IBM Manufacturing

Künstliche Intelligenz (KI)

in der Fertigung
Ein Überblick und vier
Anwendungen, die heute die
Fertigung transformieren
2 Künstliche Intelligenz (KI) in der Fertigung

Inhalt
Bei der KI-gestützten Fertigung
3 Einführung
kommen KI-Funktionen, Industrial IoT
4 KI-unterstützte Fertigung: Was es ist und warum
es wichtig ist
und hochentwickelte Analysemethoden
zum Einsatz, um Fertigungsprozesse
5 Schlüsselfragen in der Fertigung, bei denen KI
helfen kann auf noch nie da gewesene Weise zu
7 Vier überzeugende Anwendungsmöglichkeiten
optimieren. Damit können
für KI-unterstützte Fertigung Unternehmen grundlegende
–– Asset Performance Management geschäftliche Kennzahlen verbessern,
–– Prozess- und Qualitätsverbesserung z. B. Produktivität, Produkt-
–– Ressourcenoptimierung zuverlässigkeit, Qualität, Sicherheit
–– Lieferkettenoptimierung
und Ertrag. Gleichzeitig lassen sich die
12 Technologiearchitektur für die KI-unterstützte
Fertigung Ausfallzeiten und die Kosten verringern.
13 Erste Schritte

15 KI in der Fertigung und die Rolle von IBM

 IBM Manufacturing 3

Einführung
Die Fertigung unterliegt derzeit einschneidenden
Veränderungen. Unternehmen statten ihre Anlagen mit
vernetzten Sensoren aus und machen sich mithilfe
ausgefeilter Datenanalysen ein besseres Bild der
Produktion, um sie zu optimieren. So entstehen neue
Möglichkeiten, maßgebliche geschäftliche Kennzahlen
zu verbessern, neue Wertschöpfung aus Produktions-
daten abzuleiten, die Produktqualität zu steigern und
einen neuen Umgang mit Informationen und Wissen im
Unternehmen zu ermöglichen.

Fertigungsunternehmen streben seit jeher danach, die

Produktion zu optimieren. Doch der Einsatz dieser
neuen datengestützten Methoden bringt eine neue
Herausforderung mit sich: Wie lassen sich verlässliche,
relevante Erkenntnisse aus den Fertigungsdaten
gewinnen und entsprechende Maßnahmen einleiten?
Herkömmliche Datenverarbeitung kann mit dem
riesigen Zustrom an Daten oder mit der Komplexität
der Analysen nicht Schritt halten. Dadurch werden
sowohl der Einsatzbereich als auch der Nutzen der
Daten eingeschränkt.

