Im verarbeitenden Gewerbe sind KI-Systeme bereits angekommen, aktuell jedoch noch in moderatem Umfang. Laut der Fraunhofer-Studie ‚Künstliche Intelligenz in der Produktion‘ (Dezember 2024) setzen bei Großunternehmen mit mindestens 500 Beschäftigten etwa 30 Prozent der Betriebe KI-Applikationen ein. In mittelgroßen Unternehmen ab 100 Beschäftigten liegt die Zahl derzeit bei ca. 16 Prozent. Anwendungsbereiche sind dabei Steuerung von Produktionsprozessen, Qualitätskontrolle, interne Logistik, Instandhaltung und Wartung sowie die Optimierung von Produktionsprozessen und den dafür notwendigen Innovationen. Eine vertiefende Analyse zeigt, dass Unternehmen, die KI bereits einsetzen, auch weitere Anwendungen planen. Sind die notwendigen Rahmenbedingungen erst einmal geschaffen, sinken die Einstiegshürden für weitere Anwendungsfälle deutlich. Welche bereits ausgereiften KI-Anwendungen in der Industrie möglich sind, wird im Folgenden näher beleuchtet.
Vorausschauende Instandhaltung
Bei der vorausschauenden Instandhaltung (Predictive Maintenance) können mit Hilfe von KI mittels Analyse von Sensordaten und anderen relevanten Informationen der Wartungsbedarf von Maschinen ermittelt und somit Wartungsarbeiten eingeplant werden. Wichtig für aussagekräftige Prognosen ist dabei eine hohe Datenqualität. Ist diese Grundlage gegeben, wird rechtzeitig vorhergesagt, wann ein bestimmtes Bauteil verschlissen ist und ausgetauscht werden sollte. Fachkräfte können so bereits vor dem Auftreten einer Störung die nötigen Ersatzteile bestellen, die Wartung planen und durchführen.
Qualitätskontrolle
Ein weiteres Einsatzfeld von KI in der Industrie sind Bildverarbeitungssysteme, die mit Computer Vision und Software wie SAP Digital Manufacturing umgesetzt werden können. Diese KI-basierte Bildanalyse unterstützt die Qualitätskontrolle durch visuelle Prüfung in Fertigungsprozessen, um Fehler, z.B. an Lötstellen von Produkten, automatisch in Echtzeit zu erkennen. Darüber hinaus ermöglichen KI-Assistenten wie SAP Joule eine Fehlererkennung in Echtzeit, indem sie Anomalien in Produktionsdaten entdecken und vor fehlerhaften Chargen warnen.
Materialbedarfsplanung
Durch KI-Einsatz ist auch eine vorausschauende Materialbedarfsplanung umsetzbar. Dabei prognostiziert KI Bedarfe, basierend auf historischen Verbrauchsdaten und saisonalen Mustern. So werden saisonale Schwankungen berücksichtigt und Probleme früh erkannt, um Lieferengpässe zu vermeiden. Zugleich können Unternehmen unnötige Bestände reduzieren. SAP-Verantwortliche wissen, dass sie handeln müssen – aber nicht, wie sie fundiert entscheiden. ‣ weiterlesen
SAP-Transformation mit Augenmaß: Sicherheit für die richtige Entscheidung
Logistik
Im Logistikbereich kann KI Unternehmen bei der Transportplanung unterstützen, indem sie Transportwege unter Berücksichtigung von Echtzeitdaten berechnet. Zudem ist auch eine Wareneingangsautomatisierung möglich, bei der KI selbstständig Frachtpapiere verarbeitet, wodurch manuelle Eingaben reduziert werden. Auch kann KI für die Lagerplatzoptimierung eingesetzt werden, indem die Technologie in Verbindung mit Lagerverwaltungssoftware wie SAP Extended Warehouse Management (EWM) eine dynamische Lagerplatzvergabe unterstützt sowie Pick- und Pack-Prozesse verbessert.
