Zurück zu Podcast Homepage

05. Januar 2024

Künstlicher Intelligenz (KI) und Prozessdigitalisierung

Künstliche Intelligenz kann erst dann gewinnbringend eingesetzt werden, wenn Ihre Kernfertigungsprozesse digitalisiert und für Deep Learning verfügbar gemacht werden.
Image
Michael Lynch, CEO, Praxie

Gesprächsverlauf

Öffnen Sie einen beliebigen Chatbot mit künstlicher Intelligenz, z. B. ChatGPT von openai oder den KI-Chatbot von Microsoft in Bing, und fragen Sie, wie die KI-Technologie Ihrem Unternehmen helfen kann. Ich vermute, dass Sie viele Ideen zum Einsatz von KI beim Schreiben von Marketingtexten oder vielleicht sogar bei der Untersuchung Ihrer Wettbewerbsposition erhalten werden, aber Sie werden nicht viele Ratschläge dazu finden, wie Sie künstliche allgemeine Intelligenz nutzen können, um das Herzstück Ihres Unternehmens zu unterstützen – Ihre Produktionsprozesse und wie Sie diese intelligenter machen können, um schneller und profitabler zu werden.

Der Grund dafür, dass die neuesten KI-Tools Ihnen hier nicht helfen können, liegt darin, dass KI-Systeme Ihre Geschäftsprozesse erst dann verbessern können, wenn diese Prozesse selbst digitalisiert wurden. Und die Prozessdigitalisierung – insbesondere in der Fertigungsindustrie – steckt noch in den Kinderschuhen. Was ist Prozessdigitalisierung? Und wie kann die Prozessdigitalisierung Herstellern dabei helfen, KI-Modelle gewinnbringend einzusetzen – um Kosten zu senken, die Rentabilität zu steigern und Risiken zu minimieren? Das sind die Fragen, die wir heute im Podcast stellen und beantworten.

Heute sprechen wir mit dem KI-Systemexperten Michael Lynch über Deep Learning für die Fertigungsindustrie. Michael Lynch war früher Leiter der IoT-Abteilung bei SAP Software, wo er leistungsstarke Algorithmen entwickelte, um riesige Datensätze für die allgemeine Intelligenz und für den Profit zu nutzen. Michale Lynch ist jetzt Gründer und CEO von Praxie, einem Startup, das Herstellern hilft, die neuesten KI-Tools zu nutzen, indem sie ihre Prozesse digitalisieren. Er ist heute hier, um uns zu helfen, die Schlagworte der künstlichen Intelligenz zu verstehen, damit Sie das Beste aus dieser neuen Technologie herausholen können. Michael Lynch, herzlich willkommen zum Podcast.

Was ist Prozessdigitalisierung?

Leah Archibald: Ich denke, es wäre hilfreich, wenn wir zu Beginn dieses Gesprächs einige Begriffe definieren könnten. Lassen Sie uns mit Prozessdigitalisierung beginnen. Was ist Prozessdigitalisierung in der Fertigung?

Michael Lynch: Ein nicht digitalisierter Prozess könnte einer sein, bei dem Sie Ihre KPIs auf einem Whiteboard oder auf Papier verfolgen. Wenn Sie in eine beliebige Produktionsstätte auf der Welt gehen, gibt es dort viele nicht digitalisierte Prozesse. Es gibt immer noch viele Tafeln und Papier, wo die Datensätze für maschinelles Lernen nicht zugänglich sind.

Dann sammeln die Leute das Papier ein und tippen es in der Regel in Excel ein. Jetzt ist alles digital, aber es ist immer noch ein flacher Datensatz. Es ist schwierig, daraus Intelligenz zu generieren. Wir nennen Excel eigentlich digitales Papier. Es ist besser als nichts, aber es ist immer noch ein Dokument, das an einem bestimmten Ort liegt.

Prozessdigitalisierung bedeutet, dass der gesamte Kreislauf des gesamten Prozesses digital verwaltet wird. Erst dann können Sie die Vorteile von KI-Tools nutzen, um den Prozess intelligenter zu gestalten.

Beispiele für Prozessdigitalisierung

Nehmen wir ein Beispiel für die Prozessdigitalisierung. In der Fertigung könnte es sich um etwas Einfaches wie einen Gemba-Walk handeln.

