Jenseits der Hype – Wo AI tatsächlich in der Fertigungsindustrie funktioniert

AI wird als die nächste industrielle Revolution dargestellt, aber viele Führungskräfte haben Schwierigkeiten, ihre Begeisterung in praktische Ergebnisse umzusetzen. Mehr als 80% der US-amerikanischen Fertigungsunternehmen sagen, sie planten, ihre Nutzung von AI innerhalb der nächsten zwei Jahre zu erhöhen, aber das geschieht nicht immer mit einer klaren Strategie für das, was sie realistisch erreichen wollen.

Zwischen dem Druck auf Vorstände, etwas mit AI zu tun, und der Realität komplexer Produktionsumgebungen gibt es eine wachsende Lücke zwischen Erwartung und Umsetzung. Diese Lücke muss geschlossen werden, wenn Hersteller die Vorteile von AI in ihren Unternehmen sehen wollen.

AI-Adoption überholt Bereitschaft

Fertigungsunternehmen wissen heute, dass sie AI adoptieren müssen, um wettbewerbsfähig zu bleiben. Eine kürzlich von The National Association of Manufacturers (NAM) durchgeführte Umfrage ergab, dass 51% der Hersteller derzeit AI nutzen und dass 80% AI für die Expansion oder Aufrechterhaltung ihres Geschäfts für unerlässlich halten.

Hersteller nutzen diese Technologie auf vielfältige Weise. AI hat ein enormes Potenzial. Allerdings liefern Investitionen in AI in vielen Organisationen nicht die versprochene Rendite.

Eine kürzlich von PWC und dem Manufacturing Institute durchgeführte Umfrage ergab, dass der Druck von Führungskräften, AI zu adoptieren, die Bereitschaft für AI-getriebene Veränderungen überbieten kann. Dieselbe Umfrage ergab auch, in ihren Worten:

• Ungleichmäßige AI-Adoption kann die Integration in den täglichen Betrieb verlangsamen
• Der Fortschritt entlang der AI-Adoptionskurve erfordert Schulung und Aufbau von Erfahrungsfähigkeiten
• Menschliche und Bereitschaftslücken können die AI-Adoption einschränken
• Begrenzte Eingaben von Führungskräften vor Ort können die AI-Adoption und -Umsetzung einschränken

Die Lösung finden

Anstatt AI als universelle Lösung zu behandeln, müssen Führungskräfte zwischen Anwendungen unterscheiden, in denen AI hervorragt – wie z.B. die Verbesserung der Mensch-System-Interaktion, die Erfassung von Betriebswissen und die Vereinfachung komplexer Workflows – und Bereichen, in denen es weniger geeignet ist, wie z.B. Präzisionskontrolle und wiederholbares Entscheiden in Produktionsumgebungen.

Ein guter Ansatzpunkt für die Anwendung ist der Verkaufsprozess. Viele Fertigungsunternehmen möchten den gesteuerten Verkaufsprozess mithilfe von AI verbessern. Sie sollten damit beginnen, sich auf die Ziele oder Ergebnisse des Kunden zu konzentrieren, anstatt sie zu bitten, bestimmte Parameter eines Produkts auszuwählen.

Ein persönliches Beispiel: Ich habe kürzlich mein erstes Elektrofahrzeug gekauft. Ich ging auf die Website des Herstellers und sah als Erstes die technischen Parameter, wie z.B. Reichweite: 360-558 km. Das ist ein großer Bereich, aber ich verstehe, was es bedeutet. Aber was ist mit der Leistung? Keine Ahnung. Und was ist mit dem Verbrauch? Jetzt verstehe ich wirklich nicht, ob das einen Unterschied für meine Familie ausmachen wird, die jedes Jahr eine siebenstündige Skireise unternimmt. Das sind die Arten von Informationen, die mir tatsächlich helfen würden, eine Entscheidung zu treffen.

Ein AI-System, das mit mir über meine Anliegen sprechen kann, würde dem Hersteller helfen, zu verstehen, was mir wichtig ist, und diese Anliegen in die richtigen technischen Spezifikationen übersetzen.

