KI in der Fertigung: Was jetzt wirklich zählt

Frau Garg, Sie beschäftigen sich viel mit KI und den dadurch entstehenden Veränderungen in der Fertigungsindustrie. Da habe ich mich gefragt, wie KI Ihre tägliche Arbeit verändert hat.

Arti Garg: Ich nutze KI manchmal, um Dinge zu verfeinern, beispielsweise Texte, die ich geschrieben habe, oder Gesprächspunkte. Manchmal ist es auch schneller, Fakten mit Hilfe von KI zu überprüfen. Aber man muss vorsichtig sein und immer zur primären Quelle zurückkehren, um diese zu prüfen, da die KI auch oft Fehler macht. Dennoch denke ich, dass KI bei dieser Art von Arbeit recht hilfreich sein kann.

In meiner Position werde ich zwar nicht mehr dafür bezahlt, Codes zu schreiben, aber das bedeutet nicht, dass ich es nicht mehr gerne tue. Deshalb habe ich auch mit einigen Tools und Anwendungen zur Code-Entwicklung experimentiert, um Dinge schnell auszuprobieren.

Es ist toll, dass Sie immer noch Zeit finden, Ihrer Leidenschaft nachzugehen.

Garg: Nicht so viel, wie ich sollte, aber ja etwas.

In Bezug auf KI für Unternehmen gibt es ja viele Anwendungen. Welche Anwendungen oder Anwendungsfälle von KI in der industriellen Fertigung sind denn Ihrer Meinung nach derzeit die wichtigsten?

Garg: Es existiert zwar schon lange in der Industrie, ist aber meiner Meinung nach immer noch eine der wichtigsten Anwendungen: die Nutzung von KI, Data Science und Machine-Learning-Modellen, um Anomalien zu erkennen und auf der Grundlage der gesammelten Daten Vorhersagen über industrielle Anlagen zu treffen.

So können Unternehmen die von den Anlagen generierten Daten nutzen und ihr Verhalten verstehen. Dadurch ist es möglich, ungeplante Ausfälle, die extrem störend sein können, in etwas Geplantes umzuwandeln. Wenn eine Anlage für Wartungsarbeiten abgeschaltet werden muss, kann dies zu einem Zeitpunkt erfolgen, der am günstigsten ist. Das ist zwar keine brandneue KI-Anwendung, aber immer noch eine der wichtigsten.

Wenn wir zu dem vorspulen, was heute möglich ist, eröffnen die Fähigkeiten der generativen KI und der großen Sprachmodelle (LLMs) in Verbindung mit Agenten viele neue Möglichkeiten.

So wird es für Anwender einfacher, in diesen sehr komplexen industriellen Umgebungen zu arbeiten, in denen es oft unterschiedliche Anlagentypen gibt. Einige Anlagen generieren viele Daten. Ich nenne es gerne die Reduzierung der kognitiven Belastung. Mithilfe des Aveva Connect Industrial AI Assistant kann ein Bediener eine Frage zu den Vorgängen in einer Anlage eingeben und erhält sehr schnell Informationen, ohne Code schreiben oder eine KI-spezifische Schnittstelle aufrufen zu müssen.

Studie: Veraltete Systeme kosten Industrie Millionen

Wenn Automatisierung zum Bremsklotz wird: Eine neue Studie beziffert die massiven Verluste, die veraltete Systeme jährlich verursachen – und zeigt, wie offene Architekturen Unternehmen wieder auf Innovationskurs bringen.

Anja Ringel

Aveva verfolgt die Vision “connected industries of the future”. Wie sieht das in der Praxis für ein mittelständisches Unternehmen aus?

Garg: Eine der Lösungen, an denen wir für unsere kleineren und mittelständischen Unternehmen arbeiten, nennen wir „Industrial Accelerators”. Dabei handelt es sich um vorgefertigte Lösungen innerhalb unserer Plattform Connect.

Connect ist sehr flexibel: Einerseits kann man etwas Maßgeschneidertes bauen, was oft von sehr großen Unternehmen gewünscht wird. Kleinere Organisationen bevorzugen es jedoch manchmal, wenn Dinge vorgefertigt sind. Wir entwickeln diese vorgefertigten Lösungen, die Raum für Anpassungen bieten, aber die Startzeit verkürzen. Derzeit haben wir einen Accelerator in der Wasserwirtschaft und prüfen diesen Ansatz auch in einer Reihe anderer Sektoren.

