Kommentar von Herbert Presch & Daryna Kruty, Valtech Wie B2B-Hersteller ihre KI-Ambitionen in die Tat umsetzen

Anbieter zum Thema

Valtech GmbH

Board Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Immer mehr Unternehmen nutzen Künstliche Intelligenz (KI) in der Fertigung, um ihre betriebliche Effizienz zu steigern – das zeigt Valtechs jüngste Studie „The Voice of Digital Leaders in Manufacturing“ (VODL). Doch KI in der Fertigung könnte über kurzfristige Effizienzsteigerungen hinaus noch sehr viel mehr bewirken: Hersteller versprechen sich eine große transformative Wirkung von KI auf ihr gesamtes Geschäftsmodell.

Allerdings investieren Hersteller dafür noch zu wenig in die Technologie und wissen häufig nicht, wo sie beginnen sollen. Es ist an der Zeit, konkrete Lösungsvorschläge aufzuzeigen und sich Use Cases anzusehen, die je nach digitalem Reifegrad eines Herstellers, besonders vielversprechend sind.

KI-Anspruch vs. Realität: Hersteller haben noch viel zu tun

Beim Thema KI sticht die große Diskrepanz zwischen Anspruch und Realität der Branche ins Auge: Valtechs VODL-Studie zufolge sehen zwar viele befragte Hersteller KI als einen Trend, der die größten Auswirkungen auf ihr Business haben wird. Anderseits bildet KI bei den Befragten mit elf Prozent das Schlusslicht bei den Digitalisierungs-Prioritäten im Jahr 2024.

Fertigungsunternehmen wissen um das große Zukunftspotential von KI, aber der Weg dorthin ist oft nicht einfach. Um KI Gewinn bringend für Business Cases nutzbar zu machen, braucht es im Wesentlichen Fortschritte auf drei Gebieten.

1. Daten verfügbar und nutzbar machen

Hochentwickelte KI-Anwendungsfälle wie Predictive Maintanance oder Produktionssteigerungen benötigen in erster Linie eine solide Datengrundlage. Viele Fertigungsunternehmen müssen sich zunächst um die Basics kümmern und ihre geschäftskritischen und operativen Daten aus Silos befreien. Zu oft noch werden wertvolle Daten aus unterschiedlichen Geschäftseinheiten nicht miteinander verknüpft oder sie verkümmern in nicht vernetzten Anwendungen. Außerdem stellen unvollständige, veraltete und nicht einheitlich formatierte Daten ein echtes Problem dar, denn solche lassen sich nicht verlässlich für KI-Anwendungen nutzen.

Eine weitere Herausforderung ist die Verfügbarkeit der Daten. Predictive Maintenance beispielsweise erfordert eine hohe Vernetzung von Daten über Unternehmensgrenzen hinweg. Die Anwender-Unternehmen der Fertigungsbranche müssen bereit sein, den Maschinen-Herstellern Zugang zu den in der Produktion anfallenden Daten zu gewähren. Hier überwiegt trotz allen Vorteilen, die sich am Ende daraus ergeben, noch häufig die Sorge, sensible Unternehmensdaten preiszugeben.

Auf der technischen Seite führt dies zum mangelnden Anreiz, Fabrik- bzw. Maschinendaten in die Cloud hochzuladen und damit zu Einschränkungen bei ihrer Verfügbarkeit. Hintergrund dafür sind zum Teil auch prinzipielle Sicherheitsbedenken und die Sicherheitsrichtlinien der Hersteller.

Außerdem spielen Kosten eine entscheidende Rolle. So herrscht bei Anwendern oft noch Skepsis, ob sich die Investition in nötige Sensoren, die die Interoperabilität verbessern würden, überhaupt lohnen.

Die Lösung: Hersteller sollten, falls noch nicht geschehen, zunächst unternehmensweit Datenprojekte starten bzw. in sie investieren. Diese Initiativen zur Datenvernetzung können sich jenseits von KI-Projekten in vielerlei Hinsicht positiv auswirken, z. B. für eine ganzheitlichere Sicht auf die eigenen Kunden und beim Aufbau von B2B-Kundenportalen.

Was die Verfügbarkeit von qualitativ hochwertigen Maschinen-Betriebsdaten angeht, sollten Hersteller noch ganzheitlicher denken und genau analysieren, ob und in welchen Fällen die Weitergabe von Daten an Maschinen-Hersteller mehr Nutzen bringt als Risiken birgt.

2. Keine Falsche Scheu vor KI

Die traditionelle Risikoscheu der Fertigungsbranche droht mittlerweile zu ihrem größten Gegner zu werden. Zu Recht gibt es in der Branche eine Null-Toleranz-Politik für Downtime und ein großes Bewusstsein für den Schutz von Geschäftsgeheimnissen. Doch das darf nicht dazu führen, dass Hersteller Projekte rund um KI in der Fertigung gar nicht erst ausprobieren.

Die Lösung, ist simpel. Um Erfahrung mit dem IT-Management zu sammeln, sollten Hersteller mit weniger riskanten „einfachen“ KI-Experimenten anfangen – beispielsweise nicht direkt in der Fertigung, sondern im Kundenservice. Das bietet die Chance, erst mal ins Handeln zu kommen und die Kenntnisse später auf andere Projekte zu übertragen. Gleichzeitig sollten Hersteller schon einmal anfangen, in Sandbox-Umgebungen mit Produktionsdaten zu experimentieren, gerade im Hinblick auf ML-Modelle für vielversprechende Anwendungsfälle wie Predictive Maintenance.