Künstliche Intelligenz (KI) in der Fertigung—auch bekannt

als Smart Manufacturing, intelligente Fertigung oder
Industrie 4.0—eröffnet Unternehmen ganz neue Möglich-
keiten, Fertigungsdaten zu nutzen, um ihre Modernisie-
rungsziele zu realisieren. KI-unterstützte Fertigung
zusammen mit Industriellen IoT (IIoT)-Anwendungen
und hoch entwickelten Analyseverfahren erlaubt die
Auswertung von Daten aus verschiedenen Systemen,
Anlagen und Prozessen in Echtzeit. Die Fertigung wird
dann entsprechend automatisiert oder gesteuert.
4 Künstliche Intelligenz (KI) in der Fertigung
Unternehmen können durch den Einsatz von künstlicher
Intelligenz in der Fertigung bislang verborgene Aspekte
oder Probleme in ihren Fertigungsprozessen erkennen
und so den Lebenszyklus eines Produkts verbessern—
vom Design über die Produktion bis zum Support nach
dem Kauf.
In diesem Dokument wird die Bedeutung von KI in der
Fertigung erläutert, wobei vier grundlegende Anwen-
dungsbereiche betrachtet werden: Asset Performance
Management, Prozess- und Qualitätsverbesserung,
Ressourcenoptimierung und Optimierung der Lieferkette.
Es wird eine technische Architektur für die KI-unterstütz-
te Fertigung beschrieben, und ein Vorschlag für die ersten
Schritte zur Entwicklung von Implementierungsstrategien
wird vorgelegt.
KI-unterstützte Fertigung:
Was es ist und warum es wichtig ist
Mit Hilfe von künstlicher Intelligenz, Industrial IoT und
hoch entwickelten Analysemethoden werden Fertigungs-
prozesse in einem bisher nicht möglichen Ausmaß
digitalisiert, transparent gemacht und optimiert.
Die besondere Leistungsfähigkeit von KI-unterstützter
Fertigung ergibt sich aus der Kombination von sensor-
basierten Informationen mit maschinellem Lernen und
weiteren KI-Funktionen. So können Muster entdeckt
werden in strukturierten und unstrukturierten Daten aus
Produktions-, Unternehmens- und Industriesystemen.
Relevante Daten werden in Echtzeit zusammengestellt,
und mithilfe von Analysefunktionen gewinnen Sie nie
dagewesene Einsichten und ein beispielloses Verständ-
nis des Fertigungsprozesses. Maßnahmen lassen sich
anhand der Ergebnisse automatisieren und Entscheider
in der Fertigung erhalten belastbare Fakten und laufend
aktualisierte Informationen.
KI-Technologien nehmen den
Fertigungsprozess und die
Geschäftsumgebung genau unter die
Lupe, um daraus Informationen mit
konkretem Wert für den Hersteller
abzuleiten.
Diese zukunftsweisenden Funktionen sind bereits heute
nutzbar, da ausgereifte Technologien für IoT und Da-
tenanalyse zur Verfügung stehen und skalierbar imple-
mentiert werden können—dank allgegenwärtiger
Konnektivität und sinkender Kosten für Chipsätze,
Sensoren, Cloud Computing und Speicher. Durch diese
Fähigkeiten können Unternehmen auch von den explo-
dierenden Datenmengen profitieren, die ihre IoT-
Anwendungen erzeugen, von Daten, welche von
Sensoren gesammelten werden, bis hin zu unstruktu-
rierten Daten, die in Textdateien, Korrespondenz,
Videos, Audio und anderen Quellen enthalten sind.
KI-Technologien können die Bedeutung dieser Daten in
einer Weise entschlüsseln, die bislang der menschlichen
Intelligenz vorbehalten war. Dieser Grad an Verständnis
wird in Zukunft unerlässlich für den Erfolg in der moder-
nen Fertigung sein, da ein immer intensiver werdender
Wettbewerb und steigender Kostendruck den Herstel-
lern ein neues Maß an Agilität, Reaktionsfähigkeit und
Innovation abverlangt.