Einige Unternehmen, mit denen ich gesprochen habe, haben erzählt, dass sie Schwierigkeiten haben, die richtigen Daten für die Arbeit mit KI zur Verfügung zu haben. Was wären denn die ersten Schritte, um die richtigen Daten zu bekommen?

Garg: Tatsächlich ist es eine Herausforderung, KI zu implementieren, wenn man nicht über die richtigen Daten verfügt. Viele dieser Daten werden über unsere Plattform generiert oder erfasst. Diese Daten sind entscheidend, um KI nutzen zu können.

Manchmal besteht das Problem jedoch darin, dass die Daten zwar vorhanden, aber nicht richtig kontextualisiert oder verfügbar sind. Um KI wirklich effektiv implementieren zu können, benötigt man alle Datenelemente. Eine Sache, bei der wir durch unsere Connect-Plattform helfen wollen, ist, diese Dinge zusammenzuführen, um den richtigen Kontext zu schaffen. So kann KI verstehen, wie neue, möglicherweise eingehende Betriebsdaten genutzt werden können, um Entscheidungsunterstützung und Lösungen zu bieten.

Im Interview mit Ihrem Kollegen Markus Herrmann hat er unter anderem gesagt, dass der Business Case geklärt sein muss, bevor man mit der Implementierung neuer Technologie beginnt. Das gilt dann auch für KI, oder?

Garg: Ja, das ist immer der Fall. Kurz gesagt: Stellen Sie sicher, dass Sie ein nützliches Problem lösen. Ich sage diesen Satz wahrscheinlich schon seit über zehn Jahren, wenn ich über KI spreche, und er ist immer wahr. Es mag reizvoll sein, zu sagen: „Ich habe Daten, mal sehen, was ich damit anstellen kann.“

Aber es ist wirklich wichtig, dass Sie ein nützliches Problem lösen. Wenn KI wirklich funktioniert, verändert sie die Art und Weise, wie Sie Dinge tun, und die Prozesse sowie die Arbeitsweise – und das ist gut. Sie müssen jedoch bereit sein, diese Änderungen vorzunehmen. Und in Ihrer Organisation werden Sie nur dann bereit sein, diese Änderungen vorzunehmen, wenn dadurch ein Problem gelöst wird.

In der Keynote auf dem Schneider Electric Innovation Summit haben wir gelernt, dass es ein Wachstum von 78 Prozent bei Organisationen gibt, die KI nutzen. Aber es wurde auch erwähnt, dass damit Herausforderungen verbunden sind. Mit welchen Herausforderungen kämpft die Fertigungsindustrie?

Garg: Eine der Herausforderungen ist die Datenbereitschaft, über die ich bereits gesprochen habe. Wenn wir jedoch über Herausforderungen sprechen, die auftreten können, nachdem eine Organisation KI eingeführt hat, ist die Frage der Kompetenzen wichtig. Die Mitarbeitenden müssen bereit sein, KI zu nutzen. Wir können zwar viele Schutzmechanismen und Leitplanken in KI-Lösungen einbauen, um zu verhindern, dass sie ungenaue oder fehlerhafte Informationen liefern, doch letztlich sind die Endnutzer dafür verantwortlich, diese richtig zu nutzen. Es ist jedoch ebenso wichtig, dass die Endnutzer ein Verständnis dafür entwickeln, wo die Grenzen und Fähigkeiten der KI liegen.

Das kann sich beängstigend anfühlen, weil es eine neue Technologie ist. Aber das ist nichts Neues. Wenn Sie zum Beispiel eine Excel-Tabelle verwenden, wissen Sie, was sie kann und was nicht. Wenn Sie eine falsche Gleichung eingeben, erhalten Sie eine Fehlermeldung und wissen, wie Sie damit umgehen müssen. Genau diesen Komfort gilt es mit KI aufzubauen. Ich denke, das ist ein wichtiger Teil der Weiterbildung von Arbeitskräften heute.

Abgesehen von KI, woran arbeiten Sie gerade?

Garg: Das ist eine gute Frage. Auch bei Aveva befinden wir uns mitten in der Umstellung auf eine Hybrid- und SaaS-Plattform. Dafür müssen viele andere Technologien in Betracht gezogen werden, die die zugrunde liegende Infrastruktur für SaaS bilden. Mein Team arbeitet eng mit dem F&E-Team zusammen, um die richtigen Lösungen für den Aufbau dieser modularen, sicheren SaaS-Plattform zu ermitteln.

