KI im Maschinenbau: So gehen Unternehmen vor

Bei Quanos sind viele Möglichkeiten schon heute praktisch nutzbar, die KI im Maschinenbau und besonders in der Technischen Dokumentation sowie in After-Sales & Service bietet: 

• Inhalte, die mit dem XML-Redaktionssystem ST4 erstellt werden, können mit dem AI Translator maschinell übersetzt werden.
• Die Redaktion kann im Schreibprozess auf KI-basierte Funktionen zur Autorenunterstützung zählen.
• ST4 AI Jetpack vergibt automatisiert Metadaten im Redaktionssystem – das vereinfacht die Datenaufbereitung.  

Auch der cloudbasierte Quanos InfoTwin, der Produktdokumentationen, Ersatzteil- und Serviceinformationen miteinander vernetzt, verfügt über KI-Funktionalitäten:

• AI Connector analysiert unstrukturierte Zuliefererdaten und Bestandsdokumentationen, um sie mit Metadaten zu versehen.
• AI Assistant bietet ein Chat-Interface, um den Abruf von Informationen zu erleichtern.
• Die visuelle Ersatzteilerkennung ist als separate, partnergestützte Lösung in der Quanos-Plattform verfügbar und ermöglicht die schnelle und intuitive Identifikation von Ersatzteilen per Smartphone-Foto.

Erfahren Sie mehr über den Einsatz von KI in den Software-Lösungen von Quanos. 

Unternehmen, die KI im Maschinenbau im Bereich After-Sales & Service und Technischer Dokumentation nutzen wollen, sollten zunächst ihre Erwartungshaltung abstecken. Maschinenbauer sollten sich klarmachen: 

• welches Ziel sie mit dem Einsatz von KI erreichen wollen 
• wer damit arbeiten soll 
• welchen Zeithorizont sie einplanen und wie viele Daten sie benötigen

Bei der Zielstellung muss klar sein: KI ist keine Lösung, die perfekte Antworten auf alle Fragen liefert. Es geht vielmehr um Wahrscheinlichkeiten, Relevanzen und darum, Unterstützung bei komplexen Fragestellungen zu bekommen, die man nicht mit 0 und 1 beantworten kann.  

Maschinenbauer sollten deshalb Offenheit bei der Zielsetzung bewahren und auch Alternativen zum Einsatz von KI im Hinterkopf behalten. Wichtig ist bei lernenden Algorithmen auch die Frage, ob die KI auf einen bestimmten Prozess trainiert werden soll oder ob ein selbstlernendes System die bessere Lösung ist. 

Die Zielgruppe spielt eine zentrale Rolle. Eine KI-Fotoerkennung für Servicetechniker ist wertlos, wenn die KI auf freigestellte Bauteile trainiert ist und in der praktischen Anwendung eingebaute oder verschmutzte Teile nicht korrekt erkennt.  

In der Technischen Redaktion ist wichtig, dass der Content nach wie vor von Menschen erstellt wird, wenngleich KI-Funktionen die Arbeit unterstützen können. Für eine geeignete Arbeitsweise mit KI braucht es entsprechende Prozesse. 

Es gibt keine allgemeingültige Antwort auf die Frage, wie viel Zeit und wie viele Daten notwendig sind, um KI-Anwendungen im Unternehmen umzusetzen. Beides hängt vom Einsatzzweck ab. Für komplexe KI-Modelle wie ChatGPT ist Machine Learning notwendig: Mithilfe einer großen Menge an Daten lernt die KI, Muster zu erkennen, generiert Antworten und verbessert ihre Leistungen im Training kontinuierlich. 

Gerade bei speziellen Prozessen im Maschinen- und Anlagenbau ist eine kritische Menge an Daten in der Regel nicht zu erreichen. Doch auch ohne Machine Learning kann Künstliche Intelligenz Unternehmen im Maschinenbau unterstützen. Dazu stehen weitere KI-Verfahren zur Verfügung. Für optimale Ergebnisse kommt es dabei stärker auf die Qualität als auf die Menge der Daten an.  

Mit dem Redaktionssystem ST4 erstellte Inhalte sind dafür ideal: Sie beinhalten dank der vergebenen Metadaten viele Informationen. Im Zusammenwirken mit einem Large Language Model (LLM) ermöglicht ihre Nutzung neue Business-Cases wie die Chatbot-Dokumentation. 

