69 Prozent der deutschen Fertigungsunternehmen haben mindestens einen KI-Anwendungsfall im Einsatz gegenüber 28 Prozent der Produktionsunternehmen in den USA und 11 Prozent in China.
Eine neue Studie des Capgemini Research Institute zeigt, dass Europa und hier speziell Deutschland federführend beim Einsatz von Künstlicher Intelligenz (KI) in Produktionsprozessen ist. 51 Prozent der größten global aufgestellten Fertigungsunternehmen in Europa implementieren mindestens einen KI-Anwendungsfall. Hersteller können sich bei der Einführung von KI-Elementen im Produktionsablauf auf drei Einsatzszenarien konzentrieren: intelligente Wartung, Produktqualitätskontrolle und Bedarfsplanung, so ein Ergebnis der Studie nach der Analyse von 22 möglichen KI-Anwendungen.
Die Capgemini-Studie „Scaling AI in Manufacturing Operations: A practitioners‘ perspective“ analysiert, wie KI-Anwendungen implementiert werden und untersucht hierzu weltweit 300 Top-Unternehmen aus den vier Sektoren industrielle Fertigung, Automobil, Konsumgüter sowie Luftfahrt und Verteidigung. Die Ergebnisse bestätigen das enorme Potenzial, das sich für die Branche durch KI hinsichtlich geringerer Betriebskosten, verbesserter Produktivität und höherer Qualität ergibt. Die weltweit führenden Produktionsunternehmen in Deutschland (69 Prozent), Frankreich (47 Prozent) und Großbritannien (33 Prozent) sind laut der Studie die Vorreiter beim Einsatz von KI-Elementen im Fertigungsbereich.
„Die produzierende Industrie stellt in Deutschland einen Grundpfeiler der Wirtschaft dar. Um wettbewerbsfähig zu bleiben, haben sich die hiesigen Fertigungsunternehmen schon frühzeitig damit auseinandergesetzt, KI in ihre Wertschöpfungskette einzufügen. Die Integration der KI muss allerdings tiefer gehen, denn trotz vieler KI-Konzepte fehlt es den meisten Unternehmen noch an Kompetenz und Erfahrung, diese in den Produktivbetrieb zu überführen. Die Fähigkeit, wirtschaftliche Fragen in algorithmische Aufgaben zu übersetzen, sie auf einer zentralen KI-Plattform in Echtzeit zu verarbeiten und deren Antwort kontinuierlich für Entscheidungen über Standorte hinweg im Betrieb zu nutzen, wird künftig entscheidend sein. Dadurch können Unternehmen die Vorteile der KI in Wartung, Qualitätsmanagement und Planung bestmöglich nutzen“, betont Jochen Bechtold, Head of Manufacturing und Life Sciences bei Capgemini in Deutschland.
Nutzung von KI macht einen Unterschied in der gesamten Wertschöpfungskette
Führende Unternehmen nutzen KI über mehrere Produktionsbereiche hinweg zu ihrem Vorteil. Ein Beispiel dafür ist das Lebensmittelunternehmen Danone*, das Prognosefehler um 20 Prozent reduzieren und Umsatzeinbußen um 30 Prozent vermeiden konnte, indem es maschinelles Lernen zur Vorhersage von Nachfrageschwankungen einsetzt. Auch der Reifenhersteller Bridgestone**, hat durch die Einführung eines neuen Montagesystems mit automatisierter Qualitätskontrolle die Einheitlichkeit der Produkte um über 15 Prozent verbessert.
Hersteller konzentrieren sich auf drei KI-Hauptanwendungsfälle
Der Studie zufolge starten die Hersteller in der Produktion mit drei KI-Anwendungsfällen (von insgesamt 22 in der Studie identifizierten). Diese weisen eine optimale Kombination mehrerer Merkmale auf und lassen sie so zu einem idealen Ausgangspunkt werden. Es zählen dazu ein klarer Geschäftswert, relative einfache Implementierung, Verfügbarkeit von Daten und KI-Kenntnissen. Die von Capgemini befragten Führungskräfte erläuterten, dass man in den Bereichen Produktqualitätskontrolle, intelligente Wartung und Bedarfsplanung KI am einfachsten implementieren kann und sich hier die beste Rentabilität ergibt. General Motors (GM)*** hat beispielsweise ein System entwickelt, das Anzeichen von robotischen Fehler erkennt, bevor sie auftreten. Dies hilft GM, Kosten für ungeplante Ausfälle zu vermeiden, die bis zu 20.000 US-Dollar pro Minute Ausfallzeit betragen können. Während es einen Konsens darüber gibt, welche Anwendungsfälle am besten geeignet sind, um mit KI in der Produktion zu beginnen, weist die Studie auch auf die Herausforderung hin, über die ersten Implementierungen hinaus zu skalieren und dann systematisch das Potenzial der KI weiter zu nutzen.
