KI-Agenten in der Industrie: Vom Assistenten zum Mitentscheider

KI-Agenten beantworten nicht nur Fragen. Sie können Aufgaben übernehmen, Entscheidungen vorbereiten und mit weiteren Agenten zusammenarbeiten. Aber wie können Sie der Industrie konkret helfen? Diese Frage beantwortet Jana Kirchheim, Senior Director für die Industrie bei Microsoft, im Podcast Industry Insights.

Dabei ist es wichtig, den Unterschied zwischen Chatbots und KI-Agenten zu kennen. Ein Chatbot verhält sich wie ein Navigationsgerät, erklärt Kirchheim. Der Nutzer gebe ein Ziel ein, erhalte eine Antwort und müsse anschließend die nächste Anfrage stellen. Ein KI-Agent gleiche dagegen einem selbstfahrenden Auto. „Ein Agent entscheidet an jeder Kreuzung selber, fährt er links oder fährt er rechts“, so die Expertin.

Der Mensch greife erst ein, wenn sich eine Fehlentscheidung abzeichne. Der Agent dagegen könne Entscheidungen vorbereiten und, sofern er vollständig autonom arbeitet, Aktionen selbst ausführen. Auch die Zusammenarbeit mit anderen Agenten sei möglich. „Er handelt, er führt ein Ergebnis herbei“, sagt die Microsoft-Managerin.

Potenzial bei Datenmengen und Routinetätigkeiten

Geeignet sind KI-Anwendungen im Maschinenbau nach Kirchheims Einschätzung vor allem dort, wo viele Informationen zusammenlaufen oder wiederkehrende Aufgaben anfallen. Also zum Beispiel in der Produktentwicklung, der Produktion, dem Service und der Supply Chain.

In all diesen Bereichen müssen Beschäftigte häufig Daten aus verschiedenen Quellen manuell zusammenführen, unter anderem in Excel-Dateien. Solche Prozesse können sich über Monate ziehen. „Da ist die KI perfekt“, sagt Kirchheim über langwierige, datenintensive Abläufe.

Mehrere Agenten bilden einen Gesamtprozess ab

Doch Unternehmen können nicht nur einen KI-Agenten einsetzen, sondern mehrere gleichzeitig: Das Multiagentensystem. Darin übernimmt dann ein einzelner Agent die Rolle eines Spezialisten. In der Getriebeentwicklung könnte er etwa ausschließlich Anforderungen bearbeiten. Gesteuert werden die verschiedenen Fachagenten durch einen Orchestrator, der selbst ebenfalls ein Agent sein kann.

„Du hast ein ganzes Team von Experten, die zusammenarbeiten können“, erklärt Kirchheim. Der Vorteil: Dadurch lassen sich einzelne Arbeitsschritte zu einem Gesamtprozess verknüpfen.

Zwei Beispiele: In der Produktentwicklung oder der Supply Chain könnten verschiedene Agenten beispielsweise prüfen, welche Anforderungen vorliegen, ob Produktionskapazitäten verfügbar sind oder ob die nötigen Teile im Lager liegen. Bei der Entwicklung eines neuen Antriebs könnten Agenten für Material, technische Anforderungen, Compliance oder einzelne Komponenten jeweils ihr Fachwissen einbringen.

Erste Systeme laufen bereits in Unternehmen

Im Podcast erklärt Kirchheim, dass einige Industrieunternehmen schon heute Multiagentensysteme einsetzen. Als Beispiel nennt sie Toyota. Der Autobauer nutzt in der Entwicklung mehrere KI-Agenten. Andere OEMs nutzen die Technik in der Produktion, um systematische Fehler zu erkennen.

Auch Microsoft selbst habe die eigene Supply Chain schrittweise mit Agenten ausgestattet, so die Managerin. Ausgangspunkt sei ein Excel-basiertes Reporting mit vielen Fehlerquellen gewesen. Inzwischen arbeiten dort weltweit 25 Agenten, unter anderem für Planung, Transport und Teileverfügbarkeit. Bis zum Jahresende soll ihre Zahl auf mehr als 100 steigen.

Auch Mittelständler können klein anfangen

Aber sind solche Systeme auch etwas für kleinere Firmen? Der Einsatz von KI-Agenten hänge nicht von der Unternehmensgröße ab, sagt die Expertin im Gespräch mit Anja Ringel. Software-Start-ups bauen ihre Prozesse zum Beispiel teilweise von Beginn an KI-nativ auf und können dadurch mit kleinen Teams hohe Umsätze erzielen.

Dieses Modell lasse zwar sich nicht ohne Weiteres auf einen mittelständischen Hersteller von Gewindebohrern übertragen. Unternehmen müssten aber auch nicht alle Abläufe auf einmal umstellen. Als mögliche Einstiegsfelder nennt Kirchheim die Angebotserstellung, die Produktionsplanung und die Anforderungsanalyse in der kundenspezifischen Fertigung. „Einfach starten“, empfiehlt sie.

