KI: Nach dem Traum folgt das Erwachen

Warum KI für die meisten Fabriken nur eine Fata Morgana ist

KI wird oft als das „Wundermittel“ dargestellt, das die Industrie in ein neues Zeitalter der Effizienz führen wird. Die Versprechungen sind groß und betreffen fast jeden Aspekt der Betriebsführung.

Dies sind einige der Versprechen, die uns gemacht werden:

1. KI als „Kristallkugel“: Vorausschauende Wartung

Das am häufigsten gehörte Versprechen ist, dass Maschinen nie wieder unerwartet ausfallen. Anstatt Wartungsarbeiten nach einem Zeitplan (oder erst bei einem Ausfall) durchzuführen, sagt KI genau voraus, wann ein Bauteil ausfallen wird.

• Das Versprechen: Keine ungeplanten Ausfallzeiten und maximale Lebensdauer der Teile.
• So soll es laut Versprechen funktionieren: Sensoren messen Vibrationen, Wärme und Geräusche; KI erkennt Abweichungen, die für das menschliche Auge unsichtbar sind.

2. KI als „perfekter Planer“: Optimierung der Lieferkette

Lieferketten sind aufgrund globaler Instabilität komplexer denn je. KI verspricht, das Chaos zu bändigen, indem sie Millionen von Datenpunkten gleichzeitig analysiert.

• Das Versprechen: Nie wieder Überbestände (totes Kapital) und nie wieder „Nein“ zu Kunden sagen.
• Auswirkung: KI berücksichtigt Wettervorhersagen, Hafenstreiks und Markttrends, um die ideale Einkaufsstrategie zu bestimmen.

3. „Fehlerfrei von Anfang an“: Qualitätskontrolle 2.0

Traditionelle Qualitätskontrollen werden oft stichprobenartig von Menschen durchgeführt. KI-gesteuerte Bildverarbeitungssysteme (Computer Vision) versprechen eine 100-prozentige Kontrolle.

• Das Versprechen: Eine Produktionslinie ohne Ausschuss (Zero-Defect-Manufacturing).
• So könnte es im Idealfall funktionieren: Kameras scannen jedes Produkt auf dem Band in Millisekunden. Selbst mikroskopisch kleine Kratzer werden sofort erkannt und das fehlerhafte Produkt automatisch aussortiert.

4. KI als „der kluge Kollege“: Cobots und generatives Design

Bei KI geht es nicht nur um Software, sondern auch darum, wie wir Dinge entwerfen und herstellen.

• Generatives Design: Man gibt die Anforderungen ein (Gewicht, Festigkeit, Material) und die KI entwirft Tausende möglicher Designs, auf die ein Mensch niemals gekommen wäre.
• Cobots: Roboter, die nicht in einem Käfig stehen, sondern dank KI sicher Seite an Seite mit Menschen arbeiten und sich blitzschnell an neue Aufgaben anpassen, ohne dass eine komplizierte Neuprogrammierung erforderlich ist.

5. Mit KI zur „Grünen Fabrik“: Energieeffizienz

Nachhaltigkeit ist nicht mehr optional. KI wird als Schlüssel zu einem geringeren ökologischen Fußabdruck präsentiert.

• Das Versprechen: Eine drastische Reduzierung von Energieverbrauch und Abfall.
• Auswirkung: KI optimiert den Energieverbrauch von Öfen, Kühlsystemen und Motoren auf Basis des Produktionsbedarfs und der aktuellen Energiepreise.

Warum dies meist nur eine Fantasie ist

Diese Versprechen klingen wunderbar. Leider sieht die Realität oft anders aus.

Um KI-Anwendungen als Hilfsmittel einsetzen zu können, muss eine ganze Reihe von Voraussetzungen erfüllt sein; zum großen Teil dieselben wie vor 50 und 100 Jahren…

1. Es muss eine solide Organisation vorhanden sein, um all dies nicht nur zu steuern, sondern vor allem erst einmal umzusetzen

2. Maschinen (und ihre Umgebung) müssen in einem grundlegend guten Wartungszustand sein; es klingt banal, aber KI kann keine Defekte kompensieren, die durch überfällige Grundwartung verursacht werden. Undichte Druckluftleitungen, verschlissene Lager oder mit Staub bedeckte Sensoren: Wenn die Hardware unzuverlässig ist, sind die daraus resultierenden Daten „Rauschen“. KI kann aus einem Wrack, das mit Klebeband zusammengehalten wird, auch nicht viel mehr machen

3. Es muss eine gute Arbeitsplatzorganisation vorhanden sein. Wo Maschinen in einem Lagerraum voller Zwischenvorräte stehen, die Farbe vor Schmutz nicht mehr zu erkennen ist und die Suche nach einem 13er-Steckschlüssel (oder sogar einem Besen…) ein aussichtsloses Unterfangen ist, sollte man wirklich nicht an KI als Lösung denken.

