Autonome Fabriken, die sich selbst organisieren und optimieren, die schnell auf neue Bedingungen reagieren, die Produktion entsprechend anpassen – und wegen effizienterer Fertigungsprozesse gleichzeitig nachhaltiger arbeiten: So sehen die Zukunftsszenarien für die Industrie 4.0 aus. Diese Zukunft hat bereits begonnen. Denn viele Unternehmen des Mittelstands arbeiten schon mit KI-Lösungen. Sie entwickeln neue Produkte, automatisieren Prozesse, steigern ihre Effizienz und reduzieren ihre Kosten. Vor allem in folgenden Anwendungsgebieten ist KI in der Produktion im Einsatz.
Prozessoptimierung
Zahlreiche KI-Funktionalitäten unterstützen Unternehmen dabei, ihre Prozesse zu analysieren und zu verbessern: von der sprachbasierten Kommunikation zwischen Mensch und Maschine, der Bilderkennung oder dem Process Mining bis zu Prognosetechniken, um Entscheidungen zu unterstützen. Sie sind in der Lage, auch komplexe und dynamische Prozesse automatisch zu steuern. Das Ergebnis sind sinkende Ausfallzeiten, eine flexiblere Fertigung und eine höhere Produktivität. Hier sind einige Beispiele:
Energieertrag eines Windparks maximieren
Windturbinen werden bisher meist so gesteuert, als wären sie einzelne Anlagen. Diese versuchen jeweils, nur ihre eigene Stromerzeugung zu maximieren. In der Realität sind sie jedoch meist Teil eines Windparks und die entstehenden Luftwirbel beeinträchtigen die Effizienz der Turbinen. Ein Team von Ingenieuren entwickelte deshalb eine datengestützte Modellierung der Strömung in einem Windpark. Sie ist in der Lage, die Stromerzeugung einer einzelnen Turbine abhängig von den Windverhältnissen und der Steuerungsstrategie der anderen Anlagen vorherzusagen – und damit die Energieausbeute zu optimieren.
In einem Versuch wurden in einem Windpark 1,2 Prozent mehr Energie erzeugt. Klingt nicht beeindruckend? Global gesehen, entspricht die zusätzliche Energie der Leistung von 3.600 Windkraftanlagen – und über 900 Millionen US-Dollar Mehreinnahmen pro Jahr für die Betreiber.
Stahl intelligenter produzieren
Stahlproduktion ist sehr aufwändig, komplex und energieintensiv. Das Berliner Startup Smart Steel Technologies hat deshalb eine KI-gestützte Software für die Prozesssteuerung entwickelt, die in Echtzeit Vorhersagen zum Produktionsprozess trifft – und daraus Empfehlungen für dessen Optimierung berechnet. Optimale Temperaturen für den Flüssigstahl oder eine verbesserte Produktionsplanung: Mit der KI-Lösung erreichen Stahlhersteller stabilere Prozesse, reduzieren Ausschuss, sparen durch reduzierte Temperaturen im Schmelzwerk CO2-Emissionen ein und können somit effizienter und umweltschonender produzieren.
Hier sind weitere Anwendungen:
KI-basierte Software für Roboter ermöglicht es, Arbeitsschritte zu automatisieren, bei denen es bisher wirtschaftlich nicht möglich war: vom Handling bewegter Objekte oder dem Platzieren eines Werkzeugs bis zur Montage von Kabelbäumen.
Energieverbrauch von Gebäuden senken durch die KI-gesteuerte, gleichzeitige Optimierung von angemessenen Temperaturen, Energieverbrauch und CO2-Emissionen.
Produktionssteuerung in einer Bäckerei: Big Data und KI-basierte Nachfrageprognosen sorgen für weniger Lebensmittelabfälle, Einsparung von Rohstoffen und Energie – und damit geringeren Herstellungskosten.
Ersatzteilbestellung in Fahrzeugteile-Unternehmen: Eine KI-Anwendung ordnet Kundenbilder dem Artikelbestand im Onlineshop zu, schlägt passende Ersatzteile vor und entlastet dadurch das Vertriebsteam.
Übrigens: Mit KI Prozesse optimieren und Betriebskosten senken – das funktioniert natürlich auch in anderen Unternehmensbereichen. In unseren Beiträgen zu KI im Marketing, KI in der Logistik oder KI in Recruiting und HR findest du aktuelle Entwicklungen und Beispiele.
