Steigender Fachkräftemangel, wachsender Wissensverlust und komplexe Produktionsprozesse stellen Industrieunternehmen vor große Herausforderungen. Individuell entwickelte KI-Assistenzsysteme bieten konkrete Lösungen. Sie machen Erfahrungswissen nutzbar, stabilisieren Prozesse und eröffnen neue digitale Perspektiven.
XITASO ist Partner für High-End Software Engineering und entwickelt maßgeschneiderte digitale Lösungen für Produkte, Prozesse und Plattformen in Branchen wie Maschinenbau, Medizintechnik und dem öffentlichen Sektor. Mit über 240 Mitarbeitenden an 13 Standorten bietet XITASO Expertise in Bereichen wie Data Science, KI, IT-Security und Cloud Engineering.
Fachkräftemangel und Wissensverlust als Herausforderung
Industrieunternehmen stehen vor einem tiefgreifenden strukturellen Wandel. Verschiedene Faktoren sind hier wichtig, darunter der demografisch bedingte Rückgang qualifizierter Fachkräfte, der Wertewandel in der Arbeitswelt sowie die fortschreitende Digitalisierung. Besonders stark betroffen ist der Maschinen- und Anlagenbau. Drei parallele Entwicklungen sind besonders hervorzuheben:
- Die Einarbeitung in anspruchsvolle Aufgabenbereiche wie die Inbetriebnahme komplexer Produktionsanlagen dauert Monate oder sogar länger.
- Junge Fachkräfte haben heute veränderte Erwartungen an ihr Arbeitsumfeld. Sie binden sich seltener langfristig an ein Unternehmen. Reisetätigkeiten, etwa zur Inbetriebnahme von Maschinen an entfernten Standorten, gelten als unattraktiv.
- Das Erfahrungswissen ausscheidender Mitarbeitender ist häufig nur implizit vorhanden und wird nicht dokumentiert. Dadurch gehen wertvolle Informationen verloren.
Fehlerquellen in komplexen Prozessen besser verstehen
Industrielle Produktionsprozesse sind komplex, sodass Temperatur- oder Druckschwankungen Qualitätsverluste verursachen können. Ein Beispiel: In der Kunststoffverarbeitung kann ein Temperaturfehler bei der Extrusion zu mehreren hundert Metern Ausschuss führen.
Die einer Fehleranalyse zugrunde liegenden Daten sind oft unvollständig, unstrukturiert oder schwer interpretierbar. Klassische Methoden stoßen an ihre Grenzen und es mangelt an Zeit und Kapazitäten, um Fehler systematisch aufzuarbeiten. Dadurch werden Produktionsstillstände verschärft oder verlängert.
Herausforderungen im Überblick
- Fachkräftemangel im Maschinen- und Anlagenbau
- Schwieriger Wissenstransfer bei Personalwechsel
- Produktionsprozesse sind komplex und schwer beherrschbar
- Hoher Aufwand für Datenaufbereitung und -analyse
Die Lösung: Ein KI-Assistenzsystem zur Unterstützung der Mitarbeitenden
KI-Assistenzsysteme sind eine zeitgemäße Lösung für diese Herausforderungen. Ihr Ziel ist es, operative Teams zu unterstützen, Fehler frühzeitig zu erkennen und gezielt gegenzusteuern. Ihre Besonderheit liegt in der Kombination aus datengetriebenem maschinellen Lernens und dem gezielten Einsatz des Erfahrungswissens der Mitarbeitenden.
Maßgeschneiderte Entwicklung statt Standardlösung
XITASO entwickelt kundenindividuelle KI-Assistenzsysteme als maßgeschneiderten Service. Bei der Entwicklung ist deshalb eine enge Abstimmung zwischen den beteiligten Fachbereichen notwendig, um alle Anforderungen frühzeitig zu definieren.
- Zunächst identifizieren die Entwickler von XITASO potenzielle Anwendungsfälle. Dabei fließen technische Rahmenbedingungen und branchenspezifische Anforderungen ein sowie vorhandene Datenquellen, Systemlandschaften und organisatorische Strukturen.