4. Es muss ein gut funktionierender Instandhaltungsdienst zur Verfügung stehen: KI-gesteuerte Wartung duldet kaum Wartezeiten!

5. Es muss ein hohes Maß an gut eingeführter Standardisierung vorhanden sein. KI hat wenig mit Intelligenz zu tun. Sie ist eher ein schnelles Such-, Analyse- und Kombinationswerkzeug. Daher: 

a. Wenn Maschine A nur geringfügig anders eingestellt ist als Maschine B (obwohl sie dasselbe tun sollen), kann KI keine universellen Muster lernen.

b. KI verträgt keine Willkür. In vielen Fabriken bedient die Frühschicht die Maschine anders als die Nachtschicht („weil Heinz das immer so macht“). Wenn die menschlichen Eingriffe nicht standardisiert sind, sieht die KI dies als unerklärliche Abweichung in den Daten an, wodurch Vorhersagen unmöglich werden.

Sie benötigen also in Ihrer Fabrik hochwertige Daten und eine solide digitale Infrastruktur.

Darauf komme ich später zurück.

6. Die in der Fabrik eingesetzte Technologie muss den Einsatz von KI unterstützen.

a. Viele Maschinen laufen mit alten SPSen, die keinen Ethernet-Anschluss haben oder ihre Daten nicht weitergeben können.

b. Datenverbindungen auf der Fertigungsebene: WLAN auf der Fertigungsebene ist oft problematisch unzuverlässig und eine Verkabelung teuer und aufwendig. Ein stabiles und flächendeckendes Netzwerk ist unerlässlich. Ohne zuverlässige Verbindung gibt es keine Datenübertragung an einen zentralen Punkt.

7. Stabilität im Produktionsprozess

KI ist ein Turbo, kein Reparaturkit. Wenn Ihr Prozess derzeit nicht unter Kontrolle ist (viele Ausfälle, unvorhersehbare Stillstände, schwankende Qualität), wird KI nur schneller und effizienter „Müll“ produzieren. Sie müssen zunächst einen stabilen Prozess haben, bevor Sie ihn optimieren können. Dies ist nach wie vor die Grundlage, die beispielsweise durch TPM, SPC und LEAN erreicht werden soll.

Fehlende Fundamente in der Fabrik

Oft herrscht ein enormes „digitales Missverhältnis“ zwischen der Chefetage, wo man von KI träumt, und der Fertigungsebene, wo man manchmal noch mit einem Hammer auf einen festgefressenen Sensor schlagen muss, um das Band am Laufen zu halten.

Bevor man einen Algorithmus rechnen lassen kann, muss die physische und organisatorische Basis stehen.

Die Punkte 1 bis 7 befassen sich mit den meist fehlenden Grundlagen. Dieselben, durch die frühere Traumvorstellungen wie ERP, Industrie 4.0 und sogar Lean Manufacturing immer wieder hoffnungslos scheitern.

Kurz zusammengefasst:

Ohne eine fundamentale industrielle Basis – einen stabilen Produktionsfluss – kann man jede „externe“ Lösung wie 4.0 oder KI getrost vergessen; es klingt gut, man kann das Management damit eine Weile bei Laune halten, aber es wird die grundlegenden Probleme, denen wir in den meisten (westlichen) Fabriken begegnen, NICHT lösen.

