Der Einsatz von künstlicher Intelligenz ist im Mittelstand – gerade auch in Fertigungsunternehmen – oft noch nicht sehr weit verbreitet. Dies hat mehrere Gründe: Zum einen wissen die Unternehmen zu wenig über die Möglichkeiten künstlicher Intelligenz. Zudem mangelt es an qualifizierten Fachkräften, die in der Lage sind, KI-Projekte zu implementieren und zu betreuen. Auch herrschen Bedenken hinsichtlich der Integrationsmöglichkeiten in vorhandene Systeme und Prozesse oder in Bezug auf die Gewährleistung der Datensicherheit in KI-Anwendungen. Diese Vorbehalte sind, mit der richtigen Implementierung, unbegründet. Unternehmen sollten daher einige Grundvoraussetzungen für den KI-Einsatz zu beachten.
Eine Basis schaffen
Die Basis für den KI-Einsatz bilden die Daten aus den Maschinen und Anlagen. Mit Sensoren werden Parameter wie etwa Temperatur, Druck, Feuchtigkeit, Staub oder Vibrationen ausgelesen. Die Daten sind in vielen Fällen zwar vorhanden, werden aber oft nicht genutzt. In einem KI-Szenario werden aus ihnen jedoch Datenmodellen generiert und Anwendungen wie etwa Predictive Maintenance entwickelt. Die Datenmodelle sollten dabei in enger Kooperation von Prozessverantwortlichen und KI-Experten konzipiert und auf Adaptierbarkeit ausgelegt werden. Auch wenn in einem ersten Schritt nur einzelne Auswertungen wie Qualitätsanalysen im Vordergrund stehen, sind flexible Anpassungsmöglichkeiten auf künftige Use Cases von Vorteil, etwa im Hinblick auf Reporting-Anforderungen im Kontext des neuen Lieferkettengesetzes.
Die Infrastruktur
Als Schnittstelle zwischen den Sensoren und dem Netzwerk dienen IoT-Gateways. Diese sammeln Daten von Maschinen und Sensoren übertragen diese an zentrale Server oder in die Cloud. Für eine reibungslose Datentransformation zwischen Sensoren, Gateways, Servern und Endanwendern ist eine robuste Netzwerkinfrastruktur erforderlich. Die Verarbeitung und Speicherung der Daten erfolgt dann auf Servern entweder on-premises oder in der Cloud. Für die Cloud sperchen unter anderem Rechenleistung sowie vielfältige Analyse- und Vergleichsmöglichkeiten oder vordefinierte Use Cases und Applikationen. Für viele Szenarien eignet allerdings auch eine hybride Infrastruktur, in der Echtzeit-Auswertungen vor Ort und größere zeitunkritische Analysen in der Cloud erfolgen.
Der Faktor Mensch
Beim KI-Einsatz gilt es, nicht ausschließlich technische Aspekte zu berücksichtigen. Auch der Faktor Mensch muss Beachtung finden. Führungskräfte und Mitarbeiter sollten das Potenzial von KI beziehungsweise deren positive Effekte kennen. Unternehmen können hier in die Schulung und Weiterbildung ihrer Mitarbeiter investieren. Da KI auch Auswirkungen auf die Arbeitsweise hat, spielt auch das Change Management eine Rolle. Wo es bisher üblich war, Maschienendaten mit Excel-Tabellen auszuwerten, werden durch die KI nun Entscheidungen viel näher am Prozess bzw. an der Maschine selbst getroffen. Von diesen Veränderungen sind sowohl Management als auch die Mitarbeiter betroffen.