- Anschließend bewerten sie die Fälle hinsichtlich ihres wirtschaftlichen Potenzials, ihrer Umsetzbarkeit und des zu erwartenden Nutzens.
- Schließlich plant das Team die Architektur der Lösung. Dabei berücksichtigt es bestehende IoT-Plattformen, etwa Azure, Bosch oder CLX. Bei Bedarf kann XITASO On-Premises-Lösungen oder hybride Modelle mit Cloud und Edge Computing umsetzen.
Das Konzept wird iterativ (agil) umgesetzt, um flexibel auf veränderte Anforderungen reagieren zu können und den Kundennutzen in jeder Projektphase sichtbar zu machen.
Die Technologie des KI-Assistenzsystems
Das KI-Assistenzsystem vereint drei technologische Aspekte: 1) die Erkennung von Anomalien, 2) die Vorhersage relevanter Prozessparameter sowie 3) die Nutzung von Expertenwissen. Da fehlerhafte Produktionsdaten selten auftreten – bedingt durch bereits sehr gut optimierte Prozesse – ist es schwierig, allein auf Basis historischer Daten zu lernen. Deshalb ermittelt das Entwicklerteam das Erfahrungswissen der Fachkräfte. Ein Ansatz besteht darin, Operatoren gezielt nach erfolgten Parametereingriffen und deren Anlass zu befragen, um daraus generalisierbare Regeln abzuleiten.
Diese Regeln unterstützen das Machine-Learning-Modul bei der Steuerung des Lernprozesses, indem sie es in Richtung aufschlussreicher Lösungen lenken. Das Verfahren kombiniert dabei domänenspezifisches Wissen mit datengetriebener Modellierung. Dies gewährleistet eine höhere Präzision und ein robustes Verhalten bei unzureichenden Daten. Auf diese Weise entsteht eine hybride Lösung, die auch dann verlässliche Entscheidungen fällt, auch wenn es nur begrenzte Daten gibt.
Wissensspeicherung und kontinuierliche Verbesserung
Der Einsatz eines KI-Assistenzsystems senkt die Abhängigkeit von einzelnen, erfahrenen Mitarbeitenden, ihr Erfahrungswissen wird im Assistenzsystem zugänglich gemacht. Unternehmen können nun Wissen nutzen, das zuvor nur in den Köpfen existierte. Langfristig entsteht durch KI-Assistenten eine umfassende Wissensdatenbank, die kontinuierlich wächst und sich durch neue Daten und Beobachtungen stetig weiterentwickelt.
Sie ist die Grundlage für kontinuierliche Prozessverbesserung, unterstützt die Ausbildung und Schulung neuer Mitarbeitender und ermöglicht tiefere Einblicke in Ursachen von Prozessabweichungen. So können nicht nur bekannte Probleme adressiert werden, sondern auch neue Zusammenhänge aufgedeckt, die mit rein statistischen Mitteln schwer erkennbar wären.
KI-Assistenzsysteme als Grundlage für digitale Services und neue Geschäftsmodelle
Ein KI-Assistenzsystem ist die Grundlage für die weitere Digitalisierung des Unternehmens durch datengetriebene Wartungsprozesse, automatisierte Qualitätsprüfungen und neue „as-a-Service“-Geschäftsmodelle. Besonders Maschinen- und Anlagenbauer erweitern damit ihr klassisches Produktportfolio um digitale Assistenzfunktionen.
Die Ergebnisse sind mehr Resilienz und Innovationskraft. Unternehmen, die auf Basis gesammelter Daten neue Zusammenhänge entdecken und Produktverbesserungen anstoßen, sind klar im Vorteil. Gerade in einem wettbewerbsintensiven und anspruchsvollen industriellen Umfeld sind diese Faktoren der Schlüssel zur Zukunftsfähigkeit.
Ergebnisse im Überblick
- Datengetriebene Produktionsprozesse
- Weniger Abhängigkeit von Einzelpersonen
- Wissenssicherung und Dokumentation
- Zukunftsfähige Services für Hersteller
