https://pixabay.com/de/
Die möglichst vollständige Digitalisierung der Wertschöpfungskette steht für die produzierende Industrie schon seit längerem ganz oben auf der Agenda. Eine selbstorganisierte und selbstständig lernende Produktionshalle ist die erklärte Zielvorstellung für die Industrie 4.0 – und immer neue Technologieinnovationen rücken sie in greifbare Nähe.
Eine Studie des Berliner Instituts für Innovation und Technik (iit) im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) zeigt, dass künstliche Intelligenz (KI) ein enormes Potenzial für die künftige Wertschöpfung in der produzierenden Industrie aufweist. So soll der Einsatz von KI der Branche in Deutschland innerhalb der nächsten fünf Jahre eine zusätzliche Bruttowertschöpfung von rund 31,8 Milliarden Euro bescheren. Damit wäre KI für gut ein Drittel des erwarteten Gesamtwachstums verantwortlich. Als besonders vielversprechend gelten laut Studie die KI-Anwendungen Predictive Analytics, Robotik sowie intelligente Assistenzsysteme, Automatisierung und Sensorik.
KI schrittweise ausbauen
Predictive Maintenance war für viele Industrieunternehmen der Einstieg in die smarte Produktion, doch mittlerweile überwiegt hier das Bedürfnis nach Automation und Effizienz. Das zeigt eine Umfrage des Datenmanagementspezialisten NetApp unter 120 deutschen IT-Experten aus den Branchen Healthcare, Automotive, Finance und Manufacturing. Aus ihr geht hervor, dass KI in der produzierenden Industrie aktuell vor allem für die Automatisierung repetitiver Fertigungsprozesse (Robotic Process Automation, RPA) und für das Supply-Chain- und Lagermanagement eingesetzt wird. Das gaben 66,7 Prozent beziehungsweise 60 Prozent der Befragten aus der Branche an. Dabei stehen viele Unternehmen allerdings gerade erst am Anfang ihrer KI-Strategie: 46,7 Prozent der Entscheider in der produzierenden Industrie befanden sich zum Zeitpunkt der Umfrage im ersten Jahr des aktiven Einsatzes von KI. Andere Branchen wie der Finanzsektor sind hier (noch) einen Schritt voraus. Allerdings kann die Fertigungsindustrie eine besonders hohe Erfolgsquote bei KI-Projekten vorweisen – die Bedeutung von KI für die Zukunft hat sie also erkannt.
Einige Vorbehalte bestehen
Zwischen der Wirtschaft und dem nächsten Schritt in der digitalen Transformation stehen allerdings noch einige hartnäckige Vorbehalte: Zum einen befürchten Unternehmen bei einer ganzheitlichen Digitalisierung aller Produktionsprozesse hohe Kosten – gerade, weil damit auch eine Modernisierung veralteter IT-Infrastrukturen verbunden wäre. Kosten würden dabei also auf Software- und Hardwareseite entstehen. Die Dauer einer solchen Umsetzung trägt auch zum zögerlichen Verhalten bei. Und wie bei allen datengetriebenen Prozessen steht auch hier natürlich die Frage des Datenschutzes im Raum, die nach Inkrafttreten der DSGVO eine noch höhere Bedeutung als bisher einnimmt.
Viele dieser Bedenken lassen sich jedoch mit dem entsprechenden Know-how eliminieren oder zumindest abschwächen. Um das entsprechende Fachwissen in das eigene Unternehmen zu bringen, verfolgen die Hersteller mehrere Strategien. Beispielsweise setzen sie sich den Aufbau einer internen KI-Abteilung, die gezielte Einstellung einzelner KI-Experten sowie eine Zusammenarbeit mit externen Beratern und Unternehmen ausdrücklich zum Ziel. Denn gerade zu Beginn der eigenen KI-Strategie ist der Austausch mit Parteien außerhalb des eigenen Ökosystems wichtig, um grundlegende Fehler und Versäumnisse zu vermeiden, die etwaige Folgeprojekte in Mitleidenschaft ziehen würden. Mittel- bis langfristig ist der Aufbau eines eigenen KI-Teams aber durchaus empfehlenswert, gerade um den internen Wissensaustausch anzuregen und die Integration neuer Mitarbeiter zu erleichtern.
