgeht: Anwender können sich relevante Inhalte aus dem Qualitäts- oder Integrierten Managementsystem anzeigen lassen. Darüber hinaus beantwortet die KI auf Basis der vorhandenen freigegebenen Daten sogar Fragen zu den Inhalten. Dabei arbeitet unsere Software mit Quellenangaben, damit immer klar ist, woher die Informationen stammen und sie sich in den Klartexten überprüfen lassen.

DM: Welche neuen Anwendungsmöglichkeiten ermöglicht künstliche Intelligenz im Qualitätsmanagement?

DR. STEPHAN KILLICH: KI könnte zukünftig noch tiefer in die Normenprüfung integriert werden, um Unternehmen frühzeitig auf Abweichungen hinzuweisen. Wir arbeiten gerade an Normzuordnungen durch die KI.

Das bedeutet, Dokumente oder Prozesse werden den entsprechenden Normkapiteln zugewiesen, um zu analysieren, welche Vorgaben abgedeckt sind und wo es noch Leerstellen gibt. Ein weiterer Bereich ist die automatische Erstellung von E-Learnings aus vorhandenen Inhalten. Das kann Branchen, in denen ein ‚Schulungszwang‘ herrscht, dabei unterstützen, den Aufwand

DR. STEPHAN KILLICH ist Geschäftsführer von Consense, einem Anbieter von QM und IMSLösungen. Bild: Consense

KI kann das QM dabei unterstützen, bestimmte Aufgabenbereiche schneller, effizienter und fehlerfrei zu erfüllen.“

dafür zu reduzieren. Im Risikomanagement gibt es ebenfalls Möglichkeiten der KI-Unterstützung. Wir beschäftigen uns aktuell damit, Risikoanalysen durch KI in unsere Software zu integrieren. Aber auch hier lässt sich menschliche Erfahrung nicht ersetzen: Am Ende muss der Mensch prüfen, ob er die Risikovorschläge und Gefährdungen, die eine KI ermittelt, für plausibel hält.

DM: Kommen wir zu den Themen Datenschutz und Cybersecurity. Wie können Unternehmen sicherstellen, dass trotz der integrierten KI der Datenschutz und die Cybersicherheit in QM und IMSLösungen gewährleistet wird?

DR. STEPHAN KILLICH: Datenschutz und Cybersecurity haben oberste Priorität. Die in die Consense-Software integrierten KILösungen schützen sensible Informationen durch streng geregelte Zugriffsrechte und Verschlüsselungstechniken. Zudem ist sichergestellt, dass die KI nur auf freigegebene Inhalte zugreift.

Die Fragen stellte Rainer Trummer.

Abonnieren Sie den WIN-verlagsübergreifenden

KI Newsletter!

Bleiben Sie auf dem Laufenden mit den neuesten Entwicklungen und Trends aus der Welt der Künstlichen Intelligenz. Unser kostenfreier Newsletter vom WIN-Verlag wird monatlich versendet und bietet Ihnen spannende Einblicke, exklusive Inhalte und Expertenmeinungen der verschiedenen Branchen.

Melden Sie sich jetzt an und verpassen Sie keine Ausgabe!