Leitfaden / Industrielle KI
KI in der Fertigung: Anwendungen, Voraussetzungen und Wirtschaftlichkeit
Ein guter erster KI-Anwendungsfall in der Fertigung hat einen erkennbaren Engpass und ein Ergebnis, das der Betrieb prüfen kann. Das kann die Vorbereitung einer Qualitätsentscheidung sein oder die Suche nach einer passenden Wartungsanweisung. Es muss nicht die autonome Steuerung einer Maschine sein.
Beginnen Sie dort, wo Informationen fehlen, schwer auffindbar sind oder zwischen Systemen übertragen werden. Prüfen Sie dann, ob die bestehende Aufgabe durch eine feste Regel, eine Schnittstelle oder tatsächlich durch KI besser lösbar wird.
Wo KI in der Produktion eingesetzt werden kann
KI in der Produktion wertet Bild-, Sensor- oder Geschäftsdaten aus, um etwa Abweichungen zu erkennen, einen Bedarf zu prognostizieren oder eine Entscheidung vorzubereiten. Nicht jede Aufgabe braucht ein Sprachmodell. Für Bilderkennung, Zeitreihen und technische Dokumente sind unterschiedliche Verfahren und Tests nötig.
| Anwendungsfeld | Benötigte Daten | Was vor einem Einsatz geprüft werden muss |
|---|---|---|
| Visuelle Qualitätskontrolle | Bilder bei realer Beleuchtung, bewertete Gut- und Fehlerteile | Übersehene Fehler, Fehlalarme und verfügbare Taktzeit |
| Predictive Maintenance | Maschinenzustände mit Zeitbezug, Wartungs- und Störungsverlauf | Vorwarnzeit und Fehlalarme gegenüber bisherigen Grenzwerten |
| Produktionsplanung | Aufträge, Rüstzeiten, Kapazitäten und Materialverfügbarkeit | Einhaltung fester Restriktionen und Qualität bei Planänderungen |
| Prozess- und Energieanalyse | Prozessparameter, Qualitätsmerkmale und vergleichbare Betriebszustände | Ob ein Zusammenhang auch bei anderen Produkten und Lasten gilt |
| Wissensassistenz | Freigegebene Handbücher und Störungsberichte mit Anlagenbezug | Quellenrichtigkeit und Umgang mit fehlenden Informationen |
Das Fraunhofer IGCV beschreibt KI-Anwendungen unter anderem für Zustandsüberwachung, Anomalieerkennung und Qualitätssicherung. Die Tabelle übersetzt diese Anwendungsfelder in Fragen für Ihre eigene Auswahl; sie verspricht keine bestimmte Einsparung.
Ein öffentlich dokumentiertes Beispiel liefert Bosch aus dem Werk Bamberg: Dort werden Prozess- und Qualitätsdaten sowie Informationen aus optischer Prüfung ausgewertet. Das zeigt, wie eng die Analyse mit vorhandener Messtechnik verbunden ist. Daraus lässt sich kein gleiches Ergebnis für eine andere Anlage ableiten.
Drei Kandidaten für eine erste Untersuchung
Die folgenden Beispiele beschreiben mögliche Abläufe. Sie sind keine Welf-Kundenprojekte und enthalten keine gemessenen Einsparungen.
| Prozess | Aufgabe der KI | Verantwortung im Betrieb | Messgröße |
|---|---|---|---|
| Qualitätsabweichungen | Meldungen ordnen und passende frühere Fälle vorschlagen | Qualitätsteam bewertet Ursache und Maßnahme | Bearbeitungszeit einschließlich Prüfung und Korrektur |
| Wartungswissen | Relevante Abschnitte aus freigegebenen Unterlagen finden | Fachkundige Person prüft Eignung für die konkrete Anlage | Zeit bis zur bestätigten Information; Anteil ungeklärter Fragen |
| Technische Angebotsvorbereitung | Anforderungen aus Anfragen strukturieren | Vertrieb und Engineering prüfen Machbarkeit und Angebot | Zeit bis zur technischen Klärung; Zahl der Rückfragen |
Wählen Sie den Kandidaten nicht allein nach seiner sichtbaren Bearbeitungszeit. Eine lange Wartezeit kann durch fehlende Kapazität entstehen, aber auch durch eine notwendige Freigabe. Ein besserer Textentwurf beseitigt diesen zweiten Engpass nicht automatisch.
Prüfen Sie zuerst die Verbindungen
Für einen Wartungsassistenten genügt ein Ordner mit PDFs selten. Sie müssen wissen, welche Anleitung zu welcher Anlagenversion gehört. Ein früherer Störungsbericht kann hilfreich sein, darf aber nicht unbemerkt eine aktuelle freigegebene Anweisung ersetzen.
