KI im Maschinenbau: Warum Unternehmen keine Angst haben müssen

Der Launch von ChatGPT Ende 2022 hat in der breiten Öffentlichkeit eine Diskussion befeuert, die in der Industrie schon seit Jahren geführt wird: Wie nützlich oder gefährlich ist Künstliche Intelligenz (KI) und welche Rolle spielen menschliche Entscheidungen in Zukunft noch? 

Industrieunternehmen beschäftigen die Potenziale von Machine Learning-Technologien (ML) und Algorithmen nicht erst seit ChatGPT: Eine IDG-Studie zeigt, dass 73 Prozent der Großunternehmen mit mehr als 10.000 Beschäftigten schon 2021 mit ML gearbeitet haben. Zwar kommt der KI-Einsatz für 65 Prozent der produzierenden Unternehmen mit weniger als 50 Beschäftigten laut einer aktuellen Ifaa-Studie nicht infrage.  

Trotzdem fühlen sich viele Führungskräfte vom KI-Trend unter Druck gesetzt. 67 Prozent glauben, Künstliche Intelligenz einführen zu müssen, um ihre Wettbewerbsfähigkeit zu sichern, so das Ergebnis einer aktuellen KI-Studie des KI-Anbieters Monolith. Tatsächlich schätzen industrielle KI-Nutzer, gegenüber Nichtnutzern eine 43 Prozent höhere Wahrscheinlichkeit auf mehr Umsatz und Rentabilität zu haben – und das offenbar in Rekordzeit: In der IDG-Studie gab die Mehrheit der ML-Nutzer an, von der Technologie schon nach maximal drei Monaten zu profitieren.  

Vereinfacht gesagt ist KI die Fähigkeit von Computern, zu lernen, Muster zu erkennen und darauf basierend Entscheidungen zu treffen. Dabei kommen verschiedene Technologien wie maschinelles Lernen, Sprachverarbeitung oder Computer Vision zum Einsatz. Unternehmen im Maschinenbau, die sich mit den Möglichkeiten von KI für ihren Alltag auseinandersetzen, sollten jedoch auch wissen, was KI nicht ist. 

KI-Tools sind keine Out-of-the-Box-Lösung, die alle Ihre Probleme löst und Ihren Anforderungen zu 100 Prozent gerecht wird. Vielmehr ist KI ein Werkzeugkasten: Unternehmen können sich daraus bedienen und individuelle Lösungen entwickeln, die den Menschen bestmöglich im Arbeitsalltag unterstützen.  

Die Ausprägungen sind dabei vielfältig: KI-Prozesse können 

• im Hintergrund ablaufen und Aufgaben wie die Aufbereitung und Bereinigung von Daten erledigen, oder 
• direkt mit dem User interagieren – das ist zum Beispiel bei Sprachassistenzsystemen, Chatbots oder autonomen Systemen wie Robotikanwendungen der Fall. 

KI ist längst fester Bestandteil unseres beruflichen und privaten Alltags: Gesichtserkennung im Smartphone, verschiedene Online-Dienste, Fahrassistenzsysteme und Sprachassistenten sind nur einige Beispiele von KI-Anwendungen, die Teil des Lebens geworden sind.  

Auch in der Industrie hinterlässt die KI ihre Spuren in Bereichen wie Predictive Maintenance, der smarten Landwirtschaft und überall dort, wo die Auswertung von Daten eine Rolle spielt und intelligente Assistenzsysteme den Menschen Arbeit abnehmen.  

Grundsätzlich hilft KI, Anwendungen intelligenter zu machen. Das ist insbesondere vor dem Hintergrund des demografischen Wandels wichtig, durch den immer mehr Wissen in Rente geht. Unternehmen sind oft bereits sehr gut darin, Informationen zu sammeln und zu verteilen. KI hilft jedoch, diese Informationen zu interpretieren und daraus konkrete Handlungsempfehlungen für die Anforderungen verschiedener User abzuleiten. Damit wirkt KI dem Wissensverlust entgegen. 

Konkrete Anwendungsfälle für KI im Maschinenbau sind auch im After-Sales & Service sowie in der Technischen Dokumentation zu finden. Typische Aufgaben, die Künstliche Intelligenz dort unterstützen kann, sind: 

• Ersatzteilerkennung 
• Predictive Maintenance  
• Identifizierung des anstehenden Wartungsbedarfs 
• Qualitätssicherung und maschinelle Übersetzung der Technischen Dokumentation 
• Customer Self Service Portale 
• Chatbots für den After-Sales Support 
• Vernetzung Service-relevanter Informationen 

Welchen Mehrwert KI darüber hinaus für After Sales & Service und die Technische Redaktion bietet, zeigen die folgenden Beispiele. 

