Generative KI, Agentic AI und Physical AI versprechen für Unternehmen neue Möglichkeiten entlang des gesamten Fertigungsprozesses – von der Konstruktion über den laufenden Betrieb bis hin zur Mensch-Roboter-Interaktion. Der KI-Spezialist NTT Data stellt einige Einsatzszenarien vor.
Dokumentation und Konstruktion automatisieren: Im Maschinen- und Anlagenbau gilt die Erstellung von Lastenheften oft als Flaschenhals. GenAI ermöglicht es, einen großen Teil dieser Arbeit zu automatisieren. Sie generiert aus historischen Projekten, Produktdaten und Kundenanforderungen Spezifikationen, die den gesetzlichen Vorgaben entsprechen. Engineering-Kapazitäten können so für die Verfeinerung und Validierung genutzt werden. Gleichzeitig unterstützt GenAI bei der Konstruktion: CAD-Modelle lassen sich schnell generieren und auf ihre Machbarkeit prüfen. Im Design-to-Order-Geschäft, in dem jedes Produkt individuelle Anpassungen erfordert, verkürzt sich die Vorlaufzeit deutlich und die Entwicklungsressourcen werden spürbar entlastet.
Produktionsprozesse in Echtzeit anpassen: Auch in der laufenden Produktion verspricht KI neue Potenziale. Agentic AI ermöglicht es etwa Fertigungssystemen, sich dynamisch an wechselnde Bedingungen anzupassen. Verändert sich beispielsweise die Viskosität eines Schmierstoffs durch Temperaturschwankungen, passen autonome Agenten Parameter wie Druck oder Geschwindigkeit der Maschine selbstständig an. In hochflexiblen Fertigungslinien, in denen unterschiedliche Produktvarianten parallel gefertigt werden, stimmen mehrere Agenten ihre Entscheidungen miteinander ab, optimieren die Reihenfolge der Arbeitsschritte und verteilen Ressourcen wie Maschinenzeit oder Werkzeugwechsel effizient. Das Ergebnis sind Produktionsprozesse, die Ausschussraten reduzieren, Taktzeiten optimieren und die Produktqualität auch unter schwankenden Bedingungen sichern – in Echtzeit.
Predictive Maintenance optimieren: Die vorausschauende Wartung gewinnt durch GenAI und Agentic AI ebenfalls hinzu. Klassische Ansätze setzen auf statistische Modelle und maschinelles Lernen. Mit GenAI und Co. lassen sich Wartungszyklen noch präziser vorhersagen. KI-Modelle kombinieren Sensordaten mit Domänenwissen, um einerseits den optimalen Wartungszeitpunkt vorherzusagen und andererseits den Einbau von Ersatzteilen automatisch zu planen sowie eigenständig Serviceaufträge auszulösen. Dies hilft dabei, ungeplante Ausfallzeiten zu reduzieren, die Verfügbarkeit komplexer Anlagen zu erhöhen und somit die Gesamtanlageneffektivität und Wirtschaftlichkeit der Produktion zu optimieren.
Fachkräfte schneller einarbeiten: GenAI hilft dabei, verstreutes Wissen nutzbar zu machen. Handbücher, Wartungsprotokolle und Schaltpläne liegen oft in unterschiedlichen Systemen vor. Die KI bündelt diese Informationen und stellt sie in natürlicher Sprache oder als visuelle Schritt-für-Schritt-Anleitungen bereit, etwa in Form von Augmented-Reality-Anwendungen. Virtuelle Assistenten können in Echtzeit auf Maschinen- und Produktionsdaten zugreifen und unterstützen neue Mitarbeiter bei der Einarbeitung. Neue Fachkräfte können sich so KI-gestützt schneller einarbeiten.
Lieferketten und Fabriken regulatorisch absichern: Digitale Zwillinge bilden Maschinen, Fabrikhallen und ganze Lieferketten realitätsnah ab. Dadurch lassen sich neue Abläufe simulieren, potenzielle Engpässe erkennen und Optimierungen validieren, bevor physische Änderungen umgesetzt werden. In Kombination mit generativer KI steigt die Qualität der Entscheidungsunterstützung: Regulatorische Anforderungen – von branchenspezifischen Normen bis zu komplexen Compliance-Vorgaben – lassen sich automatisiert prüfen und dokumentieren. Für stark regulierte Branchen wie die Medizintechnik ist dies von Nutzen, da sich der Aufwand für Audits und Nachweispflichten reduziert.
Mensch-Roboter-Kollaboration: Physical AI sorgt dafür, dass Roboter und autonome Systeme sicherer und flexibler mit Menschen zusammenarbeiten. Durch die Technologie erlangen Maschinen Verständnis für räumliche Beziehungen, Materialverhalten und physikalische Gesetze. In digitalen Zwillingen trainiert, lernen kollaborative Roboter, wie sie sicher navigieren und präzise greifen. Dadurch können sie bei Montagen assistieren und dabei menschliche Bewegungen vorausschauend antizipieren. Ein Manipulator passt seine Greifkraft wiederum an das tatsächliche Gewicht und die Form eines Objekts an. Das steigert die Produktivität und adressiert die Arbeitssicherheit.
„Ob automatisierte Konstruktion, selbstoptimierende Produktionsprozesse oder sichere Mensch-Roboter-Kollaboration – die neuen KI-Technologien eröffnen der Fertigungsindustrie völlig neue Möglichkeiten. Entscheidend ist, dass Unternehmen frühzeitig die Weichen stellen: mit einer sauberen Datenbasis, einer skalierbaren Infrastruktur und klaren Verantwortlichkeiten. Dann wird KI nicht nur zum nützlichen Werkzeug, sondern zum strategischen Wettbewerbsfaktor“, betont Oliver Köth, Managing Director Technology & Innovation, NTT Data Dach.