Keine Industrie 4.0 ohne Innovation
Auch wenn die nächste Stufe der Digitalisierung eine hohe Investitionsbereitschaft seitens der Fertigungsbranche voraussetzt, ist dies doch ein notwendiger Schritt, um die Entwicklung hin zur intelligenten Fertigungshalle fortzusetzen. Das ehemalige Vorzeigeprojekt Predictive Maintenance ist mittlerweile zum Standard geworden und nun gilt es, neue technologische Innovationen in die Prozesse zu integrieren. Durch eine methodische Herangehensweise konnte sich die Herstellungsindustrie bisher als Testchampion etablieren und Machine Learning erfolgreich in Produktion, Kundenbetreuung und Qualitätssicherung integrieren. Es gibt also keinen Grund, warum sie jetzt vor der künstlichen Intelligenz Halt machen sollte.
Christian Lorentz, Senior Product Marketing Manager bei NetApp
KI kostet keine Jobs und schafft über 11 Prozent Wachstum in der Industrie
Bis 2030 erwartet Europas Industrie über 11 Prozent Wachstum durch künstliche Intelligenz.
Industrieunternehmen sehen künstliche Intelligenz (KI) als Motor für ein profitables Wachstum, denn KI steigert ihrer Meinung nach ihre Effizienz, Flexibilität und Differenzierung. Um den Einsatz der Technologie weiter auszubauen, müssen die Unternehmen dabei aber vor allem zwei Probleme lösen: die unzureichende Quantität und Qualität ihrer Daten sowie ihr Mangel an KI-Expertise. Dies sind zentrale Ergebnisse einer Umfrage von Hewlett Packard Enterprise (HPE) und Industry of Things World, Europas führender Industrie-4.0-Konferenz. Befragt wurden 858 überwiegend europäische Fach- und Führungskräfte aus der Industrie [1]. Die Umfrage ergab auch, dass Unternehmen hybride Architekturen nutzen wollen, deren KI-Infrastruktur über dezentrale Edge-Ressourcen, eigene Rechenzentren oder die Cloud verteilt ist. Dies ermöglicht eine Echtzeit-Verarbeitung über das Edge Computing sowie Datenkorrelation und Deep Learning über Standorte hinweg.
»Künstliche Intelligenz ist ein Schlüssel zur Industrie 4.0, sie ermöglicht den Schritt von der Automatisierung zur Autonomie, um Wachstum und Wettbewerbsvorteile zu erzielen«, sagt Volkhard Bregulla, Vice President Global Manufacturing, Automotive und IoT von Hewlett Packard Enterprise. »Unsere Studie zeigt, dass Europas Industrie die strategischen Chancen der künstlichen Intelligenz verstanden hat, aber sie zeigt auch, dass es unerlässlich ist, die Daten- und Kompetenzlücke zu schließen, um das KI-Potenzial voll auszuschöpfen.«
Zweistelliges Wachstum bei Umsatz und Marge – 95 Prozent bisheriger KI-Projekte erfolgreich
Im Mittel erwarten die Befragten der HPE-Umfrage, dass sie bis 2030 mit KI ihren Umsatz um 11,6 Prozent und ihre Margen um 10,4 Prozent steigern können. Von KI erwarten sie über die Wertschöpfungskette hinweg Vorteile, ebenso für die Differenzierung ihrer Produkte und Dienstleistungen. Gestützt wird diese Erwartung von der Erfolgsquote der bisher umgesetzten KI-Projekte: 95 Prozent der Befragten, die bereits KI einsetzen, gaben an, dass sie ihre Ziele erreicht, übertroffen oder deutlich übertroffen haben. Entsprechend planen sie, in den nächsten zwölf Monaten im Schnitt 0,48 Prozent ihres Umsatzes in KI zu investieren – zum Vergleich: das gesamte IT-Budget in der Fertigungsindustrie [2] beträgt durchschnittlich 1,95 Prozent des Umsatzes. Zwei Drittel der Befragten erwarten zudem, dass die durch KI neu geschaffenen Arbeitsplätze jene Anzahl ausgleicht oder übersteigt, die durch KI wegfallen.
Die Mehrheit der Befragten (61 Prozent) beschäftigt sich bereits mit KI, 11 Prozent haben die Technologie bereits implementiert, 14 Prozent planen dies innerhalb der nächsten zwölf Monate und 36 Prozent evaluieren deren Einführung. Die eingeführten oder geplanten KI-Anwendungen erstrecken sich über die gesamte Wertschöpfungskette, unter anderem Forschung und Entwicklung (38), Nachfrage-Prognose (21), Produktionsplanung (18), Betrieb (32), Wartung (34), Verkauf (20) und Dienstleistungen (29).
