Smart Production KI in der Produktion: Wo liegen aktuell die größten Potenziale?

In diesem Jahr scheint künstlichen Intelligenzen endgültig der Durchbruch in den Massenmarkt zu gelingen. Dass KI die Wirtschaft tiefgreifend verändern wird, ist schon länger klar. 2018 prognostizierte PwC in einer Studie, dass das deutsche Bruttoinlandsprodukt bis 2030 allein durch KI um 430 Mrd. EUR oder 11,3% wachsen könnte.

Doch besonders im Bereich der Produktion setzen sich KI-Anwendungen bisher nur schleppend durch. Einer der Gründe dafür: Sinnvolle – das heißt rentable – Anwendungsbereiche sind noch rar. In einer TÜV-Umfrage gaben 50% der Unternehmen an, dass sie bei sich keine sinnvolle Verwendung für KI kennen würden; 42% waren sich unklar darüber, was KI für sie leisten könne. Das war 2020 – die Zahlen dürften sich seither verbessert haben. Trotzdem: In der Massenfertigung sind sinnvolle Use Cases nach wie vor nicht an jeder Ecke zu finden.

Wo in der Produktion lassen sich KI-Anwendungen mit dem heutigen Stand der Technik schon sinnvoll einsetzen? In einigen Bereichen bringen aktuelle KIs das Potenzial für große Produktivitätsgewinne mit, wie in den folgenden vier:

Robotik

Die meisten Industrierotober sind aktuell ziemlich blind und dumm. Sie arbeiten nach hart programmierten Regeln. Das funktioniert für große Losgrößen in der standardisierten Massenproduktion, etwa für Schweißroboter in der Automobilfertigung.

Wenn das Umfeld oder die Produkte allerdings stärker variieren, müssen Roboter intelligenter werden. Etwa in der Produktion individueller Waren und bei der Aufbereitung oder beim Recycling gebrauchter Produkte. KI-basierte Roboter können lernen, Teile unterschiedlich zu behandeln, etwa je nach Bauart, Zustand oder Verwendungszweck. Ein weiterer machbarer Use Case für KI ist der sogenannte „Griff in die Kiste“: Der Roboter wird befähigt, chaotisch gelagerte Teile in Behältern richtig zu greifen und wieder abzulegen, ohne dass manuelle Vorarbeiten nötig sind.

Auch die sogenannten Cobots funktionieren teilweise mit künstlicher Intelligenz. Sie teilen sich den Arbeitsraum mit Menschen; sie fahren etwa in den Gängen umher. Dafür müssen sie die jeweiligen Situationen verstehen und darauf reagieren können. Sie müssen Gefahren vorhersehen und sich auf unterschiedliche Arbeitsweisen von Menschen einstellen können.

Qualitätskontrolle

Qualitätskontrolle ist einer der Bereiche, in denen KI-Lösungen schon länger profitabel eingesetzt werden. Die Aufgabe ist prädestiniert für die Fähigkeiten von KIs und insbesondere für das populäre Teilgebiet Machine Learning. Statt Bauteile nur nach harten Regeln in Gut und Schlecht einzuteilen, können KIs Abweichungen erkennen, klassifizieren und beurteilen – auch solche, die in Grenzbereichen liegen. Diese Fähigkeiten können unter anderem eingesetzt werden, um Pseudo-Fehlerraten zu senken oder große Datenmengen für die Auswertung durch menschliche Prüfer vorzubereiten.

Produktionsplanung

In der Produktionsplanung und Disposition müssen zahlreiche Faktoren berücksichtigt werden: Auftragslage, Art und Menge der bestellten Artikel, Liefertermine, Lagerbestand, Preise und Verfügbarkeit von Rohstoffen und Halbteilen, Verfügbarkeit von Personen und Maschinen und so weiter. Dadurch ist die Aufgabe sehr komplex.

Eine KI-basierte Software kann die vielen Daten in Echtzeit auswerten und Planungsempfehlungen geben. Außerdem kann sie zusätzliche Daten einbeziehen, etwa aktuelle Marktdaten, Branchenindizes oder historische Daten zum Bestellverhalten der Kunden. Mithilfe der KI können Planer verschiedene Szenarien simulieren und Prognosen erstellen, um bessere Entscheidungen zu treffen.

Parametrierung von Maschinen

Bei kleinen Losgrößen oder maßgefertigten Produkten müssen jeweils die Parameter der Produktionsmaschinen angepasst und aufeinander abgestimmt werden. Bei dutzenden Parametern führt dies zu langen Unterbrechungen. Zudem fehlen bei selten produzierten Teilen oft die Erfahrungswerte und die ideale Einstellung muss erst gefunden werden.

Eine KI kann diesen Part vereinfachen. Sie erkennt etwa Ähnlichkeiten zwischen Produkten und schlägt passende Einstellungen vor. Oder sie errechnet anhand einiger vorgegebener Parameter die ideale Gesamtkonfiguration.

Wie gehen Unternehmen am besten vor, um bei sich lohnende Einsatzbereiche für KI zu identifizieren? Der Anstoß sollte am besten aus der Fachabteilung kommen, die die Prozesse und Probleme kennt. Rein technologiegetriebene Projekte – „Wir müssen was mit KI machen“ – sind in der Regel zum Scheitern verurteilt.

Verantwortliche sollten die eigenen Prozesse analysieren: Welche Aufgaben wiederholen sich oft? Welche Arbeiten sind relativ monoton und dadurch auf die Dauer herausfordernd für Menschen? Solche Prozesse sind grundsätzlich für den Einsatz von KI prädestiniert. Doch auch digitale Wissensarbeit lässt sich vermehrt automatisieren oder zumindest durch KI unterstützen.

Allerdings müssen auch andere Faktoren stimmen: Je mehr Schnittstellen ein System hat, desto komplizierter wird es. Isolierte Systeme dagegen sind ideal, wie die oben beschriebenen Bereiche Qualitätskontrolle oder Robotik. Dann müssen Unternehmen die nötigen Trainingsdaten für eine KI haben; der Erfolg einer Machine-Learning-Lösung hängt überwiegend davon ab.

Nicht zuletzt benötigen Unternehmen das erforderliche Know-how und die Fachkräfte für die Umsetzung. In der bereits erwähnten TÜV-Umfrage nannten 40% diese beiden Aspekte als größte Hindernisse für die stärkere Nutzung von KI. Sofern Unternehmen sinnvolle Anwendungsbereiche bei sich identifiziert haben, sollte es zumindest daran nicht scheitern: Forschungsinstitute und zahlreiche Dienstleister bieten generische und teils vortrainierte KI-Modelle an und begleiten bei der Umsetzung.

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

Herr Prof. Dr. Marco Huber, Abteilungsleiter Cyber Cognitive Intelligence

Herr M. Sc. Tobias Stahl, Projektleiter/Doktorand Abteilung Unternehmensstrategie und -entwicklung