Die fortschreitende Integration von Künstlicher Intelligenz (KI) in Unternehmen hat in den letzten Jahren erhebliche Veränderungen in der Gestaltung und Optimierung von Geschäftsprozessen bewirkt. Ca. 42 % der Unternehmen setzen bereits KI-Lösungen ein. Ihr Hauptziel besteht darin, Kosten und Zeit zu sparen und gleichzeitig die Qualität zu steigern. Zunehmend erkennen Unternehmen auch das enorme Potenzial von KI im Bereich der Ressourcenschonung.
Abbildung 1: Anwendungsbereiche, in denen KI zur Ressourcenschonung eingesetzt wird, in Prozent [1]
So zeigt eine Studie der VDI Zentrum Ressourceneffizienz GmbH aus dem Jahr 2021, dass Unternehmen am meisten Potenzial in der Reduzierung von Material- und Energieverbrauch sehen. [1]
Allerdings ist die Implementierung von KI-Lösungen in kleinen und mittelgroßen Unternehmen häufig schwierig. Die VDI-Studie „Potenziale der schwachen künstlichen Intelligenz für die betriebliche Ressourceneffizienz“ hat diese Problematik beleuchtet. Unsere Zahl des Monats: 5. Wir stellen Ihnen nun 5 Anwendungsbeispiele vor, die auch kleineren Unternehmen neue Chancen im Bereich der Ressourcenschonung bieten.
Vorausschauende Wartung (engl.: predictive maintenace):
Üblicherweise werden Maschinen in Unternehmen in festgelegten Zeitintervallen gewartet. Dies kann dazu führen, dass grundlose Wartungen durchgeführt werden oder es bereits davor zu einem ungeplanten Stillstand aufgrund von Bauteilausfällen kommt. Um dies zu vermeiden, kann die vorausschauende Wartung genutzt werden. Dabei handelt es sich um die sensorbasierte Überwachung von Zuständen an Maschinenkomponenten und die KI-basierte Auswertung der Sensordaten. Diese zielt darauf ab, Fehlermuster zu identifizieren und Wartungsmaßnahmen vorzuschlagen. Es lassen sich aber anhand der gewonnenen Echtzeitdaten nicht nur Ausfälle vorhersagen, sodass rechtzeitig Wartungen passgenau durchgeführt werden können. Auch Präzisionsverluste, Ausschuss und Stillstandzeiten können dadurch reduziert werden. Folglich kann die Material- und Energieeffizienz gesteigert werden und somit außerdem die Treibhausgasemissionen reduziert werden. [1][2][3]
Optimierung der Produktionsplanung:
Eine effiziente Produktion erfordert eine sorgfältige Planung. Die Feinplanung der Fertigung ist äußerst komplex und besonders anspruchsvoll. Es gibt unzählige Möglichkeiten, die Reihenfolge der Produktion anzuordnen. Zusätzlich erschweren Faktoren wie Maschinenausfälle, veränderte Auftragsprioritäten, Mitarbeiterausfälle, Materialengpässe, variierende Durchlaufzeiten und notwendige Wartungsarbeiten die Planung erheblich. Diese Einflüsse müssen berücksichtigt werden, um die bestmögliche Auslastung zu gewährleisten. An dieser Stelle kommt die KI-Software ins Spiel. Diese kann beispielsweise in das bestehende ERP-System integriert werden, um eine KI-gestützte Produktionsplanung durchzuführen. Dies führt in der Praxis zu einer Reduzierung des Planungsaufwands, verkürzt die Durchlaufzeiten und steigert die Termintreue. Zusätzlich bieten die modernen Produktionsplanungs-Softwares weitere Vorteile. Sie können eine Vielzahl von Abhängigkeiten und Einflussfaktoren besser berücksichtigen als herkömmliche Tools. Die Algorithmen zielen darauf ab, Engpässe zu vermeiden und Produktionsressourcen optimal zu nutzen, was die Kapazität erhöht. Gleichzeitig führt die optimierte Planung zu geringerem Ressourcenverbrauch und reduziert Ausschuss, wodurch Kosten und Umweltauswirkungen minimiert werden. [1][4]
Abbildung 2: Symboldarstellung einer KI zur Datenauswertung
Fehlererkennung und – vorhersage:
In den meisten Fällen erfolgen Qualitätskontrollen stichprobenbasiert, oft mittels statistischer Prozesskontrolle. Dieser Vorgang wird aufgrund hoher manueller Arbeitskosten und fehlender Daten für eine umfassende, automatisierte Qualitätskontrolle angewendet. Allerdings können so nicht alle Bauteile geprüft werden und es kommt zur Auslieferung fehlerhafte Bauteile. Hier können KI-Anwendungen genutzt werden. Sie ermöglicht automatisierte Qualitätskontrollen von Komponenten und Produkten. Einige Methoden erlauben sogar die Vorhersage von Fehlern. Dies ermöglicht rechtzeitig einzugreifen und so Fehler im Produktionsprozess zu vermeiden. Durch Sensoren oder Kamerasysteme werden umfangreiche Daten ausgewertet. Frühzeitige Fehlererkennung ermöglicht die rasche Korrektur von Prozessabweichungen und das Aussortieren fehlerhafter Komponenten oder Produkte, wodurch die Verschwendung von Ressourcen für Ausschuss minimiert wird. Die größten Einsparungen betreffen in erster Linie den Materialeinsatz. Darüber hinaus reduziert sich der Aufwand für die Nachbearbeitung von Ausschussteilen. [1][5][6]
