Mit Potenzialanalysen die richtigen Ansatzpunkte finden

0:000:00

PSI People 84 AI generated by OpenWonder
Bild: PSI Software SE (KI-generiert)

Operative Probleme haben häufig mehrere Ursachen, die sich über unterschiedliche Prozessschritte verteilen. Startet ein Auftrag verspätet, kann fehlendes Material ebenso dafür verantwortlich sein wie ungeeignete Dispositionsparameter, unklare Rückmeldungen, begrenzte Kapazitäten oder eine zu optimistische Terminlogik. Ähnlich verhält es sich bei einer zu geringen Ausbringung, für die nicht immer die vermeintlich ausgelastete Maschine der eigentliche Engpass ist. Auch Personal, Prüfplätze, Transportressourcen oder vorgelagerte Arbeitsschritte können den Durchsatz begrenzen. Deshalb sollte ein Unternehmen zunächst klären, wo im Prozess die Gründe für die auftretenden Störungen oder Zielabweichungen liegen und welche Abhängigkeiten dabei eine Rolle spielen. Erst auf dieser Grundlage lässt sich beurteilen, ob etwa angepasste Parameter, veränderte Abläufe oder zusätzliche Softwareunterstützung zur Problembehebung beitragen. Andernfalls besteht die Gefahr, eine Maßnahme umzusetzen, die zwar an einem Symptom ansetzt, das zugrunde liegende Problem aber bestehen lässt.

Prozesse entlang ihrer Abhängigkeiten betrachten

Eine Potenzialanalyse betrachtet mögliche Ursachen über einzelne Bereiche hinweg und ordnet sie in den gesamten Prozess ein. Bei Materialengpässen oder wachsenden Rückständen richtet sich der Blick deshalb über die Bestände hinaus auf Bedarf, Beschaffung, Lieferanteninformationen, Dispositionsparameter und Auftragsfreigabe. Hinzu kommen Faktoren, die Unternehmen nicht unmittelbar in einzelnen Kennzahlen ablesen können. Dazu zählen etwa die Qualität der zugrunde liegenden Daten, klar definierte Rollen und Übergaben sowie funktionierende Schnittstellen zwischen den beteiligten Systemen und Bereichen. Medien- oder Systembrüche können Informationen verzögern, unklare Rückmeldungen die Planung erschweren. Auch unterschiedliche Zielsetzungen zwischen einzelnen Bereichen können dazu führen, dass eine Verbesserung an einer Stelle an anderer Stelle neue Schwierigkeiten verursacht. Die Potenzialanalyse macht solche Zusammenhänge nachvollziehbar und grenzt ein, welche Faktoren tatsächlich zu einer Abweichung beitragen. Dabei kann sich etwa herausstellen, dass weniger die verfügbare Kapazität als vielmehr die Steuerungslogik, fehlende Transparenz oder organisatorische Übergaben den Prozess beeinträchtigen.

Vom Befund zur Veränderung

Wie weit der daraus abgeleitete Veränderungsbedarf reicht, hängt vom jeweiligen Unternehmen und seiner Prozesslandschaft ab. In manchen Fällen genügen Anpassungen an bestehenden Abläufen, in anderen können unklare Zuständigkeiten, fehleranfällige Übergaben oder eine nicht mehr passende Steuerungslogik eine grundlegendere Neuausrichtung erforderlich machen. Daraus kann z.B. eine engere Verzahnung von Planung, Fertigung, Qualität und Logistik oder ein weitergehendes Prozess-Redesign entstehen. Die Analyse schafft zugleich eine Grundlage, um Veränderungen zu priorisieren und die nächsten Schritte aufeinander abzustimmen. Dabei reicht das Spektrum von Materialverfügbarkeit und Kapazitäten bis zu Qualität und Instandhaltung.