Welche Vorteile Agentless Access in der OT bietet

Warum wird Agentless Access für OT-Systeme relevant? Felix Wirthmann, Director Product Management bei TeamViewer, erklärt im Interview, wie sicherer Fernzugriff auf OT-Systeme ohne Softwareinstallation am Endpunkt funktioniert.

Perfekte Daten sind keine Voraussetzung

Die gute Nachricht: Zum Start müssen die Daten nicht perfekt vorliegen. Eine vollständig harmonisierte Datenlandschaft ohne Silos ist aus Kirchheims Sicht natürlich der Idealfall. Die Informationen müssten im richtigen Kontext vorliegen, sauber strukturiert sein und eine ausreichende Qualität haben.Problematisch seien vor allem falsche Daten, weil ein KI-System nicht selbst erkennen könne, welche Angaben stimmen.

Für erste Projekte reiche jedoch ein klar abgegrenzter Datenbestand. Als Beispiele nennt Kirchheim technische Dokumentationen, Fehlerberichte und umfangreiche Unterlagen für die Angebotserstellung.

Mit solchen Datensätzen ließen sich bereits Ergebnisse erzielen. Im Verlauf eines Projekts werde zudem deutlicher, welche Informationen tatsächlich benötigt würden.

KI-Projekte: Worauf Maschinenbauer setzen müssen

KI-Projekte im Maschinenbau scheitern häufig nicht an der Technologie, sondern an fehlenden Datenstrukturen, mangelndem Kontext und unklaren Verantwortlichkeiten.

Simulation unterstützt Krones bei Abfüllprozessen

Als Praxisbeispiel nennt Kirchheim ein gemeinsames Projekt mit Krones, Nvidia und Ansys. Dabei geht es um Abfüllanlagen, die bis zu 100.000 Flaschen pro Stunde verarbeiten können.

Ändern sich Flaschendesign oder Flüssigkeit, verändert sich auch das Schwappverhalten. Laut Kirchheim dauerte es zuvor oft Wochen, die passende Geschwindigkeit und geeignete Parameter neu zu bestimmen.

Das entwickelte KI-basierte Simulationstool soll zeigen, wie sich eine Änderung auf das Verhalten der Flüssigkeit auswirkt und mit welcher Geschwindigkeit die Anlage anschließend betrieben werden kann.

Serviceagent begleitet Techniker vor und nach dem Einsatz

Ein weiteres Beispiel stammt aus dem Service bei TK Elevator. Servicetechniker erhalten bereits auf dem Weg zu einem Aufzug ein Briefing.

Dieses enthält nach Kirchheims Angaben nicht nur technische Informationen zur Anlage. Der Agent berücksichtigt auch den Kundenkontext und mögliche Fragen, die während des Einsatzes auftreten könnten.

Vor Ort unterstützt das System den Techniker bei der Fehlersuche. Nach Abschluss der Arbeiten folgt ein sprachbasiertes Debriefing. Der Agent fragt so lange nach, bis Ursache und Lösung des Problems nachvollziehbar dokumentiert sind.

Kirchheim grenzt diesen Ansatz dabei von knappen Servicenotizen ab, die für spätere Einsätze wenig hilfreich sind. Statt einer Angabe wie „die Lampe leuchtete rot“ erfasse das System auch, warum ein Fehler entstanden sei und wie der Techniker ihn behoben habe.

Warum Industrial AI an der Datenqualität hängt

In Industry Insights spricht Lisa Reehten von Resourcly über Industrial AI, Datensilos und die Zusammenarbeit zwischen Industrieunternehmen und Startups. Im Mittelpunkt steht die Frage, warum viele KI-Projekte noch nicht über Pilotphasen hinauskommen.

KI-Agenten können Schichtübergaben verbessern

Auch in der Produktion sieht Kirchheim konkrete Einsatzmöglichkeiten. KI-Agenten könnten Informationen aus Schichtübergaben strukturieren und für die nächste Schicht aufbereiten.

Beschäftigte erhielten damit einen Überblick über aufgetretene Probleme und mögliche Lösungswege. Das könne besonders dann helfen, wenn Spezialisten in der Nacht- oder Spätschicht nicht verfügbar seien.

Sie wollen mehr über KI-Agenten erfahren? Dann hören Sie sich die Podcast-Folge mit Jana Kirchheim an. Weitere Themen der Folge: Leadership im KI-Zeitalter und die Frage, wie Unternehmen Fachwissen sichern können, wenn zum Beispiel erfahrene Mitarbeitende in den Ruhestand gehen.