Schlüsselfragen in der Fertigung,
bei denen KI helfen kann
Mit KI-Technologien können Fertigungsunternehmen
grundlegende geschäftliche Herausforderungen meis-
tern, Mehrwert aus ihren Produktionsdaten ziehen, die
Qualität steigern und das Wissensmanagement im
Betrieb optimieren.
Geschäftliche Herausforderungen meistern
Durch KI in der Fertigung können Unternehmen essenti-
elle wirtschaftliche Kennzahlen verbessern,
z. B. Produktivität, Produktzuverlässigkeit, Qualität,
Sicherheit und Ertrag. Gleichzeitig lassen sich die
Ausfallzeiten und die Kosten verringern.
IBM Manufacturing 5
Anwendungen sind einfach zu nutzen und bieten sofor-
tige Vorteile. Ein Techniker im Außendienst kann die
Symptome einer defekten Maschine beispielsweise
einfach in eine KI-Maschine eingeben, die sie dann
analysiert und eine Reihe von Optionen für die Reparatur
vorschlägt, geordnet nach Erfolgswahrscheinlichkeit.
Durch diese Herangehensweise steigt die Lösungsrate
beim ersten Versuch (First Time Fix Rate). Damit erhöht
sich auch die Produktivität, während die Kosten sinken.
6 Künstliche Intelligenz (KI) in der Fertigung
Mehrwert aus Fertigungsdaten ziehen
KI-Technologien nehmen den Fertigungsprozess und
das geschäftliche Umfeld genau unter die Lupe, um
Informationen mit konkretem Nutzen für den Hersteller
abzuleiten. Dabei werden neue Datenquellen ebenso
wie unstrukturierte Daten berücksichtigt. Mithilfe von
hoch entwickelten Analyse-Modellen lassen sich signifi-
kante Querbezüge aufdecken, die zuvor nicht in den
Daten zu erkennen waren.
Durch den Einsatz von KI-Technologien kann die
vorausschauende Wartung, die bislang auf Langzeit-
daten basierte, mit Informationen aus technischen
Protokollen, Wartungsunterlagen, E-Mails und sonstigen
Quellen ergänzt werden. Produktprüfungen lassen sich
mithilfe von KI-unterstützten visuellen Inspektionssys-
temen durchführen, die aus Abbildungen gefertigter
Produkte lernen, Fehler zu erkennen und zu bestimmen,
ob diese auf Qualitätsprobleme zurückzuführen sind.
Unternehmen, welche diese Art von Verfahren anwen-
den, können den Betrieb und die Leistung ihrer Werke
verbessern und gleichzeitig Kosten senken.
Produktqualität steigern
Erfolgreiche Hersteller streben immer danach, Produkte
der höchsten Qualität zu fertigen. In einer aktuellen IBM
Befragung von Elektronikherstellern stellte sich
beispielsweise heraus, dass zwei Drittel (66 Prozent) der
Führungskräfte im Unternehmen die Fehlerminimierung
und eine höhere Fertigungspräzision zu den wesentli-
chen Leistungsindikatoren für ihre Anlagen zählen.
KI-unterstützte Fertigung ermöglicht es Unternehmen,
alle Qualitätsrelevanten Aspekte über den gesamten
Lebenszyklus des Produktes zu verfolgen und im Kontext
zu analysieren—vom Design über die Fertigung bis hin
zum Vertrieb, wenn Unternehmen die Produktqualität
durch Garantie- und Supportprogramme sicherstellen
müssen. Durch diese Herangehensweise verbessert sich
der Ertrag, die Gewährleistungskosten sinken und die
Kundenzufriedenheit bleibt über die gesamte Lebenszeit
des Produkts erhalten.
Wissensmanagement verbessern
Bei der KI-unterstützten Fertigung geht es darum, Daten
aus unterschiedlichen Quellen zu nutzen—nicht nur von
Gerätesensoren, sondern beispielsweise auch aus
Protokollen, Handbüchern, biometrischen Mitarbeiter-
daten oder der Umgebung. Diese Quellen und Daten
werden in den Analyseprozess integriert, um ein intel-
ligentes System zu schaffen, das ständig hinzulernt.
Dieses System kann aufschlussreiche betriebliche
Empfehlungen geben, basierend auf einem umfassenden
und vollständigen Bild der Fertigungsbedingungen.
Vier überzeugende Anwendungs-
möglichkeiten für KI in der Fertigung
Vier Anwendungsmöglichkeiten der KI-unterstützten
Fertigung bieten den Herstellern erhebliche Vorteile. Die
hier vorgestellten Anwendungen umfassen das Asset
Performance Management, die Verbesserung von
Prozessen und Qualität, sowie die Optimierung von
Ressourcen und Lieferketten.