Mein Fokus liegt einerseits darauf, die Transformationen in den von uns bedienten Sektoren zu verstehen, die den Wunsch nach neuen Tools hervorrufen könnten – wobei viele davon KI-spezifisch sind. Um beurteilen zu können, ob diese Tools genutzt werden könnten, müssen wir auch die Technologien verstehen, die der jeweilige Sektor bereits besitzt.

Ich verwende hierfür gerne das Beispiel des Stromnetzes. Es wird viel dezentraler, die Erzeugungsquellen werden kleiner und viele sind intermittierend und erneuerbar. Das verändert grundlegend, was ein Netzbetreiber tun muss, um Strom effektiv zu liefern, und treibt den Bedarf an mehr KI und Entscheidungsunterstützung voran. Um zu beurteilen, wo dies hilfreich wäre, muss man diese anderen Technologien verstehen.

Wir blicken auch weit voraus und beschäftigen uns mit Dingen wie Quantencomputing und Robotik. Im Bereich der Robotik passiert gerade viel. Möglicherweise findet ein Übergang statt, bei dem der Fokus von den mechanischen Aspekten der Roboter zu einem viel stärkeren Fokus auf das KI-Gehirn im Roboter wechselt. Das ist wirklich interessant. Es umfasst den KI-Teil, den Sensor-Teil, die Datenintegration und die Verkleinerung des Systems zu einem sehr kleinen Edge-Computing-System.

Angesichts all der Technologien, die aufkommen und die wir bereits haben, wird Cybersecurity immer wichtiger, oder?

Garg: Für unseren Bereich war Cybersecurity schon immer wichtig. In den letzten Jahren, insbesondere im Zusammenhang mit den sehr leistungsstarken generativen KI- und Foundation Models, habe ich jedoch gelernt, dass KI oft bereits bestehende Cyberrisiken aufzeigt.

Sachverhalte, die wie ein von KI ausgehendes Risiko erscheinen, waren möglicherweise darauf zurückzuführen, dass die Datensicherheitsrichtlinien nicht korrekt implementiert waren. Beispielsweise kann eine einfache Anfrage an die KI, alle verfügbaren Daten zu durchsuchen, schnell aufdecken, dass keine Berechtigungen erforderlich sind, um auf ein SharePoint zuzugreifen, das eigentlich nicht zugänglich sein sollte.

KI kann also auch dabei helfen, Daten vor Sicherheitsrisiken zu schützen.

Garg: Sie könnte dafür genutzt werden. Manchmal legt sie jedoch unbeabsichtigt Sicherheitsrisiken offen. Ich habe Organisationen gesehen, die sich intensiv mit Risiken befasst haben und mithilfe von KI eine Reihe von Cyberrisiken behoben haben, die in der Vergangenheit möglicherweise nicht vollständig angegangen wurden.

Eine letzte Frage: Welchen Rat würden Sie CEOs geben, die noch skeptisch sind, wie wichtig KI wirklich für ihr Geschäftsmodell sein kann?

Garg: KI wird bereits sehr schnell in den Alltag aller integriert. Die meisten Menschen sind beispielsweise in ihren persönlichen Verbrauchergeräten - sei es E-Mail oder Telefon - daran gewöhnt, KI zu sehen und zu wissen, was sie kann. Die Geschwindigkeit, mit der diese Technologie angenommen wird und sich weiterentwickelt, ist wahrscheinlich viel höher als zuvor.

Es ist daher sehr nützlich, sich dessen bewusst zu sein, wozu KI fähig ist, und zu wissen, wie sich ihr Potenzial nutzen lässt, um positive Auswirkungen auf das Geschäft zu erzielen.

Ein wichtiger Vorteil ist die Fähigkeit von KI, neue Arbeitskräfte zu schulen und den derzeitigen Arbeitskräfteübergang zu adressieren. Denn ein großer Teil der Belegschaft geht in den nächsten Jahren in Rente und diese Mitarbeitenden verfügen über jahrzehntelanges Wissen.

Die Nutzung von KI, um dieses Wissen zu erfassen und der nächsten Generation von Arbeitnehmern zugänglich zu machen, ist von großem Vorteil. Für viele Unternehmen, auch für kleinere, die möglicherweise stärker auf ein oder zwei Experten angewiesen sind, ist dies ein enormes Potenzial von KI.