Auch in der Praxis ist KI inzwischen angekommen. Eine aktuelle IDG-Studie KI/ML 2021 zeigt, dass bereits zwei Drittel der deutschen Unternehmen Maschine Learning in konkreten Use Cases einsetzen. Bei großen Unternehmen sind es sogar fast drei Viertel.
Über 150 spezifische Anwendungen von KI zur Unterstützung von Geschäftsprozessen sind heute bekannt. Experten des eco Verbandes der Internetwirtschaft sowie von Arthur D. Little gehen in einer gemeinsamen Studie davon aus, dass bis 2025 ein Drittel, also mindestens 50 spezifische Use Cases, in der Praxis etabliert sein werden und zum normalen Betriebsablauf gehören. KI soll dabei
den Grad der Automatisierung in manuellen und repetitiven Tätigkeiten um mindestens 50 Prozent steigern. Das Gesamtpotenzial durch KI für Unternehmen in Deutschland in 2025 wird dabei auf ca. 488 Mrd. Euro beziffert. Davon entfallen ca. 330 Mrd. Euro (70 %) auf Kosteneinsparungen und ca. 150 Mrd. Euro (30%) auf Umsatzpotenziale für alle Branchen.
Mit etwas über 50 Prozent (182,5 Mrd. EUR) steckt das größte Potenzial in der Unterstützung der Produktion durch KI. Daher werden im Folgenden vier unterschiedliche Use Cases für den Maschinenbau beschrieben. Sie sind Teil des Forschungsprojektes Service-Meister. Ziel des vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Leuchtturm-Projektes ist es, bis Ende 2022 ein KI-basiertes Ökosystem für den technischen Service zu realisieren. Diese Anlagen-, Abteilungen und Firmenübergreifende Serviceplattform soll vor allem den deutschen Mittelstand unterstützen, hochwertige und komplexe Dienstleistungen kosteneffizient, rasch und passgenau zu erbringen.
Anhand von Use Cases mit Projektpartnern aus der Industrie werden derzeit Erfahrungen mit der Einbindung von KI-Anwendungen an verschiedenen Stellen im technischen Service gesammelt. Gemeinsam mit einem IT-Dienstleister werden hierfür passende KI-Anwendungen entwickelt und in der Praxis getestet. Sie nutzen unter anderem Predictive Analytics- und Machine-Learning-Verfahren. Damit werden durch die Erhebung, intelligente Auswertung und Kombination von Daten u.a. die Erkennung von Anomalien und die dazu passende Fehlerbehebung möglich. Auch Textanalyse-Tools zur automatischen Analyse von Serviceberichten kommen zum Einsatz, die als Grundlage für vorausschauende Wartungen genutzt werden.
Probleme automatisch klassifizieren und remote lösen: Open Grid Europe transportiert Erdgas durch sein 12.000 Kilometer langes Fernleitungsnetz. Der Netzbetreiber ist dazu verpflichtet, seine Kraftwerks-Kennzeichnungs-Systeme qualitätsgesichert aus der Ferne zu überwachen. Dazu betreibt Open Grid Europe ein eigenes Competence Center, das in den Datenströmen aller rund 850 Sensoren Auffälligkeiten entdecken soll. Beispielsweise werden für den kathodischen Korrosionsschutz die Korrelationen zwischen Alarmmeldungen und Wetterdaten untersucht. Gemeinsam mit USU möchte Open Grid Europe sein Monitoring mit KI weiterentwickeln. Das Ziel: das Service-Knowledge-Management verbessern, Anomalien automatisch erkennen und Wartungsbedarf prognostizieren. Zudem sollen Techniker mit KI-basierten Chatbots auch komplexe Probleme lösen.