Asset Performance Management
Zuverlässigkeit und Durchsatz von Geräten und
Anlagen steigern durch bessere Transparenz,
Vorhersagbarkeit und Prozesse
Fertigungsunternehmen können durch den Einsatz von
APM-Systemen (Asset Performance Management) die
Zuverlässigkeit und Leistung ihrer Anlagen steigern und
dabei die Kosten senken.
KI-unterstütztes APM hilft Leistungsprobleme zu
erkennen, zu diagnostizieren und zu kommunizieren.
Unnötige Ausfallzeiten werden reduziert. Es beinhaltet
die traditionellen Verfahren der vorbeugenden Instand-
haltung—weitgehend basierend auf Langzeitdaten—
sowie ganzheitliche Methoden, mit denen die gesamte
Effektivität (Overall Equipment Effectiveness, OEE) einer
Komponente im Kontext einer umgebenden Fertigungs-
funktion der Einrichtung bestimmt wird.
KI-unterstütztes APM geht über diese Praktiken hinaus.
Es sieht nicht nur mögliche Fehler voraus, sondern
berücksichtigt auch Informationen aus relevanten
Benutzerhandbüchern oder Technikerprotokollen, um
zu verstehen, wie ähnliche Probleme zuvor gelöst
wurden. Anhand dieser Informationen empfiehlt es
dann spezifische Maßnahmen oder Lösungen zur
Behebung des drohenden Problems.
Der Nutzen kann erheblich sein: So verwendete ein
Automobilhersteller KI- Technologien, um Maschinen-
fehler vorherzusagen. Dank des Frühwarnsystems bei
Anlagenproblemen können nun vorausschauende
Wartungsarbeiten durchgeführt werden, bevor der
Fehler tatsächlich eintritt. Die Ausfallzeiten des Werks
reduzierten sich damit um 34 Prozent. In einem wei-
teren Fall konnte ein Hersteller im Automobilbereich
mithilfe von KI-Technologien die Kosten für die Anlagen-
und Gerätewartung um etwa 10 Prozent reduzieren.
IBM Manufacturing 7
KI-unterstützte Fertigung ermöglicht es
Unternehmen, alle Qualitätsrelevanten
Aspekte über den gesamten
Lebenszyklus des Produktes zu
verfolgen—vom Design über die
Fertigung bis zur Gewährleistung.
Prozess- und Qualitätsverbesserung
Optimierung von Ertrag und Produktivität im
Fertigungsbetrieb, vom Design bis zur Gewährleistung
Bei der Qualität geht es nicht nur um die Beschaffenheit
eines Endprodukts: Qualität bezieht sich auf den gesam-
ten Fertigungsprozess und alle Variablen, die sich im
Verlauf dieses Prozesses auf die Produktentstehung
auswirken. Hersteller können KI-unterstützte Ferti-
gungswerkzeuge verwenden, um die vielen operativen
Aspekte zu überwachen und zu verstehen, die Einfluss
auf die Produktqualität haben. So sorgen sie dafür, dass
alle ausgelieferten Produkte den Qualitätsanforderun-
gen des Unternehmens entsprechen. Zu den Vorteilen,
die daraus entstehen, zählen u. a. höhere Produktivität
und gesteigerter Ertrag vom Design über die Produktion
bis zur Gewährleistung.
Fertigungsunternehmen in vielen Bereichen des indus-
triellen Sektors haben bereits KI-Verfahren zur Verbesse-
rung von Prozessen und Qualität genutzt. Zu den Vorteilen
zählen z. B. erhebliche Umsatzsteigerungen durch höhere
Produktqualität, Einsparungen durch niedrigere Repara-
tur- und Gewährleistungskosten, Senkung der Arbeits-
kosten für die Qualitätssicherung sowie höhere Sys-
temverfügbarkeit. Der Nutzen kann erheblich sein: Ein
europäischer Automobilhersteller konnte beispielsweise
die Produktivität um 25 Prozent steigern.
8 Künstliche Intelligenz (KI) in der Fertigung

Möglich wurde dies durch den Einsatz von vorausschauen-

den Modellen, mit denen genau die spezifischen Teile einer
Fertigungslinie identifiziert werden, die eine Nachjustie-
rung erfordern. In einem anderen Fall erwartet ein Elek-
tronikhersteller durch die Verwendung von KI-Technolo-
gien eine Senkung seiner Arbeitskosten für die
Qualitätskontrolle um 5 bis 20 Prozent.

Der Einsatz von künstlicher Intelligenz ist effektiv, weil

dabei Analysen, Algorithmen, automatisierte visuelle
Inspektionen und maschinelles Lernen zum Einsatz
kommen, um mögliche Qualitätsprobleme früher und
präziser zu erkennen als mit herkömmlichen Methoden
wie der statistischen Prozesskontrolle (SPC) oder manu-
ellen Inspektionen. Mit KI-Technologien lassen sich auch
schleichende Probleme aufspüren, die mit anderen
Verfahren möglicherweise unerkannt bleiben. Hersteller
profitieren von detaillierten, präzisen und zeitnahen
Einsichten, einschließlich Warnmeldungen in Echtzeit.

KI-Technologien unterstützen den Hersteller auch dabei,

den Zustand der Produkte nach der Distribution in den
Markt zu überwachen und einzuschätzen. So lassen sich
Schwankungen bei Produktverschleiß und Austausch-
raten überwachen sowie neben anderen unstruktu-
rierten Datenquellen auch Gewährleistungsbedingungen
und Rückrufe berücksichtigen. Durch diese Informa-
tionen können frühe Warnsignale erkannt werden, die
auf beschleunigten Verschleiß und Austausch von
Komponenten hinweisen. Fehlalarme reduzieren sich
auf ein Minimum.
 IBM Manufacturing 9

Anwendungsmöglichkeiten für KI in der Fertigung

Asset Performance Prozess- und Quali- Ressourcen- Supply-Chain-

Management tätsverbesserung optimierung Optimierung

Geschäftliche Reduzierte Gesteigerte Erträge, Höhere Sicherheit, nied- Pünktlichere Bereitstel-