KI wird als Werkzeug für mehr Effizienz und Differenzierung gesehen
Bei der Einführung von KI stehen nicht die Kosten im Fokus, sondern auch Flexibilität und Differenzierung. So ergab die Umfrage, dass sich über die Hälfte (57) eine Effizienzsteigerung in Betrieb, Wartung und Lieferkette erhofft. Zudem soll sich die Kundenzufriedenheit steigern (45) und Produkte und Dienstleistungen sollen sich dank neuer Funktionen verbessern (41). Weitere Ziele sind, sich schnell und automatisch an veränderte Bedingungen anzupassen (37), neue Geschäftsmodelle zu entwickeln (34) sowie Angebot und Nachfrage gezielter durch bessere Prognosen und Planung aufeinander abzustimmen (32).
Ein Beispiel dafür ist eine der häufigsten KI-Anwendungen, die vorausschauende Wartung. Über sie lässt sich die Verfügbarkeit von Anlagen und deren Instandhaltung effizienter gestalten. Darüber hinaus können Hersteller vorausschauende Wartung aber auch in die Produkte integrieren, die sie an Kunden verkaufen und sich damit vom Wettbewerb differenzieren. Die Erwartungen der Umfrage-Teilnehmer bis 2030 spiegeln diese ausgewogene Sicht wider: Außer Umsatzwachstum und Margensteigerung erwarten sie durch KI außerdem im Durchschnitt 13,9 Prozent Kostensenkung.
Edge und Cloud Computing im Einsatz für KI
Die HPE-Umfrage untersuchte auch, in welchem Ausmaß KI-Anwendungen zentral oder dezentral betrieben werden – also im Rechenzentrum beziehungsweise der Cloud oder an der »Edge«, das heißt direkt vor Ort in der Fabrik oder Anlage. Edge Computing kommt bei zeitkritischen Prozessen zum Einsatz, wie etwa bei autonomen Fahrzeugen oder Robotern. Zudem müssen die Daten verteilter Industrieanlagen in zentralen Rechenzentren gesammelt und ausgewertet werden, um über das maschinelle Lernen wiederum die KI-Algorithmen zu verbessern.
Aktuell nutzen 39 Prozent der Befragten KI-Anwendungen aus einem Rechenzentrum/aus der Cloud und 32 Prozent an der Edge. Für 2030 erwarten die Befragten einen KI-Anteil von 55 Prozent für Rechenzentrum/Cloud sowie 52 Prozent für die Edge. Hybride KI-Architekturen werden also zur Norm werden.
Daten sind zentral für die Skalierung von KI
Die Studie belegt, dass KI in der europäischen Industrie angekommen ist, aber auch noch enormes Potenzial für die Zukunft hat. Die größten Hürden für den KI-Ausbau sind die Daten. So beklagen 47 Prozent der Befragten, dass Menge und Qualität ihrer Daten nicht für KI-Projekte ausreichen und 34 Prozent nannten den »Mangel an Data Governance und Enterprise Data Architecture« als zentrale Herausforderungen für die Einführung von KI. Tatsächlich sind die Daten der Schlüsselfaktor für die KI-Einführung. Denn Algorithmen können nur so gut wie die Daten sein, mit denen KI-Anwendungen versorgt werden.
Ein weiteres Hindernis für die breite KI-Akzeptanz ist der Mangel an Expertise rund um KI und Analytik (42). Trotz dieses Engpasses vertrauen nur zwölf Prozent der Befragten ausschließlich auf externe KI-Expertise. Die Mehrheit (55) setzt auf eine Mischung aus internem und externem Fachwissen. Ein Drittel konzentriert sich auf den Ausbau des internen Wissens durch die Einstellung externer Fachkräfte sowie die Weiterbildung eigener Mitarbeiter.
»Leider gibt es keine Abkürzung, wenn es darum geht, durch den Einsatz von KI Wettbewerbsvorteile zu schaffen«, sagt Volkhard Bregulla. »Unternehmen müssen ihre KI-Strategie definieren, vielversprechende Anwendungen identifizieren, Daten beschaffen, Technologien einführen und die richtigen Leute und Prozesse einsetzen. Aber unsere Studie zeigt deutlich, dass dies eine Reise ist, die sich lohnt.«
[1] 858 Befragte (Manager, Direktoren, C-Suite-Führungskräfte) aus Branchen wie Produktion, IT, Transport, Chemie oder Energie nahmen an der Umfrage »Gegenwart und Zukunft von KI im Industriesektor« über einen Online-Fragebogen zwischen dem 1. August und 20. September 2018 teil. 61 Prozent der Befragten kommen aus Westeuropa, 22 Prozent aus Mittel-/Osteuropa, 7 Prozent aus Nordamerika, 5 Prozent aus Asien/Pazifik, 3 Prozent aus Südamerika und 1 Prozent aus dem Nahen Osten und Afrika.
[2] https://www2.deloitte.com/insights/us/en/focus/cio-insider-business-insights/technology-investments-value-creation.html