Fehlende Datengrundlage

In der Praxis gibt es zwei grundlegende Hindernisse:

1. Das Datenchaos (Garbage In, Garbage Out): KI benötigt enorme Mengen an strukturierten Daten. In vielen Fabriken sind Sensoren verschiedener Generationen installiert, Systeme kommunizieren nicht miteinander (Silos) und die Daten sind „verfälscht“ oder unvollständig. Eine KI, die aus schlechten Daten lernt, gibt gefährliche Empfehlungen.
2. Der Mangel an Kontext: Ein KI-Modell versteht Korrelationen, aber keine Kausalitäten. Wenn eine Maschine vibriert, kann die KI sagen, dass sie kaputtgeht. Aber die KI weiß nicht, dass gerade ein schwerer Lkw vorbeigefahren ist oder dass die Außentemperatur extrem hoch ist, es sei denn, dieser Kontext wird ebenfalls als Daten eingegeben.
3. Schnelle Feedback-Schleifen: In der Produktion ist Geschwindigkeit entscheidend.
   • Eine KI, die in der Cloud berechnen muss, ob ein Roboterarm anhalten soll, ist zu langsam (Latenz).
     Berechnungen müssen lokal auf der Fabrikfläche stattfinden, um eine sofortige Reaktionszeit zu gewährleisten, während die „Lernmodelle“ in der Cloud laufen.
   • Die Lernmodelle müssen immer wieder mit korrekten Informationen gefüttert werden. Das kann teilweise automatisch erfolgen, meist muss diese Information jedoch durch menschliches Eingreifen gewonnen werden.

Was ist für solche Datengrundlage zunächst erforderlich
Bevor man KI einführt, muss man seine Daten in Ordnung bringen.  Das bedeutet:

• Vereinheitlichung: Alle Maschinen müssen dieselbe „Sprache“ sprechen (z. B. über Protokolle wie OPC-UA).
• Bereinigung: Konsistente Erfassung und Speicherung von Daten über einen längeren Zeitraum. Ohne historische Daten kann KI keine Muster erkennen.

Aber es geht weiter und wird noch viel schwieriger:

Fehlende menschliche Grundlage

Der menschliche Faktor & Vertrauen: Bediener, die sich seit 30 Jahren auf ihr Gehör verlassen, glauben nicht einfach so einem schwarzen Kästchen, das ihnen sagt, dass die Maschine anhalten muss. Ohne „Explainable AI“ (KI, die erklärt, warum sie eine Entscheidung trifft) wird das System ignoriert.

Die Datenherausforderung

Das Erreichen dieser Ergebnisse ist also keine IT-Party, sondern eine Transformation der gesamten Betriebsführung, bei der das Vorhandensein einer soliden industriellen Basis, die Qualität der Daten und die Akzeptanz durch die Mitarbeiter wichtiger sind als der Algorithmus selbst.

Was ist erforderlich

Die „Human-in-the-Loop“-Strategie

KI soll den Menschen nicht ersetzen, sondern ihn unterstützen. Dies braucht:

• Domänenwissen integrieren: Die Erfahrung des Monteurs muss in Parameter für die KI übersetzt werden.
• Schulung: Das Personal muss lernen, wie es mit KI-Ergebnissen umgeht. Es wird von „Ausführenden“ zu „Verwaltern intelligenter Systeme“.

Warum wir das nicht hören wollen

Die notwendigen Grundlagen für den Einsatz von KI sind nicht sexy. Einen neuen Sensor anzuschließen, Kabel zu verlegen und Bediener in Standardisierung zu schulen, kostet viel Zeit und Mühe, liefert aber keine schicke Präsentation für die Aktionäre. KI schon. Dennoch ist der Aufbau von KI auf einem wackeligen Fabrikboden wie der Einbau eines Ferrari-Motors in eine rostige Schubkarre: Es sieht interessant aus, aber man kommt keinen Meter voran.

Wo soll man anfangen?

1. Beginne dort, wo die tatsächliche Wertschöpfung stattfindet: an der Maschine.

2. Wählen Sie eine Maschine aus

3. Führen Sie OEE korrekt ein,

4. stellen Sie sicher, dass Sie damit ALLE Verluste sichtbar machen

5. Lösen Sie alle Grundlagen, um eine stabile Ausgangssituation zu erreichen.

6. Schauen Sie erst dann, wie Sie diese Situation verbessern können: Wissen Sie, für welches Problem KI eine Lösung ist.

Mit mehr als 30 Jahren Erfahrung helfe ich Ihnen gerne auf den Weg. Rufen Sie doch einfach mal an!