Generative KI automatisiert nicht wertschöpfende Aufgaben

Die Experten sind sich einig: Der Einsatz und die Integration generativer KI bieten dem Maschinen- und Anlagenbau neue Möglichkeiten, stellen ihn aber auch vor neue Herausforderungen. Wie Unternehmen generative KI sicher und sinnvoll einsetzen können, um Prozesse zu optimieren, die Qualität in der Produktion zu sichern und Innovationen voranzutreiben, erläutert Daniel Gal, Geschäftsführer Gal Digital und auch Podiumsteilnehmer beim Maschinenbau-Gipfel Salon, im Gespräch mit Produktion.

Herr Gal, wofür können Maschinenbauer generative KI einsetzen?

Daniel Gal: Maschinenbauer können generative KI in verschiedenen Bereichen einsetzen, um Prozesse zu optimieren und Innovationen voranzutreiben. Ein besonders bedeutendes Einsatzgebiet ist das Wissensmanagement, der Kundenservice, die Produktentwicklung, der Vertrieb und das Marketing. Mithilfe generativer KI lassen sich technische Entwürfe schneller erstellen, wodurch Zeit und Ressourcen gespart werden. Zudem ermöglicht die Technologie die Qualitätssicherung in der Produktion, etwa durch die automatisierte visuelle Inspektion von komplexen Produkten und Anlagen auf Mängel.

Gibt es weitere Einsatzmöglichkeiten?

Gal: Ja, ein weiterer Anwendungsbereich ist das Wissensmanagement, bei dem KI auf der Basis von Handbüchern und anderen internen Quellen passgenaue Antworten auf Fragen von Mitarbeitern geben kann. Im Service-Bereich kann generative KI Kundenanfragen automatisiert beantworten und somit den Kundenservice verbessern. Generative KI wird auch verwendet, um Berichte zu erstellen und komplexe Prognosen zu Lieferketten und Wartungszyklen zu erstellen, wodurch Unternehmen besser auf zukünftige Ereignisse vorbereitet sind.

Welches Potenzial hat generative KI für den Maschinenbau?

Gal: Das Potenzial der generativen KI für den Maschinenbau ist enorm. Laut verschiedenen Studien kann sie zur Produktivitätssteigerung und somit zu einer ökonomisch relevanten Innovation führen. Maschinenbauer, die diese Technologie nutzen, können signifikante Wettbewerbsvorteile erlangen, darunter eine verbesserte Produktqualität, kürzere Markteinführungszeiten und Kostenreduktionen. Generative KI ermöglicht die Automatisierung nicht wertschöpfender Aufgaben und die Optimierung vieler Geschäftsprozesse.

Darüber hinaus können Hersteller mit der Fähigkeit der generativen KI, Inhalte zu generieren, Erkenntnisse zu gewinnen und Nutzer zu interagieren, ihre Produktivität in den Bereichen Fertigung und Lieferkette verdoppeln. Generative KI bietet auch die Flexibilität, rasch auf Markttrends zu reagieren und kundenindividuelle Lösungen anzubieten. 

Welche Lösungen und Dienstleistungen rund um KI bietet Gal Digital an?

Gal: Wir bieten eine Vielzahl von Lösungen und Dienstleistungen an, die auf die spezifischen Bedürfnisse der Maschinenbauindustrie zugeschnitten sind. Dazu gehören etwa Anwendungsberatung und -entwicklung. Wir unterstützen Unternehmen bei der Implementierung generativer KI-Lösungen in ihren Geschäftsprozessen, sei es für Design, Qualitätssicherung, Wartung oder Kundenservice. 

Aber auch im Bereich ‚Schulung und Weiterbildung‘ können wir Unternehmen helfen. Um die Nutzung der generativen KI zu maximieren, bieten wir Schulungsprogramme und Weiterbildungen an, die die Mitarbeiter in die Lage versetzen, die Technologie effektiv zu nutzen. 

Mit unserer Plattformlösung nele.ai schließlich, die zahlreiche umfangreiche LLM-Modelle (Large Language Model) integriert und das einfache Anlegen von Wissensdatenbanken ermöglicht, können Unternehmen schnell und auch ohne umfassende KI-Kenntnisse generative KI in ihre Anwendungen implementieren. Dadurch lassen sich diese Innovationen sicher und effizient in den Betrieb einführen. Ein weiterer Vorteil unseres nutzungsbasierten Abrechnungsmodells besteht darin, dass wir uns umfassend um Datensicherheit und Datenschutz kümmern. 

Wer nutzt generative KI heute schon?

Gal: Laut dem ‚2024 Work Trend Index Annual Report‘ von Microsoft und LinkedIn nutzen drei von vier Mitarbeitenden KI. Entscheidend ist jedoch, dass 78 Prozent der Arbeitnehmer aller Altersgruppen eigene KI-Tools mit ins Büro bringen. Hier besteht ein großes Problem der Industrie, das Schatten-IT umfasst. Selbst fortschrittliche Werkzeuge wie ChatGPT und dessen erweiterte Version könnten dazu führen, dass sensible Unternehmensdaten, die nicht für die Öffentlichkeit bestimmt sind, nach außen gelangen.