Damit KI einen Mehrwert für Nutzer und Kunden generiert, sind gut aufbereitete und intelligent vernetzte Daten die Grundlage. Bei Quanos dienen sie zum Beispiel dazu, manuelle Prozesse zu vereinfachen und Anwendern Zeit zu sparen. Ein Beispiel ist die intelligente Aufbereitung und Bereitstellung von Daten aus PDF-Dateien in digitaler Form.  

Serviceorganisationen generieren im Laufe der Zeit viele wertvolle Daten. Oft sind historische Datenbestände jedoch nur in Form von eingescannten PDFs verfügbar. KI-gestützte Tools helfen bei der einfachen Digitalisierung der Informationen: Die Tools können lernen, bestimmte Informationen punktuell zu extrahieren und Zusammenhänge und Elemente wie Tabellen, Absätze oder Formulare zu erkennen. Damit bieten KI-Tools Effizienzvorteile gegenüber der optischen Texterkennung (OCR).  

Auch Metadaten, die für die Vernetzung und Verteilung von Daten immer wichtiger werden, lassen sich mithilfe von KI anreichern. Denn eine der Stärken von KI ist die Fähigkeit, Inhalte blitzschnell zu klassifizieren. KI ist in der Lage, in kurzer Zeit große Daten auszuwerten und Muster ebenso zu erkennen wie Anomalien.  

Um eine hohe Datenqualität sicherzustellen, wird häufig ein Konfidenzwert für die Interpretation von KI-Ergebnissen verwendet. Dieser Wert gibt an, wie sicher die Entscheidung eines KI-Modells ist. Unternehmen können einen Schwellenwert festlegen und Ergebnisse bei Unterschreiten dieses Werts manuell prüfen. Dieses Vorgehen erfordert manuelles Nacharbeiten. Trotzdem haben die Anwender einen Effizienzgewinn, denn sie müssen nicht bei null anfangen.  

Einen Effizienzgewinn erreichen auch Technische Redakteure, wenn sie sich Textabschnitte von einem Large Language Model (LLM) – einem generativen Sprachmodell mit künstlicher Intelligenz – erstellen lassen und diese als „Expert-in-the-Loop“ korrigieren und ihnen den letzten Feinschliff geben.  

Zwar ist die Datenaufbereitung zeitaufwendig – allerdings lohnt sich die Investition. Denn je besser Daten aufbereitet und mit Metadaten angereichert sind, desto besser können Anwender KI-gestützt damit arbeiten. Im After-Sales & Service gehören Informationen über Maschinen, Ersatzteile und Abläufe zu den wichtigsten Werkzeugen. 

KI hilft Servicetechnikern, selbst in einer Flut von Informationen die Daten zu finden, die sie für die Bearbeitung von Kundenaufträgen benötigen. Künstliche Intelligenz ist dabei in der Lage, selbst bei Tippfehlern das richtige Ergebnis zu liefern und kontextbezogene, intelligente Vorschläge zu machen, die noch schneller zum Ziel führen.  

Egal ob sie eine englischsprachige Suchanfrage verarbeiten, Ersatzteile per Foto finden oder per Sprache gesteuert werden soll: KI kann den Zugang zu Informationen im Service wesentlich vereinfachen und die Produktivität signifikant steigern. Voraussetzung dafür ist, stets die Bedürfnisse der Techniker im Blick zu behalten. 

Bei Quanos sind viele Möglichkeiten, die KI im Maschinenbau bietet, schon heute praktisch nutzbar. Zum Beispiel: 

• Inhalte, die mit dem XML-Redaktionssystem ST4 erstellt werden, können mit ST4 Smart Extension AITranslator mit Hilfe von KI-Methoden maschinell übersetzt werden.  
• Der ST4 AI Jetpack reichert Metadaten selbstständig an, um die Datenaufbereitung zu vereinfachen.  
• Die AI Search unterstützt Servicetechniker beim Finden von Informationen.  

In diesem Blogbeitrag sehen wir uns an, welche drei Fragen sich Unternehmen aus dem Maschinenbau stellen sollten, die KI nutzen möchten und geben Ihnen hier Praxistipps, wie Sie KI im Maschinenbau konkret umsetzen.