Kennzahlen Ausfallzeiten und Produktivität, Betriebszeit rigere Kosten, bessere lung, niedrigere Lagerhal-
Kosten und Umsätze bei nied- Assetauslastung tungskosten und weniger
rigeren Kosten Fehlbestände

Nutzen 34% weniger Anlagen- 25% höhere Produktivität 10% bessere Einhaltung 10% niedrigere globale
ausfälle bei einem bei einem Automobil- der Sicherheitsbestimmun- Lieferkettenkosten bei
Automobilhersteller hersteller in Europa gen bei einem Hersteller einem OEM im
von Industrieprodukten Automobilbereich
10% niedrigere 5–20% erwartete nied-
Kosten für die Anla- rigere Arbeitskosten für 10% niedrigerer Ener- 20% höhere Bestandsre-
genwartung bei einem die Qualitätskontrolle bei gieverbrauch in einem duzierungen bei einem
Auto­­mobilhersteller einem Elektronikhersteller Zementwerk OEM im Automobilbe-
reich und einem
15% kürzere Zykluszeit bei Hersteller von
einem Halbleiterhersteller Industrieprodukten

Ressourcenoptimierung
Höhere Arbeitssicherheit sowie bessere
Energieeffizienz und Anlagenproduktivität bei
gleichzeitiger Kostensenkung
KI-Technologien geben Fertigungsunternehmen unent-
behrliche Möglichkeiten, ihre Ressourcen optimal zu
nutzen. Zu den wichtigsten Anwendungsfällen zählen
Arbeitsschutz und Arbeitssicherheit, die Optimierung
der Energieeffizienz von Fertigungsprozessen und
-anlagen sowie die Werksplanung.
Arbeitssicherheit
Die Ausstattung der Mitarbeiter mit Sensoren, um ihre
Sicherheit in der Fertigungsumgebung zu gewährleisten,
ist eine überzeugende Anwendungsmöglichkeit von
KI-Technologien. Die am Körper tragbaren Sensoren
überwachen laufend den Gesundheitszustand und die
Kondition der Mitarbeiter sowie ihre Gefährdung durch
umgebungsbedingte oder physikalische Gefahren.
KI-Technologien integrieren Daten aus den Sensoren
und weiteren relevanten externen Umgebungsquellen,
um sofort problematische Situationen zu erkennen, die
für die Mitarbeiter gesundheitsgefährdend sein könnten.
10 Künstliche Intelligenz (KI) in der Fertigung
Die Technologie alarmiert den Mitarbeiter oder den
Vorgesetzten, wenn eine sofortige Reaktion nötig ist.
Eine höhere Arbeitssicherheit fördert die Gesundheit
der Belegschaft und ermöglicht ein besseres Personal-
management. Dies trägt dazu bei, die Arbeitsprozesse
zu verbessern, die Einhaltung der Sicherheitsrichtlinien
und -vorschriften zu erleichtern und Compliance
nachzuweisen. Ein Hersteller von Industrieprodukten
setzte KI-Technologien dazu ein, bei Ermüdung der
Mitarbeiter Alarm auszulösen und den Nahbereich von
Anlagen zu überwachen.
So konnte er gefährliche Umgebungsbedingungen
schneller erkennen und die Mitarbeiter besser schützen.
Die entsprechenden Kennzahlen zur Einhaltung der
Sicherheitsregeln verbesserten sich damit um 10 Prozent.
Optimierung der Energieressourcen
Unternehmen können das Internet der Dinge sowie die
Datenanalyse, maschinelles Lernen und andere KI-
Methoden nutzen, um die zahlreichen komplexen und
höchst variablen Faktoren zu beurteilen, die zum Ener-
gieverbrauch ihrer Fertigungsanlagen beitragen.

