Der Hype um Künstliche Intelligenz (KI) in der Industrie ist riesig. Doch während die Theorie alles Mögliche verspricht, herrscht in vielen Werkhallen Ernüchterung. Der Grund ist meist ein Mangel an Datenqualität.
MPDV Mikrolab GmbH MPDV Mikrolab GmbH
Gerade bei der Produktionsplanung entfaltet sich das Potenzial von KI. Produktionsleiter geben die Prioritäten vor, die KI plant anhand der Vorgaben in Echtzeit.Gorodenkoff /stock.adobe.com, phonlamaiphoto /stock.adobe.com, MPDV
Eine aktuelle Bitkom-Studie aus dem Jahr 2025 verdeutlicht
das Paradoxon: 88 % der Unternehmen nutzen zwar
KI für Kundenkontakte, aber nur 20 % setzen sie direkt in den
Produktionsabläufen ein. Drei Kernprobleme bremsen den Fortschritt: Über die
Hälfte der Betriebe kämpft mit technischer Komplexität, während gleichzeitig
der Mangel an qualifiziertem Personal und eine fehlende Akzeptanzkultur die
Einführung erschweren. Laut einer Fraunhofer-Studie (2024) werden deswegen KI-Lösungen
oft nur punktuell eingesetzt, weil das digitale Fundament fehlt.
Das GIGO-Prinzip: Garbage In, Garbage Out
Es kommt aber noch ein weiterer Aspekt hinzu: Eine KI ist
nur so klug wie die Daten, mit denen sie gefüttert wird. Wer „Daten-Schrott“
(Garbage in) liefert, erhält „KI-Schrott (Garbage out)“ zurück, wie im GIGO-Modell
beschrieben. Es besagt, dass auch die beste Lösung nichts taugt, wenn die
Eingangsdaten unzureichend sind.
Die drei Säulen der KI-Bereitschaft
Damit ein Algorithmus auf dem Shopfloor echten Mehrwert
generiert, etwa durch die Senkung der Ausschussquote oder die Optimierung der Planung,
müssen Unternehmen als ersten Schritt eine valide Datenbasis schaffen. Dazu
sollten sie sich auf drei Kernbereiche konzentrieren:
Transparenz: Zunächst muss eruiert werden, welche Daten überhaupt existieren. Welche Sensoren liefern welche Werte? Wo entstehen Datenlücken?
Struktur: Eine Temperaturangabe ohne Zeitstempel oder Maschinenbezug ist wertlos. Erst der Kontext und eine einheitliche Struktur macht Daten für KI lesbar.
Auswertbarkeit: Daten müssen in Echtzeit vorliegen und eine Qualität bieten, die eine Analyse möglich macht. Kontraproduktiv sind deshalb Silolösungen.
Um KI erfolgreich zu nutzen, müssen Produktionsunternehmen eine verlässliche Datenbasis schaffen. Wer Daten-Schrott liefert, bekommt KI-Schrott zurück.Margarita/stock.adobe.com
Das MES als digitales Rückgrat
Doch woher kommen die Daten, um eine zuverlässige und
aussagekräftige Datenbasis zu schaffen? Die technische Lösung liegt in der
vertikalen Integration. Ein Manufacturing Execution System (MES) fungiert dabei als
zentrales Nervensystem. Es verbindet den Shopfloor direkt mit der ERP-Ebene und
dient als „Dolmetscher“ für unterschiedliche Maschinenprotokolle und
Legacy-Systeme. Damit ist auch die Grundlage für valide Daten gelegt, die die
KI braucht, um verlässliche Aussagen treffen zu können. In Kombination mit
einer Manufacturing
Integrationsplattform (MIP), lässt sich KI als organischer Teil des
Prozesses implementieren.
Vom Wissen zum Handeln
Unternehmen, die ihre Hausaufgaben bei der Datenstruktur
gemacht haben, verwandeln somit Informationen in Wettbewerbsvorteile. Sie
können Maschinendaten, Qualitätsinformationen und Prozesskennzahlen, die im MES
zusammenlaufen von KI analysieren, interpretieren und die Erkenntnisse in
Maßnahmen umsetzen lassen wie beispielsweise:
Qualitätsprognosen
Ausschussanalyse
Maschinenleistungsanalyse
Rüstzeitprognosen
OEE-Optimierung
Produktionsunternehmen, die eine technische Lösung für ein echtzeitnahes Produktionsleitsystem wie ein MES nutzen, profitieren von KI-Lösungen laut einer Fraunhofer-Studie am meisten.jahidmoon026/stock.adobe.com
Wer im Bereich Feinplanung bereits mit einem APS
arbeitet und KI einsetzt, profitiert von einer Qualitätssteigerung durch:
Adaptive Produktionsplanung: Neben anstehenden
Aufträgen berücksichtigt die KI auch Maschinenzustandsdaten, den
Werkzeugeinsatz sowie die Materialflüsse in Echtzeit.
Personaleinsatzplanung: Dank intelligenter
Datenauswertung können auch die Qualifikationen und Verfügbarkeiten der
Mitarbeitenden berücksichtigt werden.
Szenarien-Vergleiche: Ohne den laufenden Betrieb zu
unterbrechen, können per KI neue Planungsszenarien simuliert und verglichen
werden.
„Die KI kann die Masse an Informationen in der
Fertigungsplanung viel besser abbilden als der Mensch. Bei uns im Unternehmen
ist das unabdingbar – die KI ist unser wesentliches Element in diesem
Zusammenhang,“ erklärt Kevin Mahler, COO bei Vacom
GmbH.
KI-Kompetenz aufbauen
Künstliche Intelligenz in der Fertigung einzuführen, ist
kein reines IT-Projekt, mit dem Sie Ordnung schaffen. Vielmehr erfordert KI eine
tiefgreifende Transformation in der Arbeitswelt und eine klare Strategie sowie
ein Commitment von der Unternehmensführung. Damit Algorithmen messbare
Produktivitätssteigerungen liefern, müssen Produktionsleiter den Aufbau von KI-Know-how
ins Zentrum ihrer Strategie rücken. KI-Systeme sind nur so effektiv wie die
Menschen, die sie bedienen.
Um den nachhaltigen Erfolg von KI-Systemen in der Produktion
zu sichern, sollte in der Produktion ein strategischer Experten-Mix sichergestellt
werden. Dies gelingt entweder durch den Aufbau fester Partnerschaften mit
externen Dienstleistern oder gezieltes Recruiting spezialisierter KI-Experten.
