Fertigungsunternehmen suchen nach Wegen, um Prozesse weiter zu automatisieren bzw. zu optimieren. Generative künstliche Intelligenz – insbesondere Large Language Models (LLMs) – können hier Abhilfe schaffen. Einige Beispiele dafür gibt es bereits.
Kundenerfahrung verbessern
Im Kundenservice bieten LLMs etwa die Möglichkeit gibt, Kundenbedürfnisse zu lösen, ohne dass unternehmensseitig ein Mensch involviert sein muss. Beispielsweise sorgen Dialogfunktionen in Fahrzeugen dafür, dass Komfort-, Routenplanungs- oder Unterhaltungseinstellungen über natürliche Sprache gesteuert werden können. Ferner könnten so auch Termine für die Fahrzeugwartungen erfragt werden. So erstellen LLMs bei Gesprächen mit KI-Assistenten ein Skript das auf der Art der Anfrage, den offenen oder ungelösten Problemen des betreffenden Kunden und dem allgemeinen Zustand der Beziehung zum Unternehmen bzw. der Unternehmensmarke basiert. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Unterstützung für den Außendienst
Ein weiterer Anwendungsfall ergibt sich im Außendienst. Denn LLMs können auch bei der Wartung unterstützen. Dies beginnt bereits bei der kontinuierlichen Analyse von Produkttelemetrie- und Sensordaten zur Vorhersage des Ausfallrisikos von Anlagen. Techniker müssen oft Informationen aus unterschiedlichen Anwendungen und Handbüchern prüfen, um zu verstehen, wie Probleme zu beheben sind. Im Anschluss werden die in den Dokumenten festgelegten Verfahrensschritte ausgeführt. Außerdem wird dadurch ein Fehlerbehebungsprozess geformt, der zwar wiederholbar ist, aber nicht unbedingt einer, der sich mit der Zeit anpasst und lernt. Mittels LLMs könnten Techniker etwa mit technischen Handbüchern interagieren und – je nach Art des Problems – zum benötigten Abschnitt geleitet werden. Auch können sie durch die KI von Erkenntnissen aus ähnlichen Vorfällen, die in der Vergangenheit aufgetreten sind, weitere Informationen erhalten. Zudem sind Garantiestatus und Dokumentation für Produkte einsehbar.
Produktive Abläufe
Eine weitere Herausforderung in Fertigungsunternehmen ist der Informationsfluss zwischen den verschiedenen Abteilungen, Stationen und Mitarbeitern. Regelmäßige Produktionsbesprechungen zwischen verschiedenen Ebenen sollen hier helfen. Doch dafür werden oft Kennzahlen und Informationen aus verschiedenen Systemen benötigt. Verantwortliche erhalten so zwar Einblicke in Leistungslücken und können datengestützte Priorisierungsentscheidungen treffen. Der Prozess der Informationssammlung ist jedoch oft arbeitsintensiv und nicht wiederholbar. Der Einsatz von LLMs ermöglicht es den Mitarbeitern in der Produktion, die Daten aus den Systemen abzufragen, ohne komplexe SQL-Abfragen schreiben zu müssen, was sie auch für Nicht-Technikaffine Benutzer zugänglich mach.
Branchenspezifisch anpassbar
Die Beispiele zeigen, wie LLMs einen Mehrwert für Unternehmen schaffen können. Mit Open-Source-LLMs behalten Unternehmen zudem die Kontrolle über ihre Daten sowie ihr geistiges Eigentum. Zudem lassen sie sich auf branchenspezifische Anwendungsfälle anpassen.
