KI in der Produktion

Das disruptive Potenzial künstlicher Intelligenz ist ein wichtiger Baustein zur Sicherung der Wettbewerbsfähigkeit.

von Andreas Fuhrich

Grundsätzlich kann jede Maschine in irgendeiner Weise mit einer Form künstlicher Intelligenz bestückt werden, weswegen es gerade in den Maschinenparks der Produktionsstätten unzählige Möglichkeiten gibt. Der folgende Überblick an Beispielen bildet daher nur besonders für die Produktion spezifische oder relevante Möglichkeiten ab.

Typische Einsatzszenarien

Predictive Maintenance
Bei Predictive Maintenance überwacht eine KI fortwährend den Zustand einzelner Maschinenkomponenten und signalisiert frühzeitig einen Wartungsbedarf. Produktionsausfälle durch reparaturbedingte Ausfälle können so vermieden werden. Eine Bilderkennungssoftware kann beispielsweise kleinste Risse frühzeitig bemerken oder auch ab einem gewissen Verschmutzungsgrad Alarm schlagen. Auch ungewöhnliche Temperaturschwankungen oder Hintergrundgeräusche könnten die Sensoren registrieren. Teilweise können Wartungsteams durch Predictive Maintenance sogar ganz entlastet werden. Eine KI könnte durch die Sensordaten z. B. erkennen, dass die Schmierung nachlässt und entsprechend autonom Schmierstoff nachgeben.

Autonome Fahrzeuge
Fahrerlose Transportfahrzeuge sind in der Lage, frei durch die Hallen zu navigieren und benötigte Teile dorthin zu liefern, wo sie benötigt werden. Dabei planen sie die Route optimal und weichen Hindernissen aus. Ein zentrales System übernimmt dabei die übergeordnete Planung und Steuerung. Dabei werden auch die Bewegungen von Menschen in der nahen Umgebung registriert und die Geschwindigkeit der Fahrzeuge zur Sicherheit entsprechend gedrosselt.

Vorausschauende Lagerhaltung
Eine automatische Lagerhaltung ist in der Lage, die Nachbestellung zur Produktion benötigter Komponenten anzustoßen, sobald ein bestimmter Bestand unterschritten ist. Eine künstliche Intelligenz kann dabei wesentlich dynamischer auch auf Trends reagiren und die vorzuhaltenden Bestände dementsprechend optimiert anpassen.

Digitale Assistenzsysteme
Assistenzsysteme sind in der Lage, der Belegschaft zur richtigen Zeit am richtigen Ort passende Informationen bereitzustellen. Chatbots können dabei auf Fragen reagieren und passende Antworten aus Datenbanken zur Verfügung stellen. Zusätzlich sind die Systeme in der Lage, den aktuellen Stresslevel der Mitarbeiter zu erkennen und können entsprechend agieren.

Sie haben gelernt, welcher andere Mitarbeiter in der näheren Umgebung schon eine entsprechende Qualifikation aufweist und könnten beispielsweise diesen um Hilfe bitten. Zudem sind sie dadurch in der Lage, die bereitgestellten Inhalte an das jeweilige Niveau der Mitarbeiter anzupassen. Ungeschulte Mitarbeiter könnten beispielsweise ein Video gezeigt bekommen, während geschulten Mitarbeitern nur eine zur Situation passende, schnell aufzufassende Grafik präsentiert wird.

Prozessoptimierung
Durch maschinelles Lernen können große Datensätze aus verketteten Produktionslinien analysiert und Optimierungspotenziale aufgedeckt werden. Neben unmittelbaren Prozessdaten können dabei auch historische Daten in die Analyse einfließen. Gerade bei komplexen Systemen besteht das Potenzial, dass Zusammenhänge aufgedeckt werden, die sich menschlichen Beobachtern sonst nicht direkt erschließen. Auch etwaige Anomalien könnten auf diese Weise schnell erkannt werden.

Ressourcenplanung
Dank KI können Mitarbeiter fast vollständig von Planungsaufgaben entbunden werden. Durch maschinelles Lernen können dabei auch komplexe Anwendungsfälle etwa bei sich häufig ändernden Rahmenbedingungen berücksichtigt werden. Beispielsweise könnte eine KI einen voraussichtlichen Produktabsatz kalkulieren und die Ressourcenplanung stetig daran anpassen. Zur Kalkulation berücksichtigt die KI unterschiedliche Daten wie Wettervorhersagen, Rabattaktionen oder Feiertage.

Problem bei der Einführung von KI

Bei aller Euphorie zur KI in der Produktion gibt es doch ein häufig auftretendes Problem. Die Anforderungen, die eine KI dort erfüllen muss, sind häufig sehr spezifisch, weswegen bei der Einführung nur selten auf bereits bestehende Trainingsdaten zurückgegriffen werden kann. Die KI muss daher von jedem Unternehmen selbst antrainiert werden. Soll beispielsweise Predictive Maintenance eingesetzt werden, obwohl die Maschine nur selten gewartet wird, dann ist der Einsatz kaum lohnenswert.

Die Wirtschaftlichkeit einer KI-Lösung ist daher meist abhängig von der Anzahl der tatsächlich stattfindenden wiederkehrenden Prozesse. Produzierende Unternehmen sollten das bei der Einführung KI-gestützter Lösungen bedenken, dann kann auch ein wirklicher Wettbewerbsvorteil entstehen. //