Fehler in Bauteilen oder Produktionsabläufen können mithilfe neuronaler Netze automatisiert erkannt werden. (Bild: BMW)
Egal ob intelligente Wartung, Qualitätskontrolle oder Bedarfsplanung – die Anwendungsfälle von künstlicher Intelligenz in der Produktion sind mannigfaltig. Laut einer aktuellen Studie des Beratungsunternehmens Capgemini haben mehr als die Hälfte der weltweit größten Fertigungsunternehmen mindestens einen Use Case für KI implementiert. Vorreiter dabei sind Unternehmen aus Deutschland, Frankreich und Großbritannien.
„Die produzierende Industrie stellt in Deutschland einen Grundpfeiler der Wirtschaft dar“, betont Jochen Bechtold, bei Capgemini Deutschland für den Bereich Manufacturing verantwortlich. „Um wettbewerbsfähig zu bleiben, haben sich die hiesigen Fertigungsunternehmen schon frühzeitig damit auseinandergesetzt, KI in ihre Wertschöpfungskette einzufügen.“
Ein Beispiel ist BMW: Die Münchener setzen KI in Produktion und Logistik beispielsweise bei monotonen Aufgaben ein, wie zum Beispiel bei der Kontrolle, ob das Warndreieck an der richtigen Stelle im Kofferraum liegt. Eine selbstlernende Software gleicht für diese Aufgabe in kürzester Zeit Live-Kamerabilder mit hunderten anderer Bild ab und erkennt so Abweichungen.
Um bei der Fortentwicklung dieser Technologie voranzukommen, veröffentlicht BMW ausgewählte Algorithmen auf einer Open-Source-Plattform. Dort können Softwareentwickler auf der ganzen Welt den Quelltext einsehen, verändern, nutzen und weiterentwickeln. „Mit den Algorithmen, die wir jetzt veröffentlichen, hat die BMW Group bereits die Entwicklungszeit neuronaler Netze für autonome Transportsysteme und Roboter deutlich reduziert“, sagt Dirk Dreher, Leiter Logistikplanung.
BMW ist freilich nicht der einzige OEM, der KI schon heute in der Fertigung einsetzt. So hat beispielsweise Volkswagen eine Reihe intelligenter Technologien aus den Bereichen Predicitve Maintenance und kollaborierende Roboter in der Erprobung. Die Berater von Capgemini führen ein System von General Motors an, das Anzeichen von robotischen Fehlern erkennt, bevor sie auftreten. Das soll dem US-Autobauer helfen, Kosten für ungeplante Ausfälle bis zu 20.000 US-Dollar pro Minute einzusparen.