Künstliche Intelligenz : Wie Sclable KI-Projekte für die Industrie implementiert
Der Einsatz von KI ist in der produzierenden Industrie derzeit ein großes Thema. Von der Technologie, die hinter dem Schlagwort steht, verspricht man sich ein großes wirtschaftliches Potenzial und Lösungen für den Facharbeitermangel. Die Anwendungsmöglichkeiten scheinen grenzenlos zu sein. Über die Möglichkeiten des Einsatzes von KI und die größten Herausforderungen bei der Umsetzung konnten wir uns bei einem Besuch bei dem Wiener IT-Beratungsunternehmen Sclable überzeugen.
Das 2012 gegründete Unternehmen hat sich in den vergangenen Jahren von einem Start-up zu einem etablierten Unternehmen entwickelt. In der Firmenzentrale am Wiener Schwedenplatz arbeiten rund 40 IT-, Design- und Daten-Experten an Digitalisierungsprojekten für die Industrie. Der steigende Bedarf an KI-Expertise hat dazu geführt, dass 2019 ein eigener Bereich ins Leben gerufen wurde, der sich in den vergangenen Jahren als Partner vieler namhafter Industrieunternehmen etabliert hat.
Abseits der Klassiker Quality-Guards und Predictive Maintenance.
Karl Holzer (Board-Mitglied) und Johannes Schauer (Director Data & AI Transformation) führen uns durch den Implementierungsprozess. „Die Firmen, die zu uns kommen, haben oft noch keine konkreten Ideen, was genau sie mit KI lösen wollen. Da ist es wichtig, einen Schritt nach hinten zu gehen und den gesamten Produktionsprozess und die unterstützenden Prozesse zu betrachten, um die besten Ansatzpunkte für KI zu identifizieren.“ Die Projekte werden ergebnisoffen durchgeführt, denn in der Praxis zeigt sich, dass bei der Implementierung unerwartete Potenziale aufgedeckt werden können. Es handelt sich um einen pragmatischen Zugang – in möglichst kleinen Schritten soll der größte Mehrwert für das Unternehmen erzeugt werden. Oft müssen einerseits die Produktionsmaschinen und andererseits die Produkte mit Sensorik ausgerüstet werden, die dann die Daten für die KI liefert. Viel Wert wird auf Benutzerfreundlichkeit der Applikationen gelegt, das steigert die Akzeptanz im Unternehmen.
Die gefragtesten KI-Produkte in der verarbeitenden Industrie sind Predictive Maintenance und Quality-Guards, die in der Fabrikshalle mit hoher Genauigkeit Produktionsfehler identifizieren und vorausschauend Wartungsintervalle planen. Doch auch abseits dieser KI-Klassiker werden Projekte entwickelt und Synergien geknüpft. Mit den generierten Daten, können Prozessoptimierungen abgeleitet und neue Services angeboten werden.
Der Vorteil von KI-Lösungen ist, dass das System ständig aus Fehlern lernt und sich dadurch verbessert. Dabei kommt es aber nach wie vor auf die menschliche Expertise an. „Wir versuchen den MitarbeiterInnen die Skepsis gegenüber der KI zu nehmen, indem wir großes Augenmerk auf die User-Experience legen. Nur ein regelmäßig eingesetztes und von den NutzerInnen akzeptiertes Produkt ist letztlich auch erfolgreich.“
Zukunft: Nachhaltigkeit in der Produktion.
In der Praxis zeigt sich, dass die Idealvorstellung einer virtuellen Fabrik, die von der Couch aus mit einem Tablet gesteuert werden kann, noch nicht Realität ist. Vielmehr werden für spezifische Fälle individuelle Lösungen ausgearbeitet. Zukunftsprognosen sind in dieser Branche ein gewagtes Unterfangen. „Vor Corona war die ganze Welt auf noch mehr Globalisierung ausgelegt, seit Corona sehen wir eine starke Rückbesinnung auf Regionalität und das Aufrechterhalten von Versorgungsketten. Insbesondere dabei kann der Einsatz von KI von entscheidender Bedeutung sein.“
Der Zeitpunkt für Investitionen ist laut den Experten sehr günstig, weil man in Kombination mit den Angeboten der großen Cloud-Anbieter KI-Lösungen relativ erschwinglich und schnell umsetzen kann. Einen großen Trend sehen sie im Bereich der Nachhaltigkeit. So kann durch die KI zum Beispiel die Ressourcennutzung eines Unternehmens stark optimiert und die Nachhaltigkeit gefördert werden. Als weiteren Zukunftstrend sehen sie den Austausch von Daten in bestimmten Industriesektoren. So könnte man sich in Konsortien organisieren und unternehmensübergreifend Daten aber auch Machine Learning Modelle austauschen, von denen alle profitieren, wie es bereits im Bereich der Computer Vision der Fall ist.
Der Erfolg von KI-Projekten hängt stark von der Unternehmenskultur und der Offenheit gegenüber Veränderungen ab. Entscheidend sei jedenfalls, dass man am Ball bleibt und datengetriebene Projekte nicht als zeitlich abgrenzbaren Prozess ansieht: „Ein digitales Produkt ist nie fertig und muss stetig angepasst werden, da sich die Welt, die NutzerInnen und die von diesen erzeugten Daten ständig ändern. Hier ist ein Umdenken im Vergleich zu klassischen Projekten notwendig.“