Das versteckte Problem, das die Adoption von KI in der Fertigung blockiert

Jeder in der Fertigungswelt scheint über künstliche Intelligenz zu sprechen. Predictive Maintenance, automatisierte Qualitätsinspektionen, Echtzeit-Optimierung der Lieferkette. Auf dem Papier versprechen diese Anwendungsfälle weniger Ausfallzeiten, höhere Durchsätze und schnellere, informiertere Entscheidungen. Aber trotz all der Begeisterung und Investitionen in KI-Tools kämpfen viele Hersteller immer noch darum, von Pilotprojekten zu echten Ergebnissen zu gelangen.

Es stellt sich heraus, dass das größte Hindernis nicht ein Mangel an Algorithmen oder sogar ein Mangel an Bewusstsein für das Potenzial von KI ist. Das hartnäckigste, versteckte Problem ist die Ineffizienz. Insbesondere die Lücke zwischen den KI-Fähigkeiten und der zerstreuten, inkonsistenten operativen Realität, die auf den meisten Fabrikböden gefunden wird.

Man muss nicht weit suchen, um dieses Problem in Daten widergespiegelt zu sehen. Eine Umfrage zur Lage der Fertigung 2024 ergab, dass zwar 90 % der Hersteller berichten, einige Form von KI in ihren Betrieben zu verwenden, 38 % sich jedoch immer noch hinter ihren Wettbewerbern bei der Implementierung und dem Impact fühlen. Dies zeigt eine Art “Impostor-Syndrom”, bei dem die Technologie vorhanden ist, aber noch nicht transformativ ist, weil sie nicht in die Kernprozesse eingebettet ist.

Gleichzeitig zeigt eine umfassende Branchenstudie, dass 65 % der Hersteller Datenherausforderungen wie Zugriff, Formatierung, Integration und Governance als das größte Hindernis für die Adoption von KI nennen, weit vor anderen Problemen wie Fähigkeiten der Belegschaft oder veralteter Ausrüstung.

Das Datenqualitätsproblem geht noch tiefer. Eine globale Umfrage von IT- und Geschäftsführern, einschließlich vieler aus der Fertigung, ergab, dass 87 % darin übereinstimmen, dass großartige Daten für den Erfolg von KI entscheidend sind, aber nur 42 % ihre Daten als vollständig und genau bewerten, und der gleiche Prozentsatz sagt, dass schlechte Datenqualität ein Hindernis für weitere Investitionen in KI ist.