Qualität ist auch der Faktor, der über den Zeitrahmen einer KI-Einführung entscheidet. Viele Technologien für standardisierte Prozesse liefern schon nach kurzer Zeit passable Ergebnisse. Doch je höher die Qualitätsanforderungen sind, desto länger dauert die Umsetzung. Unternehmen sollten sich deshalb eher auf längerfristige Prozesse mit vielen Iterationen einstellen. 

Um in After-Sales & Service von den Vorteilen von Künstlicher Intelligenz zu profitieren, müssen Maschinenbauer einige Vorkehrungen treffen. Die folgenden Maßnahmen sind für den Aufbruch ins KI-Zeitalter notwendig.

Für den erfolgreichen KI-Start müssen Maschinenbauunternehmen als erstes prüfen, ob ihre Prozesse schon darauf ausgerichtet sind oder ob zunächst Optimierungen durchgeführt werden sollten. Sind zum Beispiel die Abläufe im Ersatzteilmanagement noch nicht ausreichend vernetzt und digitalisiert, sollte der Fokus zunächst darauf liegen, durchgehende Datenströme zu schaffen.

Bei der Bestandsaufnahme helfen Reifegradmodelle wie der „Industrie 4.0 Maturity Index“ der acatech. Das Modell ermöglicht die Bewertung interner Prozesse, aber auch der Unternehmenskultur mit Blick auf die Digitalisierung. Das Ergebnis zeigt unter anderem, ob die im Unternehmen vorhandenen Daten bereits effektiv genutzt werden. Es bildet außerdem die Grundlage für Ihre Digitalisierungs-Roadmap, an deren Ende das Ziel steht, Ihr Unternehmen zu einer agilen Organisation zu entwickeln.

Neben den Prozessen und dem Mindset müssen auch bestehende IT-Systeme und Daten auf ihre KI-Reife geprüft werden. Damit KI-Modelle ihre Stärken ausspielen können, benötigen sie eine saubere Datenbasis. Maschinenbauer und -betreiber müssen deshalb gründlich analysieren, welche Daten in ihrem Unternehmen bereitstehen, aus welchen Quellen diese stammen und wie sie in Verbindung mit KI genutzt werden können.

Wichtig in diesem Zusammenhang: Die Daten müssen nahtlos und korrekt gesammelt und unter Einhaltung der DSGVO verarbeitet werden. Datenschutz und Datensicherheit müssen höchste Priorität haben – vor allem, wenn Sie Ihre Daten mit öffentlichen Informationen anreichern wollen, zum Beispiel Marktdaten im Bereich Ersatzteil-Pricing.

Ein Datenschutzbeauftragter unterstützt Sie dabei. Außerdem steht für Unternehmen in der EU der Compliance-Checker bereit: Damit finden Sie heraus, ob Ihr geplanter KI-Einsatz womöglich vom EU-Gesetz über Künstliche Intelligenz betroffen ist und Sie besondere Vorgaben erfüllen müssen.

Der nächste Schritt, der Sie einer KI-Einführung näherbringt, ist die Auswahl eines konkreten Use Cases für Ihr Unternehmen. Bei der Frage, welche KI-Anwendung im Maschinenbau für Sie infrage kommt, spielen neben dem Reifegrad Ihrer Prozesse und IT-Systeme sowie den rechtlichen Rahmenbedingungen weitere Faktoren eine Rolle.

So müssen Unternehmen eine Kosten-Nutzen-Analyse durchführen, um sowohl die Investitionshöhe als auch Risiken und Chancen ihres KI-Projekts systematisch bewerten zu können. Außerdem sollten Sie folgende Fragen klären, um den KI-Use-Case bestmöglich planen und durchführen zu können:

• Passt die Anwendung zu Ihren Unternehmenszielen?
• Welche konkreten Vorteile soll die Anwendung bringen?
• Welche Bedürfnisse welcher Stakeholder sind zu berücksichtigen?
• Sind Sie in der Lage, flexibel auf Veränderungen zu reagieren und kontinuierliche Verbesserungen während des Projekts vorzunehmen?
• Sollen Sie die benötigte KI-Kompetenz intern aufbauen oder extern zukaufen?
• Ist die KI-Lösung, die Sie nutzen wollen, marktreif und verfügbar und wie können Sie sie an Ihre spezifischen Unternehmensanforderungen anpassen oder neu trainieren?
• Haben Sie alle notwendigen Ressourcen – also Fachwissen, Zeit und Budget –, um das KI-Projekt erfolgreich umzusetzen?

