Mit der voranschreitenden Digitalisierung spielen auch KI-basierte Technologien, wie beispielsweise Predictive Maintenance oder datenbasierte Qualitätsanalysen, eine immer wichtigere und selbstverständlichere Rolle in der industriellen Fertigung. Algorithmen für maschinelles Lernen und Deep-Learning-Applikationen sind dabei schon sehr bekannt. Zudem sind Analysen großer Datenmengen und selbstlernende Systeme auch außerhalb der Fertigung auf dem Vormarsch. Lohnt es sich somit in verschiedene funktionale Bereiche zu schauen und damit eventuell auch für die eigene Disziplin neue Wege zu finden?
Unterschiedliche Herangehensweisen der Unternehmen
In Sachen Schnelligkeit wäre das Bündeln von Ideen auf jeden Fall vorteilhaft, denn Unternehmen stehen heutzutage unter enormem Druck: Es gilt, immer individuellere Kundenbedürfnisse zu befriedigen. Darüber hinaus müssen Produkte und Dienstleistungen in immer kürzerer Zeit beim Kunden sein. Um sich diesen Gegebenheiten anzupassen, fahren produzierende Betriebe verschiedene Strategien. Der Einsatz von KI ist dabei eine Möglichkeit Prozesse zu beschleunigen, Mitarbeiter zu entlasten und Herstellungsfehler zu reduzieren. Allerdings existiert häufig kein echter Fahrplan der Digitalen Transformation oder der Nutzung von KI. Vielmehr muss jedes Unternehmen selbst herausfinden, ob und in welchen Bereichen sie welche Technologie und Methode einsetzen möchten.
Direkt am Patientenbedürfnis ansetzen
Hier lohnt ein Blick über den Tellerrand: So unterzieht sich beispielsweise auch der Gesundheitssektor einer Transformation. Immer mehr Patienten und begrenzte Kapazitäten müssen vom gleichen System bewältigt werden. Chronische Krankheiten haben etwa in den vergangenen Jahren zugenommen und damit auch die Anzahl an Patienten. Diese Entwicklung beschleunigt den Wandel weg von einer Therapie-basierten hin zu präventiver Medizin. Ausgaben im Gesundheitssektor werden daher zukünftig mehrheitlich nicht mehr in die Behandlung von Krankheiten fließen, sondern Prävention, Diagnostik und Monitoring sollen ausgebaut werden, wie die Studie Life in 2030 zeigt. Damit einher geht auch der Einsatz von KI. So werden Deep-Learning-Algorithmen bereits heute zur Analyse von großen Datenmengen angewendet, beispielsweise um Krankheitsmuster anhand von Blutbildern zu erkennen und so präventiv aktiv werden zu können. Zudem können mit KI klinische Studien zu neurodegenerativen Krankheiten beschleunigt und so schneller neue Therapieangebote erarbeitet werden. Die besondere Herausforderung besteht dabei in der Datenqualität. Anders als etwa bei der Auswertung von Blutproben, bei der quantitative Daten analysiert werden, basieren Studien zu neurodegenerativen Krankheiten auf qualitativen Daten. Es gilt, Patientenerfahrungen messbar zu machen. Durch den Einsatz der KI-basierten Lösung Pipeline Pilot von BIOVIA, welche speziell auf den Life-Science-Sektor zugeschnitten ist, kann ein standardisiertes Verfahren etabliert werden, welches die Daten vergleichbar und Prozesse somit effizienter macht.
Ein Schritt weitergedacht: Einsatz von KI im Bereich Field Issue Intelligence
Doch zurück zur industriellen Fertigung: Künstliche Intelligenz hat das Potenzial, große Datenmengen entlang der gesamten Produktionskette eines Produkts auszuwerten. Und diese endet nicht mit der erstmaligen Herstellung eines Produktes. Denn nachfolgenden Produktserien hilft die Fehleranalyse unter realen Bedingungen mit datenbasierten Technologien, wie zum Beispiel EXALEAD. Solche Betrachtungen von Daten über den Produktlebenszyklus erlauben es, Erkenntnisse aus dem laufenden Betrieb und Fehlermuster unter bestimmten Bedingungen in zukünftige Entwicklungsprozesse mit einzubeziehen und Fehler für folgende Serien zu vermeiden. So kann ein Unternehmen proaktiv agieren, statt nur zu reagieren. Wie in der Medizin geht es aber auch hier darum genügend und vor allem ‚gute‘ Daten zu nutzen, Muster zu erkennen und die richtigen Schlüsse aus den gesammelten Daten zu ziehen. Muster also erst einmal zu ‘lernen’.
Gemeinsame Plattform statt Datensilos
Damit Unternehmen bestmöglich von der Technologie der Auswertung profitieren, müssen die Daten zudem nahtlos fließen, ganz im Sinne des Plattformgedankens. Vorhandenes Wissen – ob aus klinischen Studien im Medizinsektor oder aus Feldtests im Produktlebenszyklus von Maschinen, Fahrzeugen oder Geräten – geht nicht in Datensilos verloren. Stattdessen wird dieses allen Beteiligten im Herstellungsprozess zugänglich gemacht, sodass Ansätze und Prozesse von einem Bereich auf den anderen übertragbar werden. Nur mit einem solchen ganzheitlichen Blick, können neue Bereiche identifiziert werden, in denen KI zum Einsatz kommen kann. Essentiell ist, dass jedes Unternehmen dabei für sich entscheidet, wie und in welchem Umfang KI eingesetzt werden kann und soll. Der Einsatz von Künstlicher Intelligenz ist kein reiner Selbstzweck, sondern sollte auf eine übergeordnete Unternehmensstrategie einzahlen. Nur wenn Probleme hinreichend identifiziert und Ziele klar definiert sind, können Deep-Learning-Algorithmen helfen, Unternehmensprozesse zu optimieren.
Die digitale mit der realen Welt verknüpfen
Die Geschäftsmodelle der Zukunft sind nicht nur digital und vernetzt, sondern stehen auch vor der Herausforderung, sich den veränderten Ansprüchen des Marktes im Jahr 2030 und darüber hinaus anzupassen. Damit dies gelingt, müssen Unternehmen die für sie passende Strategie finden – beispielsweise der zielgerichtete Einsatz von KI. Welche Möglichkeiten es gibt und wie das Thema bereits heute in Deutschland und Frankreich aufgegriffen wird, wurde auch beim 3DEXPERIENCE CONNECT am 4. November in Berlin deutlich. Die Experten haben gezeigt, wie die digitale und reale Welt besser verknüpft werden können und wie Zukunftstechnologien wie Künstliche Intelligenz und digitale Durchgängigkeit auf der 3DEXPERIENCE Plattform dafür sorgen, als Unternehmen nicht nur heute erfolgreich zu sein.