Entsprechende Lösungen generieren detaillierte Ener-
gieprofile für Prozesse oder Gebäude, um mangelnde
Energieeffizienz und die Energiekosten abzubilden. Eine
bessere Nutzung der Energieressourcen hilft Unterneh-
men nicht nur, ihre Betriebskosten zu senken, sondern
auch, ihre Umweltziele zu erreichen. So nutzte ein
Zementwerk intelligente Algorithmen für maschinelles
Lernen, um das Verhalten in Bezug auf den Energiever-
brauch zu prognostizieren und seine Prozesse entspre-
chend zu optimieren. Der Energieverbrauch ließ sich
damit um 10 Prozent senken.
Optimierung von Werksplanung und -terminierung
Kognitive Technologien lassen sich hervorragend einset-
zen, um die Planung und Terminierung für den Werks-
betrieb zu optimieren, denn diese Aufgaben werden
häufig durch einschränkende Faktoren erschwert. Dazu
zählen unter anderem Personal- oder Budgetengpässe,
das Unvermögen bestehender Prozesse, die großen
Datenmengen zu verarbeiten, oder die Komplexität von
Fertigungs- oder Designprozessen.
Zudem haben Unternehmen unterschiedliche Ziele, um
die Planung und Terminierung zu optimieren, beispiels-
weise die Markteinführung beschleunigen, die Kosten
senken sowie den Durchsatz, die Produktivität, den
Gewinn und andere wesentliche Leistungsindikatoren
(KPIs) verbessern. Künstliche Intelligenz kann ein-
gesetzt werden, um Was-wäre-wenn-Analysen von
Planungs- und Terminierungsoptionen durchzuführen
und die Abläufe anhand der Ergebnisse anzupassen.
IBM Manufacturing 11
Ein Automobilhersteller nutzte beispielsweise künstli-
che Intelligenz, um die Konfiguration seiner Ferti-
gungsstrecke zu optimieren und damit für eine
ausgewogene Auslastung der Stationen zu sorgen,
Arbeitskräfte effizienter einzusetzen, die Produktions-
rate zu steigern und gleichzeitig seine DFM-Vorgaben
(Design for Manufacturing) einzuhalten. So ließen sich
die Betriebskosten und der Kapitaleinsatz um etwa
10 Prozent senken. In einem anderen Szenario setzt
ein Automobilhersteller KI-unterstützte Planungstools
ein, um die Auslastung der verfügbaren Werkskapazität
für die Produktion eines neuen Modells zu optimieren.
So ließen sich die Betriebskosten und der Kapitalein-
satz um etwa 10 Prozent senken. In einem anderen Fall
konnte ein Halbleiterhersteller seine Zykluszeit um
15 Prozent verkürzen, da die Leerlaufzeiten von Anla-
gen reduziert wurden. Dadurch stiegen der Durchsatz
und die Anlagenauslastung.
Lieferketten-Optimierung
Höhere Transparenz und bessere Einsichten zum
Aufbau einer dynamischen Lieferkette für
schnellere Innovation
Ein umfassendes Verständnis der Lieferkette ist in der
Fertigungsbranche geschäftskritisch. Doch die meisten
Unternehmen sind nicht in der Lage, sinnvolle Erkennt-
nisse zu gewinnen aus der überwältigend großen Menge
von Lieferketten-Daten, die über verschiedene Prozesse,
Quellen und Systeme verstreut sind. Darüber hinaus
verfügen Unternehmen nicht über die Netzwerktranspa-
renz, um kritische Zusammenhänge in ihren globalen
Lieferkettenprozessen zu verfolgen. Ihnen fehlt oft auch
die Fähigkeit, Störungen oder Ungleichgewichte in ihren
Beständen effektiv zu antizipieren und zu verhindern.
12 Künstliche Intelligenz (KI) in der Fertigung
KI-gestützte Lieferkettenansätze können Daten aus
einer Vielzahl von strukturierten und unstrukturierten
Quellen zusammenführen, so dass Hersteller die
Kosten, Störungen und Risiken der Lieferkette minimie-
ren können. Als KI-Technologien beispielsweise von
einem OEM in Automobilbereich eingesetzt wurden, um
den adäquaten Weg eines Produkts durch die Liefer-
kette, Transporte, Produktion und Lagerung zu bestim-
men, sanken seine globalen Lieferkettenkosten um
etwa 10 Prozent.
Reduzierter Lagerbestand ist ein weiterer Vorteil von
KI-gestützten Lieferketten. Zwei Beispiele: Ein OEM im
Automobilbereich und ein Hersteller von Industrie-
produkten verringerten jeweils ihre Lagerbestände an
Komponenten bzw. Ersatzteilen um über 20 Prozent.
Zu den Vorteilen, die diese Anwendungen bieten, gehört
die Möglichkeit, alle Faktoren im Auge zu behalten:
Komponentenmengen und Preisinformationen für die
Lieferanten, die finanzielle Lage der einzelnen Liefe-
ranten, geschäftliche oder politische Konflikte, Ände-
rungen der gesetzlichen Bestimmungen, ungünstige
Wetterbedingungen, Epidemien, die Kundenstimmung
und Streiks. Die Anwendung kann Warnungen absetzen
und die Bedrohung oder Unterbrechung beschreiben,
den Entscheidern Informationen in grafischen Visua-
lisierungstools präsentieren, nach Ersatzlieferanten
suchen und Lösungen zur Problemumgehung emp-
fehlen. Wenn die KI-Anwen-dung einen Fehler in der
Fertigungslinie erkennt, empfiehlt die Software sofort
die Entfernung der fehlerhaften Komponente aus der
Linie und die Bestellung eines Ersatzteils.
Technologiearchitektur für die
KI-unterstützte Fertigung
KI-gestützte Fertigung nutzt ein Framework von Tech-
nologien, die zusammenwirken, um Unternehmen bei
der Transformation und Optimierung ihrer Produktion
zu unterstützen. Zum Technologiestack gehören das
Gerät, die IoT-Plattform und die Anwendungsebenen
sowie der anwendungsspezifische Branchenkontext.
Geräteebene
Zu den Geräten gehören Sensoren, Gateways oder
speicherprogrammierbare Steuerungselemente (PLCs),
die Informationen über die Fertigungsanlagen bereit-
stellen—von Maschinen über Turbinen bis zu Pro-
zesstechnik oder Robotern. Ein zugehöriges Ökosystem
von Partnern steuert Softwareprogramme und Updates
bei, wenn Geräte oder Anlagen hinzugefügt, ausge-
tauscht oder aktualisiert werden.
Ebene der IoT-Plattform
Die IoT-Plattform sorgt für Gerätekonnektivität, über-
trägt Daten an die Geräte oder von den Geräten und
transportiert Informationen per Push-Methode oder
Streaming von den Geräten in die Anwendungsebene,
wo Analysen und Berechnungen durchgeführt werden.
Eine offene Plattform ist unerlässlich, um die Daten aller
überwachten Anlagentypen zu verarbeiten und die
Zusammenarbeit mit relevanten Lieferanten zu ermögli-
chen. Die Plattform sollte skalierbar und umfassend
sein, um alle Daten, die empfangen und übertragen
werden müssen, aufnehmen zu können.
 IBM Manufacturing 13