Erfassen Sie deshalb die Zuordnung zwischen Anlage, Dokumentversion und Vorgang. Halten Sie auch fest, wer diese Verknüpfungen pflegt. Wenn sich eine falsche Zuordnung durch den gesamten Prozess fortsetzt, kann ein sprachlich überzeugendes Ergebnis den Fehler verdecken.
Für Ihren ersten Workflow bleibt die Aufgabe überschaubar: Identifizieren Sie die benötigten Quellen und klären Sie ihre Zuordnung. Ein umfassendes Datenplattform-Projekt ist dafür nicht automatisch eine Voraussetzung.
Eine Auswahl, die auch Nein sagen kann
Bewerten Sie jeden Kandidaten zunächst nach vier Fragen: Ist der Aufwand wiederkehrend? Sind die benötigten Quellen verfügbar? Kann der Fachbereich das Ergebnis prüfen? Gibt es einen Verantwortlichen, der den Arbeitsablauf ändern darf?
Fehlt eine dieser Voraussetzungen, halten Sie die nächste Vorarbeit fest. Ein interessanter Wartungsassistent kann beispielsweise warten müssen, bis Anlagen und Dokumentstände zuverlässig zugeordnet sind. Starten Sie dann mit einem anderen Ablauf, statt die fehlende Datenbasis durch Modellversprechen zu ersetzen.
Berechnen Sie den Nutzen mit der Produktion
Stellen Sie den heutigen Ablauf dem geplanten gegenüber. Zählen Sie Suchzeit, Prüfung, Korrektur und Übergabe. Beobachten Sie zusätzlich, ob ein schneller bearbeiteter Schritt überhaupt den Gesamtprozess beschleunigt.
Ein Werkzeug kann beispielsweise Ingenieuren Recherche abnehmen. Daraus folgt noch keine verkürzte Lieferzeit, wenn Materialverfügbarkeit den Termin bestimmt. Der unmittelbare Nutzen wäre zunächst freigesetzte Engineering-Kapazität. Diesen Effekt können Sie messen und für weitere Aufgaben einplanen.
Legen Sie vor dem Test fest, bei welchem Ergebnis Sie weitermachen. Eine Grenze kann sein, dass die Anwendung keine ungeprüfte Anweisung als freigegeben ausgibt. Eine andere betrifft den Gesamtaufwand: Wenn die Kontrolle länger dauert als die bisherige Arbeit, braucht der Ansatz eine Änderung.
Vom Pilotversuch zum laufenden Betrieb
Testdaten müssen die tatsächlichen Varianten abbilden: andere Materialchargen, Schichten, Werkzeuge und Beleuchtungsverhältnisse können ein Ergebnis verändern. Trennen Sie Entwicklungs- und Prüfdaten nach einem für den Prozess sinnvollen Kriterium, etwa Zeit oder Charge. Fast identische Aufnahmen desselben Teils in beiden Gruppen würden den Vergleich zu günstig erscheinen lassen.
Beobachten Sie nach der Einführung sowohl die Datenzufuhr als auch den fachlichen Nutzen. Eine ausgefallene Kamera und eine gestiegene Fehlerrate verlangen unterschiedliche Reaktionen. Legen Sie fest, wer Meldungen bewertet, wann ein Modell erneut geprüft wird und wie der bisherige Ablauf wieder übernommen werden kann.
Die konkreten Prüfschritte finden Sie in den Leitfäden zur visuellen Qualitätskontrolle und zu Predictive Maintenance. Für Planungsentscheidungen erläutert der Beitrag zum digitalen Zwilling, welche Modellierung und Validierung nötig sind.
Bei einer Qualitätsprüfung sind übersehene Fehler und unnötig ausgesonderte Gutteile getrennt zu zählen. Eine kürzere Prüfzeit allein genügt nicht. Für Planung und Wartung braucht es entsprechend eigene Kennzahlen statt eines einzigen allgemeinen KI-Scores. Mehr dazu im Leitfaden zur KI-Evaluation.
Soll die Anwendung physisch greifen, bewegen oder navigieren, kommen die Anforderungen an Robotik und Physical AI hinzu. Die ERP- und MES-Integration bleibt ein eigener Arbeitsschritt.
Beginnen Sie neben dem kritischen Ablauf
Lassen Sie die Anwendung zunächst Vorschläge erzeugen, die das Team mit dem bisherigen Ergebnis vergleichen kann. Vereinbaren Sie, wer Abweichungen bewertet und wann der Versuch beendet wird. Für Eingriffe in Anlagen gelten die jeweiligen betrieblichen und sicherheitstechnischen Freigaben; ein Sprachmodell-Test ersetzt sie nicht.
Welf entwickelt solche Workflows mit Fachbereich und IT. Unsere Seite zu KI in der Fertigung beschreibt die Zusammenarbeit. Für einen konkreten kaufmännisch-technischen Ablauf finden Sie den Weg von der Anfrage zum Angebot.