Ein weiteres Beispiel ist die Verwendung von AI-Agenten, um komplexe Probleme in kleinere Teile zu zerlegen. Agenten planen und führen mehrschrittige Ziele aus. Um das Beste aus diesen Agenten zu holen, sollten die Aufgaben sprachintensiv sein.

Einige Ingenieurunternehmen gehen diesen Ansatz, wenn es um die Verwaltung komplexer Anforderungen geht. Manchmal ist die Information auf Hunderte oder Tausende von Dokumenten verteilt, und das Format ist nicht standardisiert. Wenn Sie ein traditionelles Softwaresystem bauen würden, um all diese Informationen zu importieren, gäbe es viel zu viele Regeln und Ausnahmen von diesen Regeln. Da AI großartig bei der Mustererkennung ist, müssen Sie nicht jede einzelne Regel aufschreiben, wie diese Dokumente zu interpretieren sind.

Best Practices für AI in der Fertigungsindustrie

Große Probleme in kleinere Aufgaben zerlegen. AI hat ein begrenztes Arbeitsgedächtnis. Wenn Sie ihm zu viel Daten oder ein zu breites Problem geben, kann es den Kontext verlieren und beginnen, zu halluzinieren, während es immer noch versucht, eine Antwort zu geben. Um dieses Risiko zu reduzieren, sollten Sie große Aufgaben in kleinere Komponenten zerlegen und die Ergebnisse aggregieren – ein Bereich, in dem agente Frameworks besonders effektiv werden.

AI für die Mustererkennung und nicht für die autoritative Argumentation verwenden. AI ist gut bei der Mustererkennung und der Identifizierung von Beziehungen, aber es ist nicht gut für Logik und Argumentation. Zum Beispiel sind ihre “Argumentations-” und Rechenfähigkeiten Vorhersagen, nicht Berechnungen. Die Ausgaben können also einsichtig erscheinen, sind aber nicht garantiert korrekt, es sei denn, Sie verbinden sie mit einem anderen System, das die Ergebnisse validieren kann. In diesem Ansatz kann die AI den Workflow orchestrieren, aber Sie haben eine explizite Entscheidung darüber getroffen, wo die operativen Grenzen sind.

AI in der Fertigungsindustrie kann echten Wert schaffen, aber es gibt bestimmte Szenarien, in denen das Risiko den Nutzen überwiegt. Dazu gehören sicherheits- und qualitätskritische Operationen. Es umfasst auch Szenarien mit wenig Daten oder hochgradig neuen Szenarien, da AI schlecht performt, wenn es nicht genug relevante Daten gesehen hat. Hochregulierte Umgebungen sind eine weitere Herausforderung, da AI immer noch keine wahre Rückverfolgbarkeit aufweist. Echtzeit-Steuerungssysteme mit engen Toleranzen sind ein weiterer Bereich, in dem AI vermieden werden sollte, da AI-Verzögerung oder Instabilität in Hochgeschwindigkeitsprozessen inakzeptabel sein kann

Von Hype zu Praktikabilität

AI ist kein Allheilmittel für alle Probleme der Fertigungsindustrie. Aber indem man die realen Anwendungsfälle und gängigen Missverständnisse berücksichtigt, können Hersteller einen ausgewogeneren Ansatz für AI verfolgen. Im Kurzfristigen ist der Schlüsselpunkt, AI für das zu verwenden, wofür es am besten geeignet ist: Probleme, die ein hohes Maß an Mustererkennung erfordern. AI sollte nicht für Fälle verwendet werden, die Präzision, Konsistenz, Logik oder Berechnungen erfordern.

Hersteller können durch die Lärmschutzmaßnahmen hindurchsehen und erkennen, wo AI tatsächlich heute einen Wert liefert. Das Ziel ist nicht, die Adoption zu verlangsamen, sondern sicherzustellen, dass Unternehmen AI dort einsetzen, wo es die Produktivität und Entscheidungsfindung sinnvoll verbessert, anstatt einfach der Branchenhype zu folgen.