Serviceeinsätze effizient planen, Maschinendaten automatisch diagnostizieren – das sind Ziele im Projekt von TRUMPF und USU. Denn: Werkzeugmaschinen von TRUMPF sind komplex, Betriebs- und Wartungskosten beeinflussen die Entscheidung der Käufer. Die Lösung liefert die richtige Kombination aus Sensorik, Diagnoseverfahren und KI-Know-how. So sollen die Maschinen selbstständig Probleme diagnostizieren und analysieren können, um Ergebnisse an eine Cloud-Plattform zu transferieren, wo sie sich differenziert auswerten lassen. Die Folge: Wartungstickets lassen sich automatisieren und Informationen in einem kontinuierlichen Lern- und Verbesserungsprozess nutzen. Das steigert die Anlagenverfügbarkeit und reduziert Wartungskosten.
Wie sie solch einen Use Case, wie Condition Monitoring optimal umsetzen, zeigen wir Ihnen in unserem kompakten Whitepaper "Condition Monitoring - wie geht es meiner Maschine?"
Produktionsprozesse überwachen, Stillstände verhindern – Atlas Copco klebt und fügt, um etwa Leitungen bei seinen Kompressoren zu verbinden. Bei Problemen in der Fertigung stockt es nicht nur in einer Fabrik. Ausfälle bedrohen das gesamte Zulieferernetzwerk und die Qualität aller Erzeugnisse. Um Ausschuss zu reduzieren und Anlagen verfügbar zu halten, setzt Atlas Copco auf KI. Gemeinsam mit USU Software arbeitet Atlas Copco an einem Service Knowledge-Management-System, das Klebe- und Fügeprozesse mit KI überwacht, um Produktionsfehler und -abweichungen im laufenden Betrieb zu erkennen. Damit das System Techniker in den Fabriken automatisch alarmiert, sind zahlreiche Daten- und Sensorquellen einzubinden. Am Ende soll die KI Fehler eigenständig identifizieren und dazu auch auf historische Daten von Serviceeinsätzen zugreifen können. Der Vorteil: Ursachen lassen sich präziser bestimmen.
Servicedaten effizient sammeln, in Echtzeit automatisch auswerten und kontextbezogen bereitstellen – der Use Case des Antriebsexperten KEB und USU setzt auf einen umfangreichen Informationspool. Das Schnellboot verarbeitet nicht nur Daten aus Sales, Service und Kundenkommunikation, sondern zudem Fehlerbeschreibungen und Liveereignisse wie Alarmmeldungen und Maschinenzustände. Ob Video, Augmented Reality oder Chatbot – Ergebnisse der KI-Analysen sollen sich, je nach Serviceanwendung, in unterschiedliche Tools integrieren lassen. Automatisch sollen Techniker so Unterstützung erhalten – sie müssen nicht mehr ganze Handbücher lesen, sondern erhalten passende Textbausteine. Und Recommender-Engines sollen dabei helfen, Außendiensteinsätze zu planen und Ersatzteile zu beschaffen.
Nach wie vor ist die IT das wichtigste Einsatzfeld von KI und ML (76 Prozent). Doch eine dynamisch wachsende Anzahl der Unternehmen (aktuell 57 Prozent) sehen mittlerweile auch Use Cases in Produktionsumgebungen, etwa der Qualitätssicherung und Logistik. Dabei setzen rund 78 Prozent der Firmen auf externe Unterstützung, zum Beispiel durch die Data Driven-Services von USU.
Im Falle des Forschungsprojektes Service-Meister sollen die aktuellen Erfahrungen aus den Use Cases in den nächsten Monaten ausgewertet und verallgemeinert werden, sodass sich KI-Werkzeuge aus den Use Cases auch von anderen Anwendern nutzen lassen. Gleichzeitig sollen die gewonnenen Informationen auf der Plattform von Serviceanbietern oder Maschinenherstellern dazu genutzt werden, um bestehende Services mit und ohne KI-Anteil zu verbessern oder neue Dienste zu entwickeln. Ziel ist es, Servicewissen beispielsweise über Chat-Bots oder Datenbrillen bereitzustellen, wodurch auch weniger geschulte Techniker dabei unterstützt werden, Reparatur- oder Wartungsmaßnahmen durchzuführen.
Wie sie solch einen Use Case, wie Condition Monitoring optimal umsetzen, zeigen wir Ihnen in unserem kompakten Whitepaper "Condition Monitoring - wie geht es meiner Maschine?"