Anwendungsebene
Die Anwendungsebene beurteilt den Anlagenstatus und
die Betriebsdaten. Sie nutzt moderne Analyseverfahren,
maschinelles Lernen und künstliche Intelligenz, um
Leistungsprobleme von Geräten vorherzusagen und
frühzeitig Warnungen abzusetzen. Die Anwendungs-
ebene kann verborgene Muster in Gerätedaten finden und
Erkenntnisse gewinnen aus Dokumenten, Handbüchern,
Korrespondenz und anderen Quellen (einschließlich
visuellen Materials und Audioaufzeichnungen). Daten-
analysen lassen sich an der Systemperipherie durchfüh-
ren, um Analysen zu beschleunigen und den Entscheidern
die Ergebnisse schneller bereitzustellen.

Ebene der Branchenlösungen

Auf der Ebene der Branchenlösungen wird die Anwen-
dungsebene um domänenspezifisches Know-how
ergänzt. Zum Kontext können branchenspezifische
Analysemodelle, intelligente KI-Funktionen für
branchenspezifische Anwendungsfälle oder KI-gestützte
visuelle Inspektionstechnologien zählen, die auf den
Fertigungsprozess zugeschnitten sind.

Erste Schritte
Unternehmen müssen definierte Strategien haben, um
den größten Nutzen aus ihren KI-gestützten Fertigungs-
implementierungen zu ziehen. Eine wohldefinierte
Strategie ist Grundlage für die Kosten-Nutzen-Analyse
und für die langfristige Vision der Implementierung. Sie
bestimmt die Priorität der Fertigungsprozesse, die für
die Implementierung infrage kommen. Aus der Strategie
ergibt sich, welche Technologien und Kompetenzen für
das Projekt erforderlich sind, und sie sichert die notwen-
dige Unterstützung auf Führungsebene.
14 Künstliche Intelligenz (KI) in der Fertigung