Sind alle Fragen geklärt und ist der passende Use Case für KI gefunden, steht der Einführung nichts mehr im Weg. Bei den nächsten Schritten, die für viele Unternehmen eine große Veränderung darstellen, erweist sich das Change Management als hilfreiches Werkzeug.

Die Einführung von KI in Maschinenbauunternehmen stellt einen tiefgreifenden Wandel dar und erfordert sowohl die Einbindung der Mitarbeiter als auch eine Transformation der Organisation. Effektives Change Management hilft dabei, diese Aufgaben zu meistern und den Übergang in das KI-Zeitalter möglichst reibungslos zu gestalten.

Ein wichtiger Teil des Veränderungsprozesses ist transparente Kommunikation. Vorteile der KI-Nutzung werden mit Methoden des Change Managements für jeden Einzelnen greifbar gemacht, um die Akzeptanz und das Engagement der Mitarbeiter zu fördern.

Dafür ist es unter anderem wichtig, eine Vision zu definieren. Außerdem müssen Change Manager alle Beteiligten von Anfang an einbeziehen, ihnen zuhören und herausfinden,

• welche Erwartungen die Menschen im Unternehmen an die KI-Implementierung haben,
• welche Ängste es abzubauen gilt,
• welche Schulungen und Qualifizierungen die Stakeholder benötigen, um KI nutzen zu können.

Werkzeuge wie das 3-Phasen-Modell von Lewin oder das 8-Stufen-Modell von Kotter können Change-Verantwortliche dabei unterstützen, eine Veränderung wie die KI-Einführung im Service strukturiert zu begleiten und zu etablieren.
 

Am einfachsten gelingt die Umsetzung von KI-Projekten im Service mit Unterstützung durch erfahrene Partner wie Quanos. Das Unternehmen entwickelt Softwarelösungen für After-Sales & Service im Maschinenbau, die sich mit Künstlicher Intelligenz erweitern lassen und die Basis für neue Geschäftsmodelle im Service und Vertrieb bilden.

Für Unternehmen, die KI in ihre Prozesse integrieren möchten, haben die Quanos-Experten folgende Tipps:

1. Erwartungsmanagement: KI kann vieles, aber längst nicht alles. Sehen Sie die Technologie als Unterstützung für Ihren Service und kommunizieren Sie die zu implementierende Lösung auch als solche.
2. Mehrwert: Definieren und kommunizieren Sie den konkreten Nutzen der geplanten KI-Anwendung klar und transparent. Damit die Lösung in der Praxis einen Mehrwert für die Nutzer bietet, muss sie basierend auf dem Feedback der Anwender kontinuierlich verbessert werden.
3. Kontrolle: KI hat nicht die Aufgabe, Maschinen und Anlagen eigenständig zu steuern, sondern den Menschen bestmöglich beim Betrieb und Instandhalten zu unterstützen. Damit der Mensch dem Algorithmus vertrauen kann, müssen KI-Entscheidungen nachvollziehbar sein. Außerdem sind menschliche Überprüfungen und ethische Überlegungen unerlässlich.

Diese und weitere wertvolle Empfehlungen für Ihr KI-Projekt finden Sie im aktuellen KVD SERVICERADAR „KI im Service“. Wenn Sie bereits konkrete Ideen für die KI-Nutzung haben und direkt mit einem Experten sprechen möchten, kontaktieren Sie uns gern.

KI erfüllt im Maschinenbau im Wesentlichen zwei Aufgaben: Sie kann zum einen Systeme intelligenter machen und zum anderen Nutzer in ihrer Arbeit unterstützen. Studien zeigen, dass KI im Maschinenbau zwar immer relevanter wird, viele Unternehmen jedoch noch auf der Suche nach dem richtigen Zugang zu der Technologie sind. 

Wichtig für Unternehmen ist, sich nicht abschrecken zu lassen, sondern sich jetzt mit KI auseinanderzusetzen. Wie bei allen Trends ist es sinnvoll, eine gesunde Erwartungshaltung zu haben und Erfahrungen zu sammeln, indem Sie die Möglichkeiten der Technologie austesten. Unternehmen sollten Künstliche Intelligenz als das annehmen, was sie ist: Ein Werkzeug, das den Menschen im beruflichen Alltag unterstützen und ihn nicht ersetzen soll.