Logistikplanung:
Abbildung 3: Symboldarstellung intelligente Logistikplanung
In der internen Materialflussplanung werden Problemstellungen meist mithilfe von Algorithmen und Zielfunktionen optimiert. Anders gestaltetet sich das bei der Integration von KI-Anwendungen. Diese sind in der Lage, große Datenmengen in Echtzeit zu analysieren, mit vergangenen Daten abzugleichen und somit Eintrittswahrscheinlichkeiten zum aktuellen Geschehen vorherzusagen. Die Ergebnisse dieser Analyse ermöglichen die Anpassung des Logistiksystems. Beispielsweise kann so die Steuerung von Fahrerlosen Transportsystemen (FTS) optimiert werden. Eine weitere Anwendungsmöglichkeit bietet die Optimierung der Beladung von Ladungsträgern (z.B. Paletten) So kann bestimmt werden, welcher Auftrag mit welchen Artikeln zu welchem Zeitpunkt einem Mitarbeiter und einem Transportmittel zugeordnet wird. [1][7]
Sustainability Analytics:
Eine weitere Möglichkeit zur Nutzung von KI zur Ressourcenschonung ist die sogenannte Sustainability Analytics (dt.: Nachhaltigkeitsanalytik). Diese nutzt Datenanalysen, die dazu verwendet werden, Erkenntnisse im Bereich der Nachhaltigkeit betrieblicher Prozesse zu gewinnen. In Fertigungsprozessen kann beispielsweise die Energieeffizienz oder die Ausnutzung eines Druckluftsystems mithilfe von KI-Methoden verbessert werden. Hierbei werden historische Fertigungsdaten verwendet und mithilfe von KI-Anwendungen analysiert, um zukünftige Energiebedarfe zu prognostizieren. Darüber hinaus können KI-gestützte Datenanalysen nicht nur zu Effizienzsteigerungen durch die Optimierung von Wartungsintervallen führen, sondern auch zur Entwicklung von Expertensystemen beitragen. Diese Expertensysteme können Empfehlungen zur Reduzierung betrieblicher Treibhausgasemissionen und des Energieverbrauchs geben. [1]
Laut der VDI-Studie erweist sich besonders für kleine und mittlere Unternehmen die Identifikation geeigneter Ansatzpunkte für den Einsatz von Künstlicher Intelligenz als äußerst anspruchsvoll. Die erfolgreiche Integration kann jedoch nicht nur die Effizienz steigern, sondern auch neue Wachstumschancen eröffnen. Daher ist es wichtig, Strategien zu entwickeln, um Hindernisse zu überwinden und die Potenziale der künstlichen Intelligenz optimal zu nutzen. [1]
[1]https://www.ressource-deutschland.de/fileadmin/user_upload/1_Themen/h_Publikationen/Studien/VDI-ZRE_Studie_KI-betriebliche-Ressourceneffizienz_Web_bf.pdf
[2]https://www.plattform-i40.de/IP/Redaktion/DE/Standardartikel/Themen-und-Technologiekatalog/predictive-maintenance.html
[3]https://www.industry-of-things.de/was-ist-predictive-maintenance-definition-anwendung-und-beispiele-a-693842/
[4]https://www.handelsblatt.com/adv/firmen/produktionsplanung-software.html
[5]https://www.dgq.de/fachbeitraege/interview-wie-ki-algorithmen-zu-einer-verbesserten-qualitaetskontrolle-verhelfen/
[6]https://www.ki-wissens-und-weiterbildungszentrum.de/knowledge-pool/ki-gestutzte-qualitatskontrolle-in-der-industrie/
[7]Bach, N., Lindig, S. (2021). KI in der Intralogistik. In: Knappertsbusch, I., Gondlach, K. (eds) Arbeitswelt und KI 2030. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-35779-5_32
Die Kolumne „Zahl des Monats“ ist eine Idee der studentischen Mitarbeiter:innen im PAL-Team. Sie wissen: Zahlen sind das Alphabet für die Algorithmen einer Künstlichen Intelligenz. Was aber können Zahlen für uns Menschen bedeuten? In kurzen Texten reflektieren die Autor:innen anhand von beispielhaften Zahlen aus Statistiken oder wissenschaftlichen Arbeiten, was Künstliche Intelligenz für Menschen in der Arbeitswelt und in der Gesellschaft bedeutet und wohin die Entwicklungstrends weisen.
Möchten Sie auch einen Beitrag über KI und Arbeitswelt in dieser Kolumne veröffentlichen? Dann nehmen Sie gern Kontakt zum PAL-Projekt über pal-news@hs-mittweida.de auf!