Für den Einstieg,

• Ermitteln Sie Ihren Handlungsbedarf. Ein Beispiel:

Vielleicht leidet die kostspieligste Anlage in Ihrem
Werk unter häufigen Ausfällen und beeinträchtigt
damit die Wertschöpfung. Wenn Sie dies ändern
wollen, können Sie Ihr Projekt so gestalten, dass die
Steigerung der Komponentenleistung und -auslastung
im Fokus steht.
• Finden Sie Ihre besten Datenressourcen. In einigen
Unternehmensbereichen werden bessere Daten
vorhanden sein als in anderen. Finden Sie die
Bereiche, für die es zu Ihrer Problemstellung
hinreichende oder ausführliche Informationen gibt.
Hier werden Sie eine schnellere Wertschöpfung
erzielen, als in Bereichen Ihres Werks, in denen nur
unzureichende Daten vorliegen.
• Berücksichtigen Sie die Auswirkungen von KI-
gestützter Fertigung auf Ihre Geschäftsprozesse, und
bereiten Sie Ihr Unternehmen bereits während der
Inbetriebnahme darauf vor. Wenn diese Maßnahmen
parallel erfolgen, können sie sich wechselseitig
befruchten.
• Seien Sie sich bewusst, dass KI-gestützte Fertigung ein
evolutionärer Prozess ist. Legen Sie einen Zeitrahmen
fest, in dem die Strategie während der ersten Monate
geprüft, aktualisiert und verbessert wird. Unterziehen
Sie sie danach regelmäßig einer Prüfung.
 IBM Manufacturing 15

KI-gestützte Fertigung und

die Rolle von IBM Erleben Sie eine Modellfabrik als
IBM bietet im Rahmen der IBM Watson IoT Produktfami- interaktive Demo und sehen Sie,
lie eine Reihe von Lösungen für KI-gestützte Fertigung.
welchen konkreten Nutzen KI, Analytik
Die Grundlage dieser IBM Watson IoT for Manufacturing und IoT bringen können.
Lösungen ist ein nahtlos integriertes Portfolio von
hochenwickelten Analyse- und KI-Modulen, mit denen
Hersteller das Asset Performance Management, die
Fertigungsprozesse und die Produktqualität, die Nutzung Weitere Informationen
der Ressourcen und das Supply-Chain-Management
verbessern können.

Diese IBM Watson IoT for Manufacturing Lösungen sind in

die Plattform IBM Watson IoT sowie die IBM Software
Maximo Asset Management integriert. Die Lösung für die
KI-gestützte Optimierung der Lieferkette umfasst die IBM
ILOG-Tools für Planung und Terminierung sowie relevante
Datenquellen, die für das Supply-Chain-Management
nötig sind, z. B. Wetterdaten von The Weather Company.

Weitere Informationen zu den Watson IoT-Lösungen von

IBM für die KI-gestützte Fertigung finden Sie unter
ibm.com/internet-of-things/de-de/iot-solutions/
iot-manufacturing

Wenn Sie mehr über die IBM Einblicke und Lösungen für
die Industrie erfahren möchten, besuchen Sie uns unter
ibm.com/industries/de-de/manufacturing
© Copyright IBM Corporation 2018

IBM Corporation
Route 100
Somers, NY 10589

Produced in the United States of America

August 2018

IBM, das IBM Logo und ibm.com sind Marken der IBM Corporation in
den USA und/oder anderen Ländern. Weitere Produkt- und
Servicenamen können Marken von IBM oder anderen Unternehmen
sein. Eine aktuelle Liste der IBM Marken finden Sie auf der Webseite
„Copyright and trademark information“ unter
www.ibm.com/legal/copytrade.shtml.

Die Inhalte dieses Dokumentes, unsere allgemeine Produktstrategie zu

veranschaulichen. Sie dienen nur Informationszwecken und dürfen
nicht zu einem Bestandteil vertraglicher Vereinbarungen gemacht
werden. Dies stellt keine Verpflichtung von IBM dar, Material, Code
oder Funktionalität bereitzustellen, und ist nicht als Grundlage für
Kaufentscheidungen gedacht. Die Entwicklung, Freigabe und
Zeitplanung von Produktmerkmalen oder Funktionen, die für IBM
Produkte beschrieben sind, liegen im alleinigen Ermessen von IBM.

Please Recycle

IDW12363DEDE-01