Ein Gemba-Spaziergang ist ein Prozess, bei dem man herumläuft und die Manager sehen, wo die Fertigungsarbeiten tatsächlich stattfinden. Das ist oft ein nicht-digitaler Prozess. Die Manager nehmen vielleicht einen Notizblock mit. Wenn sie mit Computersystemen vertraut sind, geben sie vielleicht einige Daten in Excel ein, wenn sie fertig sind. Das ist keine Digitalisierung.

Die Digitalisierung des Prozesses in diesem Gemba-Walk-Beispiel bedeutet, dass es einen Datenerfassungsprozess gibt, mit dem die wichtigsten Probleme in der Fertigung digital erfasst und intelligent aufbereitet werden können, um entsprechende Maßnahmen zu ergreifen. Stellen Sie sich den gesamten Gemba-Walk-Prozess als einen vollständigen Zyklus vor, bei dem ein Datensatz erstellt wird und Maßnahmen auf der Grundlage dieser Daten ergriffen werden, entweder durch KI-Systeme oder durch menschliche Manager.

Die Digitalisierung des Prozesses bedeutet im Grunde, dass der Gemba-Spaziergang in diesem Beispiel in einen computergestützten Prozess umgewandelt wird, der automatisiert, überprüft und auf intelligente Weise ausgewertet werden kann. Dadurch erhalten Sie volle Transparenz. Noch bevor man mit Hilfe von KI-Tools zum Deep Learning kommt, erreicht man ein Stadium der Prozessdigitalisierung, in dem man seine Schlüsselprozesse beschleunigen, die Stage Gates schneller durchlaufen und die Schritte automatisieren kann, die zuvor die Lieferung verlangsamt haben.

Leah Archibald: Die digitale Speicherung von Informationen allein bedeutet also nicht, dass Sie irgendeinen Aspekt Ihres Prozesses digitalisiert haben. Es bedeutet nur, dass Sie eine digitale Aufzeichnung eines bestimmten Zeitpunkts haben.

Michael Lynch: Richtig.

Leah Archibald: Die Digitalisierung des Prozesses bedeutet, dass es einen Datenfluss gibt, der von einem Schritt zum anderen führt. Ist das richtig?

Michael Lynch: Richtig. Nehmen wir ein anderes Beispiel – ein Fertigungsauftrag, der in Papierform übermittelt wird. Eine Person sieht sich den Auftrag an. Dann erstellt er den Auftrag. Dann schickt er ihn weiter. Dann nimmt jemand anderes den Auftrag auf und gibt ihn in eine Excel-Tabelle ein, in der der Auftrag erstellt wurde. Der gesamte Prozess – wie lange es dauert, wie viele Aufträge erstellt wurden, welche Probleme es gibt, wie hoch der Ausschuss ist, welche Qualitätsprobleme es gibt – all das wird nicht nachverfolgt.

Wenn man ein MES-System, ein Manufacturing Execution System, einsetzt, kann man jetzt die Zeit und all diese Dinge verfolgen. Man hat dann Datensätze. Dann führt man Qualitätskontrollsysteme ein, mit denen man seine Qualitätsergebnisse verfolgen kann – wie viele Fehler, wie hoch der Ausschuss ist usw. All das fließt dann in die anderen Metriken ein, die Sie verfolgen. Die Datenerfassung muss nicht zwangsläufig automatisch erfolgen. Die Datenerfassung kann auch manuell erfolgen. Aber sie ist Teil eines Prozessflusses, der den gesamten Prozess erfasst.

Ich würde sagen, dass etwa die Hälfte der Hersteller nicht einmal ihre grundlegenden Prozesse auf diese Weise digitalisiert hat. Sie erfassen die Dinge immer noch in Tabellenkalkulationen.

Leah Archibald: Ich bin traurig, das zu hören. Denn ich hatte vor einem Jahr ähnliche Gespräche mit Leuten, die sich mit der digitalen Transformation der Fertigung befassen, und sie sagten vor einem Jahr, dass nur etwa 50 % der Hersteller bei der digitalen Transformation an Bord sind. Jetzt sagen Sie mir, dass es im letzten Jahr wirklich nicht viel besser geworden ist.

Michael Lynch: Ich habe heute mit jemandem über die digitale Transformation der Fertigung gesprochen. Das größte Problem bei der digitalen Transformation ist eigentlich nicht die digitale Technologie. Es ist die Transformation. Es ist der menschliche Teil.