Daher sollte man den Einsatz von Lösungen bevorzugen, die ausschließlich mit firmeneigenen Daten trainieren und in Deutschland gehostet werden, wie etwa nele.ai. Trotzdem ist der Einsatz von KI im Arbeitsalltag eine relativ neue Entwicklung: 46 Prozent der Arbeitnehmer haben in den letzten sechs Monaten begonnen, KI zu nutzen. 90 Prozent der Arbeitnehmer geben an, dass der Einsatz von KI ihnen Zeitersparnisse bringt. 84 Prozent der Arbeitnehmer sind der Meinung, dass KI die Kreativität fördert und es ihnen ermöglicht, sich auf andere Aufgaben zu konzentrieren. So zeigen Beispiele aus der Praxis, dass Unternehmen erfolgreich Pilotprojekte durchgeführt haben und viele verschiedene Anwendungsfälle in der Produktion umsetzen.

Welche Herausforderungen oder Hürden gibt es?

Gal: Wie jede neue Technologie steht auch die generative KI vor bestimmten Herausforderungen und Hürden. Die Entwicklung und Pflege solcher Systeme erfordern erhebliche finanzielle Investitionen sowie spezialisiertes KI-Know-how, das aktuell knapp ist. Zweitens bestehen technologische Hürden in Form von Integrationsrisiken in bestehende Systeme und die benötigte robuste Infrastruktur.  

Drittens wirft die Datenqualität und -zugänglichkeit Probleme auf, insbesondere in Bezug auf Datenschutzregelungen wie die DSGVO und neue Gesetze wie den Data Act. Weiterhin erfordern ethische Überlegungen und das Vertrauen in KI-Technologien besondere Aufmerksamkeit, um Akzeptanzrisiken zu minimieren und sicherzustellen, dass die generative KI ethischen Normen entspricht und Nachvollziehbarkeit gewährleistet ist.

Wie können sich Unternehmen eigene KI-Modelle bauen?

Gal: Zuerst sollten wir den jeweiligen Anwendungsfall genau betrachten. Ist es überhaupt notwendig, ein eigenes KI-Modell zu entwickeln? Das ist beispielsweise dann der Fall, wenn Unternehmen Datenströme optimieren möchten. Wenn man jedoch lediglich Daten klassifizieren oder auf Basis von ERP-Daten automatisierte Antwortvorschläge im Kundenservice generieren möchte, ist ein eigenes KI-Modell nicht erforderlich.

Das Entwickeln eigener KI-Modelle erfordert umfangreiches Fachwissen, eine vorhandene Datenbasis und im Idealfall gelabelte Daten. Außerdem ist eine technische Infrastruktur notwendig, egal ob in der Cloud oder lokal – gute Hardware ist unerlässlich. Des Weiteren benötigt man ein Testteam und möglicherweise juristischen Beistand für Lizenzfragen.

Für viele Anwendungsfälle, die bereits zu deutlichen Produktivitätssteigerungen führen, genügt es, vorhandene umfangreiche Sprachmodelle zu erweitern. Es ist wichtig zu verstehen, dass man bereits bestehende Modelle nicht weiter trainieren kann. Eine generative KI lernt nur zeitweise durch das Hinzufügen von Kontext in Form von Hintergrundinformationen, die dazu dienen, Aufgaben oder Fragen zu beantworten bzw. auszuführen. Hierbei nutzen wir oft Wissensdatenbanken, die auf Graphen oder RAG (Retrieval-Augmented Generation) basieren. Wenn man dies mit intelligent kommunizierenden Agenten kombiniert, kann man einen gewissen Grad an Automatisierung erreichen.

Aus meiner Sicht ist es essenziell, dass Menschen die Nachvollziehbarkeit nach dem Einsatz von KI erhalten und durch manuelle Überprüfung kontrollieren, was die verwendeten Werkzeuge erstellen, und letztendlich die Verantwortung dafür übernehmen. Ein generatives KI-System ist beispielsweise kein Ingenieur, aber ein Ingenieur, der KI nutzt, kann außergewöhnlich effektiv sein.

Wie sieht die Praxis aus?

Gal: Generative KI bietet in der Praxis zahlreiche Vorteile, wie die Beispiele effektiver Nutzung in Unternehmen deutlich machen. Ein markantes Beispiel hierfür ist der Einsatz in der Produktentwicklung: Ein Ingenieur nutzt KI, um die Hintergrundinformation zu einem 3D-Modell zu kreieren, führt daraufhin Simulationen durch und entwickelt auf Basis der Ergebnisse ein optimiertes Design. Dieses Verfahren ermöglicht es, Zeit und Ressourcen zu sparen und sorgt für kostengünstige, qualitativ hochwertige Produktdesigns. Stellen Sie sich vor Unternehmen haben das Wissen aller ihrer Unternehmensergebnisse aus den letzten Jahren jeder Zeit präsent: Wieviel bessere Entscheidung könnten sie treffen?

Wie ist die Produktion davon betroffen?

Gal: In der Produktion vereinfacht generative KI arbeitsintensive Dokumentationsprozesse und steigert die Effizienzpartner durch Datenanalysen und das Bereitstellen von Informationen über Produktionslinien. Digitale Assistenten und Software-Co-Piloten sind weitere nützliche Anwendungen, die die Arbeit erleichtern und die Produktivität erhöhen. Man kann sich das ähnlich wie die Cobots vorstellen, die bereits Teilbereiche in der Montage übernehmen. Jetzt haben wir zudem die Möglichkeit, wissensbasierte Entscheidungen zu treffen, ähnlich wie durch einen hilfsbereiten Kollegen, der stets unterstützend zur Seite steht. Allerdings ist der gesamte Prozess eine Teamarbeit.

Hier können Sie sich kostenlos zum Maschinenbau-Gipfel Salon anmelden!

überarbeitet von: Dietmar Poll