Vertrieb und Rechnungswesen
Da generative KI beeindruckende Fähigkeiten besitzt, menschliche Sprache zu verarbeiten, können KI-Assistenten Sales-Fachkräfte auch bei der Erstellung von Angeboten und Bestellungen unterstützen, um repetitive Aufgaben zu beschleunigen und Fehlerquellen zu reduzieren. So kann KI Daten aus Dokumenten extrahieren und automatisch Aufträge im Verwaltungssystem erstellen. Ebenso kann sie Stammdatenanalysen durchführen und zur Verbesserung der Datenqualität Dubletten und fehlerhafte Stammdaten identifizieren. Auch eine automatisierte Rechnungsprüfung mithilfe von Natural Language Processing (NLP)-Modellen ist möglich, um den manuellen Prüfaufwand zu reduzieren.
Nachhaltigkeitsmanagement
Da Nachhaltigkeit für die Außenwirkung von Unternehmen und hinsichtlich Berichtspflichten aufgrund rechtlicher Rahmenbedingungen wie der Corporate Sustainability Reporting Directive (CSRD) einen größeren Stellenwert einnimmt, können Industrieunternehmen auch hier mithilfe von KI Vorgänge effizienter gestalten, um wirtschaftlicher zu agieren. So lässt sich, in Kombination mit Software zum Nachhaltigkeitsmanagement wie SAP ESG Cockpit und Sustainability Control Tower, eine automatisierte Emissionszuordnung umsetzen. Die ESG-Berichterstattung lässt sich darüber hinaus mithilfe automatisierter Textgenerierung durch KI-Assistenten deutlich vereinfachen.
Best Practices für die ersten Schritte
Wer den Einstieg in KI-Technologie angehen will, kann bereits auf bewährte Methoden zur Integration zurückgreifen. Wichtig ist zunächst, die eigenen Geschäftsprozesse zu analysieren und Ziele und Wertschöpfungspotenziale zu formulieren, die mit der KI-Einführung erreicht werden sollen. Dabei ist es besonders wichtig, dass die Geschäftsführung die eigenen Mitarbeiter eng in diesen Prozess miteinbezieht, um die größten Herausforderungen und Aufwandstreiber im Arbeitsalltag zu eruieren und im nächsten Schritt zu klären, ob KI die Belegschaft hierbei sinnvoll unterstützen kann. Nach Definition der Ziele und Herausforderungen, sollten Unternehmen ein Pilotprojekt setzen, das relativ einfach realisierbar und ausbaufähig ist. Zu den zentralen Anforderungen an ein KI-System gehören Sicherheit, Compliance und Datenschutz. Unternehmen müssen daher prüfen, wie ihr KI-System nach dem EU AI Act kategorisiert und reguliert ist und entsprechende Maßnahmen treffen, um die rechtlichen Rahmenbedingungen einzuhalten. Der EU AI Act sieht dabei umfangreiche Dokumentations-, Monitoring- und Risikobewertungspflichten vor. Zudem muss Unternehmen bewusst sein, dass sie für KI-Entscheidungen haften. Ebenfalls muss auf die Handhabung der gesammelten Daten als Grundlage für KI-Analysen geachtet werden, damit diese DSGVO-konform gespeichert und verwenden werden. Zur Vorbereitung des geplanten KI-Projekts müssen Unternehmen entsprechende organisatorische Vorbereitungen treffen. Hierzu zählen die Definition einer KI-Strategie und Governance mit klaren Richtlinien und Verantwortlichkeiten für das Projekt.
Frühes Handeln kann sich lohnen
Angesichts Herausforderungen wie Fachkräftemangel, steigendem Kosten-, Innovations- und Geschwindigkeitsdruck, wird KI zu einem wesentlichen Tool für ausgefeilte Optimierungen und Automatisierungen werden. Unternehmen, die bereits jetzt eine zukunftsfähige Datengrundlage aufbauen und erste Pilotprojekte starten, können sich damit einen deutlichen Wettbewerbsvorteil verschaffen.