Maschinelles Lernen versus menschliches Lernen

Wenn Sie an eine Transformation denken, ist menschliches Lernen viel schwieriger als maschinelles Lernen. Nehmen wir ein Beispiel für eine alltägliche Veränderung. Nehmen wir an, Sie wollen in Form kommen.

Leah Archibald: Ja, bitte.

Michael Lynch: Was müssen Sie dafür tun? Sie müssen Dinge ändern. Veränderung ist schwer. Sie müssen entscheiden, wie Ihre Ernährung aussehen soll. Sie müssen jeden Tag Sport treiben. Und dann muss man sich selbst verfolgen. Bin ich stärker? Bin ich in der Lage, mehr Gewicht zu heben? Bin ich in der Lage, länger zu laufen, ohne außer Atem zu kommen?

Der Punkt ist, dass der Wandel ein kultureller Wandel ist. Es handelt sich um eine Veränderung der Normen und Gewohnheiten des Einzelnen. Und wenn Sie an die digitale Transformation in einem Unternehmen denken, ist es auch ein kultureller Wandel. Prozessverbesserung beginnt nicht mit maschinellem Lernen, sondern mit menschlichem Lernen. Jeder im Unternehmen ist an der digitalen Transformation beteiligt. Von der Führungsebene aus müssen sie sich für den Wandel einsetzen. Sie müssen Metriken einführen, die gemessen und verbessert werden. Sie müssen neue Prozesse einführen, damit eine Prozessverbesserung stattfinden kann.

Die menschlichen Aspekte der digitalen Transformation erfordern also ebenso viel Energie wie die Technologie.

Weitere Beispiele für die Prozessdigitalisierung

Leah Archibald: Nehmen wir ein weiteres Beispiel für die Digitalisierung von Prozessen, um zu zeigen, wie die digitale Transformation funktioniert. Nehmen wir an, Sie haben einen Prozess digitalisiert – den Prozess der Sicherheitsprüfung in Ihrem Fertigungsprozess.

Michael Lynch: Sicherheitsaudits, ja.

Leah Archibald: Sicherheitsprüfungen sind ein gutes Beispiel für einen Prozess, der sich hervorragend für die Digitalisierung eignet. Wenn Sie den Prozess digitalisieren, beschleunigen Sie ihn, und vielleicht erhalten Sie einige Datensätze, die Sie auf Sicherheitsdaten analysieren können. Aber wenn das der einzige Prozess ist, den Sie digitalisiert haben, haben Sie die digitale Transformation im Unternehmen nicht wirklich vollzogen. Es gibt keine Möglichkeit, tiefgreifende Erkenntnisse über etwas anderes als die Sicherheit zu gewinnen. Es gibt nicht viele weitere Schritte, die Sie unternehmen können, um die Vorteile dieses einen Prozesses zu nutzen.

Michael Lynch: Nun, ja. Wenn Sie darüber nachdenken, was die digitale Transformation bewirken soll, dann soll sie Ihre Kunden effektiver beliefern und intern effizienter arbeiten. Der ganze Zweck der digitalen Transformation besteht darin, das Unternehmen zu verbessern. Das sollte der Startpunkt sein.

Wenn wir mit Unternehmen bei der digitalen Transformation zusammenarbeiten, sprechen wir oft darüber, wo die Hauptschmerzpunkte liegen. Kürzlich war ich bei einem Kunden, der sein Produkt nicht ausliefern konnte, weil er in seinem technischen Testmanagement keine Prioritäten gesetzt hatte. Daher war es für ihn sehr wichtig, ein System für technische Arbeitsaufträge für sein Testmanagement zu digitalisieren. Wenn sie das sehr schnell digitalisieren und ihre Produkte rechtzeitig auf den Markt bringen können, hat das enorme Auswirkungen auf die Kundenwahrnehmung, den eigenen Umsatz und das Endergebnis. Der Ausgangspunkt sind oft die kritischen Kennzahlen, die wir als Unternehmen kennen müssen. Ein weiteres Beispiel aus der Fertigung: Ich gehe in Unternehmen, die einen hohen Ausschuss haben, und alle wissen es. Sie wissen, dass dies ein großes Problem für ihre Produktivität darstellt. Ich beginne gerne mit einem Dashboard, um diese Schlüsselkennzahl zu betrachten. Die Realität ist, dass das Dashboard nur das Ergebnis der digitalen Transformation ist. Es ist nicht der Endpunkt.

Leah Archibald: Wenn der Prozess nicht digitalisiert ist, dann ist es „garbage in, garbage out“, wie man sagt.