3. Mut zum organisatorischen Wandel

Viele Fertigungsbetriebe in Deutschland sind etablierte, mittelständisch geprägte Unternehmen in einem schon langen gereiften wirtschaftlichen Ökosystem. Disruptoren, die die Branche von heute auf morgen umkrempeln, bleiben die Ausnahme. Es fehlt daher nicht zuletzt an Vorbildern und Best Practices. Gerade B2B-Fertigungsunternehmen müssen beim Thema Innovation aufholen und Projekte in Eigenregie vorantreiben.

Die Lösung: Digitale Transformation ist in erster Linie eine Frage des organisatorischen Wandels. Die schon vorhandenen Leuchtturmprojekte rund um Digitalisierung und KI müssen zu ganzheitlichen, zentral gemanagten Initiativen gebündelt werden. Es müssen klare Governance-Strukturen etabliert werden und die einzelnen Projekte müssen so aufgesetzt sein, dass sich Synergien für die gesamte Organisation ergeben. Dafür braucht es klar umrissene KI-Roadmaps, eine Personal-Strategie für die Gewinnung und Bindung von Fachkräften sowie ein IT-Setup, welches das Messen von KPIs und einen einfach Datenaustausch ermöglicht.

Die Führungsetage muss verinnerlichen: Ein datengetriebener Ansatz führt zu neuen, innovativen Geschäftsmodellen. Letztlich sind Daten genauso ein Produkt wie die zu fertigenden Bauteile.

KI-Uses-Cases für die B2B-Fertigungsindustrie

Ein einfach umzusetzender Use-Case für KI in der Fertigung, ist zum Beispiel der Einsatz von Large-Language-Models (LLMs) zum Durchforsten von Dokumentationen. Diese können in der Fertigungs-Industrie leicht hunderte Seite umfassen und es ist nicht einfach, an die benötigten Informationen zu kommen, gerade unter Zeitdruck. B2B-Fertigungsunternehmen können sich gegenüber der Konkurrenz abheben, indem sie generative KI-Funktionen in ihre B2B-Kundenportale integrieren. Das ermöglicht es Mitarbeitern aus Kunden-Unternehmen dank interaktiver Spracheingaben schnell und einfach an die benötigten Informationen zu kommen.

KI-unterstützte Dokumentationen sind auch ein Bestandteil moderner B2B-Commerce-Akzeleratoren von Drittanbietern. Das heißt, Unternehmen stehen im Zweifelsfall nicht ganz allein da, wenn sie Expertise von außen benötigen.

Predictive Maintenance – die Königdisziplin bei KI in der Fertigung

Einen großen Effizienzgewinn verspricht Predictive Maintenance. Es erfordert aber auch einen großen Reifegrad bei der digitalen Transformation. Denn hier kommt alles zusammen: Vernetzte, hochwertige und hochverfügbare Daten, die Kollaboration über Abteilungen und Unternehmensgrenzen hinweg und ein anspruchsvolles IT-Management, das die besten Talente erfordert.

In Bezug auf die Implementierung bedeutet das, dass Sensoren und Kameras eine Vielzahl an Daten zur Verfügung stellen und die einzelnen Verschleißkomponenten kontinuierlich überwachen. So lässt sich nicht nur die wahrscheinliche Down-Zeit vorhersagen, sondern auch der perfekte Moment berechnen, wann ein Bauteil mit den geringsten Auswirkungen auf die Produktion ersetzt werden soll.

Dafür müssen auch weitere Faktoren einbezogen werden, wie die allgemeine Auftragslage und die Verfügbarkeit von Mitarbeiter bzw. Ersatzteilen. Predictive Maintenance eröffnet damit neue Geschäftsmodelle für ein ganzes Ökosystem miteinander verbundener Partner-Unternehmen.

Fazit: Hersteller haben die Umsetzung ihrer KI-Ambitionen in der Hand

Auch wenn viele Hersteller beim Thema KI erst am Anfang stehen, ist das kein Grund zur Sorge. Die gute Nachricht ist: Erfolgreiche KI-Use-Cases sind in erster Linie eine Sache des organisatorischen Wandels. Solange KI in der Fertigung zur Kernpriorität wird und Hersteller ihre Bemühungen in einer zentralen Strategie bündeln, sehen die Perspektiven gut aus.

Angepasst an den digitalen Reifegrad eines Unternehmens gibt es jeweils geeignete Use-Cases, um Erfahrungen mit KI zu sammeln, die sich dann auf neue Projekte übertragen lassen.

Für den ganz großen Wurf braucht es darüber hinaus eine enge Verzahnung aller organisatorischen Erfolgsfaktoren mit einer ausgeklügelten Daten-Strategie.

Kurz gesagt: Die Hersteller haben es in der Hand, ihre KI-Ambitionen in die Tat umzusetzen und sich mit KI-Geschäftsmodellen neue Einnahmequellen und Effizienzgewinne zu erarbeiten.

* Herbert Pesch ist Managing Director Valtech B2B & Daryna Kruty ist Product Management Consultant bei Valtech

(ID:50051478)