Maschinenkalibrierung
Bei der Kalibrierung von Maschinen geht es um Präzision im Mikrometerbereich. KI ist dort besser und schneller als menschliche Bediener: Mit hochentwickelten Kameras und modernsten Sensoren erreichen KI-Lösungen heute Steigerungen bei der Genauigkeit von 80 bis 90 Prozent und führen zu geringeren Ausfallzeiten. So ist die Kalibrierung von CNC‑Werkzeugmaschinen ohne KI sehr zeitintensiv und erfordert die Abschaltung der Maschinen. Experten durchlaufen dabei durchschnittlich mindestens 20 Schritte, das Verfahren dauert über zwei Stunden. Ein KI-Tool dagegen kann höhere Genauigkeiten in nur fünf Schritten erreichen – innerhalb von nicht mal 15 Sekunden.
Bewegungskontrolle
KI-Lösungen optimieren die Bewegung von Roboterarmen, Gabelstaplern oder unterirdischen Bohrgeräten: Wenn zum Beispiel Werkstücke nicht exakt platziert sind, kann das zu Problemen in der roboter-gestützten Fertigung führen. Mit KI ist der Roboter jedoch in der Lage, die Positionierung seiner Werkzeuge entsprechend anzupassen. Beim Lagermanagement ist die Herausforderung, dass einige Arbeitsschritte, wie das Greifen und Stapeln, komplex und schwer zu programmieren sind. Maschinelles Lernen beschleunigt dieses Training erheblich und sorgt für stabile und vorhersehbare Lagerbestände.
Qualitätskontrolle mit KI
Lackschäden und Risse entdecken oder auf fehlerhafte Rohstoffe hinweisen: Die KI-unterstützte, automatisierte Werkstoffprüfung erkennt kleinste Abweichungen bei Fertigungsprozessen und vermeidet dadurch Produktionsfehler, die zu Stillstandszeiten und hohen Kosten führen würden. Basis dafür sind moderne Sensortechnologien, Algorithmen zur Mustererkennung sowie Prognosemodelle, um auf Basis von historischen Daten Aussagen über die zukünftige Qualität von Produkten und Rohstoffen zu treffen. Mögliche Faktoren, die für die Datenanalyse durch die KI wichtig sind:
physikalische Prozessdaten, wie Temperatur, Druck oder Dauer
Fertigungsdaten, wie Stückzahlen, Ausschussdaten, Rohstoffdetails oder Standzeiten
Metadaten, wie Fertigungszeiten und Wartungszyklen
Die Vielfalt an möglichen Fehlern in der Produktion ist groß, die Aufgaben der Qualitätskontrolle sind daher schwer im Voraus zu kategorisieren. Machine-Learning- und KI-Technologien können hier bessere Ergebnisse erzielen, selbstständig Defekte erkennen – und im besten Fall sogar dafür sorgen, dass sich die Maschine selbst korrigiert.
Weitere Beispiele für die digitale Transformation findest du in unserem Artikel "Digitalisierung für Unternehmen im Mittelstand". Mehr über KI kannst du im Beitrag "Künstliche Intelligenz: Anwendungsbereiche im Mittelstand" erfahren.
Predictive Maintenance: vorausschauende Wartung
In der vorausschauenden Wartung ermöglichen es KI-basierte Analysen, Ausfallzeiten zu reduzieren, die Lebensdauer von Maschinen zu erhöhen, die Produktivität zu verbessern – und damit Zeit und Kosten zu sparen. Grundlage sind Sensordaten sowie die Bild- und Mustererkennung: KI-Tools erkennen zuverlässig nachlassende Genauigkeiten, überwachen Leistungsparameter von wichtigen Maschinenteilen und ermitteln mit diesen Daten den besten Zeitpunkt für eine Wartung oder das Auswechseln von Teilen. Der Druckmaschinenhersteller Koenig & Bauer zum Beispiel erhält täglich bis zu 30.000 Sensormeldungen pro Maschine.
Durch die Analyse großer Datenmengen, wie Temperatur, Vibration, Verschleiß oder Lautstärke, erkennen KI-Anwendungen frühzeitig Fehler. Unternehmen profitieren von weniger Ausfällen, einer besseren Auslastung ihrer Anlagen und der Optimierung der Wartungsressourcen. In Deutschland geben Produktionsbetriebe laut Werkzeugmaschinenlabor der RWTH Aachen jährlich 14 Milliarden Euro zu viel für ihre Instandhaltungskosten aus.
Fazit: KI in der Produktion
KI-Funktionen wie automatische Bild- und Texterkennung oder Prognosemodelle sind inzwischen einfach in Prozesse und Produkte zu integrieren und daher schon vielfach im Mittelstand im Einsatz. So nutzen Unternehmen KI-Lösungen für die Prozessverbesserung, die Qualitätskontrolle und die vorausschauende Wartung – und optimieren ihre Produktion. Mit sichtbaren Ergebnissen: Laut einer Umfrage der Boston Consulting Group konnten Betriebe, die Künstliche Intelligenz erfolgreich nutzten, ihre Produktionskosten in diesen Bereichen durchschnittlich um 14 Prozent senken.