Michael Lynch: Viele Dashboards sind vielleicht prozessfrei, das heißt, ich kann sie aus einer Excel-Tabelle übernehmen, aber es gibt keine Prozessbewertung. Es ist nur eine Metrik. Und wenn die Kennzahl niedrig ist, gibt es keinen Managementprozess, um das Problem anzugehen, außer dass der Manager eine Notiz aufschreibt oder eine E-Mail schickt. Das Dashboard für die Kernprobleme sollte sich also aus der Digitalisierung der Prozesse und der Optimierung dieser Prozesse entwickeln. Daraus ergibt sich die Sichtbarkeit, und nicht nur aus der Aufnahme einer Kennzahl in das Dashboard.

Leah Archibald: Ich glaube, was Sie hier ansprechen, ist, dass die Digitalisierung eines Prozesses nicht unbedingt intelligent ist. Es ist kein automatisches Deep Learning. Aber wenn man den Datensatz auf die Ebene der Entscheidungsfindung bringt, kann man Intelligenz in den Prozess bringen.

Michael Lynch: Ja. Bei der digitalen Transformation geht es wirklich darum, einen dynamischen Fluss zu haben, um ständig zu verarbeiten und zu optimieren. Man iteriert einfach: Okay, wir haben unsere Zeit bis hierher gebracht, jetzt müssen wir unsere Kennzahl senken, und was werden wir als nächstes tun? Das ist ein ständiger Kreislauf.

Leah Archibald: Das klingt schwierig genug für ein Fertigungsunternehmen, von denen die Hälfte noch nicht mit der digitalen Transformation vertraut ist. Jetzt möchte ich dieses andere Schlagwort einbauen, von dem wir in der Fertigung viel hören: künstliche Intelligenz. Vielleicht könnten wir damit beginnen, KI im Hinblick auf das zu definieren, worüber wir in der Fertigung sprechen.

Was sind die verschiedenen KI-Modelle?

Michael Lynch: Es gibt einige verschiedene KI-Modelle, die in der Fertigung eingesetzt werden können. Als ich mich bei SAP mit dem Internet der Dinge (IoT) beschäftigt habe, haben wir die traditionelle KI genutzt, um Schwingungsanalysen oder andere Analysen von Maschinendaten durchzuführen und Algorithmen zu verwenden, um eine vorausschauende Wartung zu ermöglichen. Diese traditionellen KI-Modelle gibt es immer noch, und die KI-Forschung macht sie immer intelligenter. Aber vor einigen Jahren wurden die großen Sprachmodelle – die ursprünglich für die Vorhersage des nächsten Wortes in einem Satz entwickelt wurden – auf viele verschiedene Probleme angewandt. Das große Sprachmodell selbst ist generative KI. Und generative KI ist die große Veränderung, die jetzt stattfindet und sehr, sehr schnell voranschreitet. Jetzt gibt es ChatGPT von openAI, das neue Gemini-Modell und das Open-Source-Modell von Facebook oder Meta. Diese sind nun als offene Plattformen für künstliche Intelligenz in der Welt, und die Leute arbeiten sehr schnell an diesen KI-Modellen.

Ich denke, was man aus dieser Diskussion über die verschiedenen KI-Modelle mitnehmen kann, ist, dass es zahlreiche Anbieter geben wird, die in der Lage sind, ein sehr gutes KI-Framework zu liefern. Genauso wie man die Infrastruktur von Amazon oder Google – Azure oder AWS – über deren APIs anzapfen kann, werden KI-Tools für jeden verfügbar sein.

Leah Archibald: Und die nächste Frage ist, wie werden wir sie nutzen? Jetzt, wo wir AGI oder maschinelles Lernen haben, wie setzen wir es in der Fertigung gewinnbringend ein?

Wie wird AGI heute in der Fertigung eingesetzt?

Michael Lynch: Wir machen heute folgendes mit AGI in der Fertigung. Betrachten Sie einen beliebigen Geschäftsprozess. Wir haben über die Digitalisierung von Prozessen gesprochen, und Sie haben die Sicherheitsaudits angesprochen. In vielen Unternehmen wird ein Sicherheitsaudit heute auf Papier durchgeführt, und die Mitarbeiter tippen Dinge in eine Excel-Tabelle ein. Dann digitalisieren Sie den Prozess. Jetzt kann die Maschine Ihnen eine Bewertung für 25 verschiedene Vektoren geben, wie Sie bei den Sicherheitsaudits abschneiden. Nehmen wir an, Sie haben einhundert Datensätze.

Wenn ich nun KI wäre, was würde ich damit machen? Nun, ich kann diese hundert Datensätze analysieren und sagen: Hier ist ein gemeinsames Thema bei Ihren Sicherheitsproblemen. Hier sind sechs Dinge, die Sie versuchen könnten, um diese gemeinsamen Probleme zu lösen. Und jeder einzelne Prozess, der digitalisiert werden kann, kann mit einem KI-Copiloten digitalisiert werden.

Sobald Sie Ihre Prozesse digitalisiert haben, sind die Informationen, die Sie von AGI zurückbekommen, wirklich auf diesen Prozess zugeschnitten. Anstatt einfach in ChatGPT einzugeben: „Was soll ich bei Sicherheitsaudits tun?“ Mit der Prozessdigitalisierung können Sie Ihre Sicherheitsaudits, Ihre Gemba-Rundgänge, die Isolierung von Fertigungsproblemen und die praktische Umsetzung nutzen. Und die zweite Ebene ist die Analyse all dieser Daten, die wir erfassen. Die Daten müssen sicher sein, damit Ihre geschützten Daten nicht in ein öffentliches, großes Sprachmodell einfließen, sondern dem Unternehmen einen Einblick geben, wie es seine Prozesse optimieren kann und wo die wertvollsten Punkte liegen, basierend auf der KI-Analyse der Daten.

Datensicherheit mit großen Sprachmodellen

Leah Archibald: Bei großen Sprachmodellen oder jeder Art von offener künstlicher Intelligenz oder offenem KI-System besteht die Befürchtung, dass ich die Daten nicht an das System weitergeben kann, wenn ich nicht genau weiß, wie meine Daten umgewandelt werden.

Michael Lynch: Das ist ein guter Punkt. Vor 10 Jahren hatten alle möglichen Unternehmen ihre Daten auf ihren eigenen Servern. Sie hatten Angst vor der Cloud. Jetzt, dank sicherer APIs, verschwindet die Angst vor der Cloud, und sie ist sogar sicherer, denn wenn die Daten vor Ort sind, gibt es Probleme mit dem Zugriff von Personen, die die Datensicherheit gefährden. Ich denke also, dass der gleiche Übergang auf der Ebene der KI stattfinden wird, wo die Menschen anfangs Angst haben, aber mit der Zeit passen sich diese Technologiekurven den Sicherheitsrisiken immer schneller an.

Tatsache ist, dass die Fertigungsanlagen der Zukunft mit jüngeren Menschen besetzt sein werden, die eine Arbeitsumgebung verlangen, die nicht aus grauer Farbe und alten, rostigen Maschinen besteht, sondern hochautomatisiert und durch KI intelligenter gemacht ist. Aber auch der menschliche Aspekt der Produktion muss moderner werden, um das Interesse dieser Menschen zu erhalten.

Leah Archibald: Die neue Welle der KI-Technologie hat uns gezeigt, dass ein Datensystem, so intelligent es auch sein mag, am Ende so mit uns sprechen sollte, als wäre es ein Mensch. Der Aspekt der persönlichen Beziehung ist für uns Menschen so stark, dass das technologisch fortschrittlichste System, das wir entwickeln können, eine wirklich intelligente Person ist, eine künstlich intelligente Person, die sich wie ein echter Mensch verhält und mit uns spricht. Es scheint also nicht weit hergeholt zu sein, dass das menschliche Element bei der Schaffung intelligenter Systeme nicht nur ein Zusatz zum System ist – es ist wirklich das Herzstück der Systeme, die wir zu schaffen versuchen.

Michael Lynch: Das ist eine wirklich gute Erkenntnis. Sie können sich ein Projekt zur digitalen Transformation vorstellen, das mit einem Avatar für die digitale Transformation ausgestattet ist, der mit allen Mitarbeitern darüber spricht, was sie durchmachen werden, und ihnen dabei hilft.

Leah Archibald: Michael Lynch, es war mir eine große Freude. Vielen Dank, dass Sie heute bei mir in der Sendung waren.

Michael Lynch: Es hat mir wirklich Spaß gemacht, Leah. Ich danke Ihnen.

Image

Möchten Sie Ihre Produktentwicklung mit KI unterstützen?

Erfahren Sie von KI-Pionier Dale Bertrand mehr über KI-gestütztes Produktdesign im Podcast.