KI-Potenziale ableiten

Die Prozessanalyse schafft zugleich die Grundlage, um mögliche KI-Anwendungen fachlich einzuordnen. Erst wenn klar ist, wo Abläufe ins Stocken geraten, welche Daten verfügbar sind und welches Ziel erreicht werden soll, können Unternehmen verlässlich beurteilen, welcher Lösungsansatz zur jeweiligen Fragestellung passt. Im Rahmen einer KI-Stack-Analyse werden die Ergebnisse der Prozessanalyse aufgegriffen und unterschiedliche KI-Ansätze dem jeweiligen Bedarf zugeordnet. Adaptive Analysis kann beispielsweise bei Zielkonflikten, Engpässen oder komplexen Entscheidungsfragen unterstützen. Predictive Analysis zielt auf Prognosen etwa zu Ausfällen, Qualität oder Bedarf, während Generative Analysis vorhandenes Prozesswissen, Dokumentationen oder Arbeitsanweisungen leichter zugänglich machen kann. Der KI-Einsatz knüpft damit unmittelbar an die zuvor identifizierten Prozesspotenziale an, statt losgelöst davon betrachtet zu werden.

Von der Analyse zur Transformations-Roadmap

Die Ergebnisse der Potenzialanalyse münden schließlich in eine Transformations-Roadmap. Sie führt die identifizierten Handlungsfelder zusammen und strukturiert den weiteren Entwicklungspfad. Dabei wird sichtbar, welche Prozesse Unternehmen anpassen sollten, wo zusätzliche Softwareunterstützung hilfreich ist und an welchen Stellen KI-Anwendungen vorbereitet oder umgesetzt werden können. Die Roadmap führt die einzelnen Veränderungsschritte zu einem abgestimmten Entwicklungspfad zusammen, der ihre Abhängigkeiten berücksichtigt und je nach Ausgangslage von gezielten Prozessanpassungen bis zu weiterreichenden Veränderungen an Steuerungslogik, Organisation und IT-Unterstützung reicht. Business Transformation entwickelt sich so schrittweise aus den konkreten Anforderungen des Unternehmens heraus und nicht aus einer vorab festgelegten Technologie.

Verstehen und Verändern

Eine Potenzialanalyse schafft für Fertigungsunternehmen eine belastbare Grundlage, um Verbesserungen aus den tatsächlichen Prozesszusammenhängen heraus abzuleiten. Software, Datenanalyse und KI werden damit nicht zum Ausgangspunkt, sondern zu möglichen Instrumenten auf einem klar umrissenen Entwicklungspfad. Je nach Ausgangslage kann dieser von gezielten Anpassungen bis zu einer umfassenderen Business Transformation reichen.

AnalysefeldBetrachtete ZusammenhängeMögliche Unterstützung
Materialverfügbarkeit und RückständeBedarf, Beschaffung, Lieferanteninformationen, Dispositionsparameter, AuftragsfreigabeDatenanalyse, Mustererkennung
Kapazitäten und EngpässeMaschinen, Personal, Prüfplätze, Transportressourcen, vorgelagerte ArbeitsschritteSimulation, Szenarioanalyse
Qualität und InstandhaltungMaschinen-, Prozess- und Qualitätsdaten, Abweichungen, Nacharbeit, StillständePredictive Analysis
Typische Potenziale in der Fertigung


  • ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

    ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

    Das Plenum des EU-Parlaments stimmt in der ersten Lesung über seine Position zum KI-Omnibus ab. ZVEI-Geschäftsführerin Sarah Bäumchen unterstützt in den Reformwillen und fordert weitere Vereinfachungen beim AI Act.

    mehr lesen: ZVEI sieht weiteren Vereinfachungsbedarf der KI-Regulatorik

  • Forschungsbeirat Industrie 4.0 widmet sich Physical AI

    Forschungsbeirat Industrie 4.0 widmet sich Physical AI

    Die dritte Ausgabe von ‚Industrie 4.0 Forschung in Kürze‘ des Forschungsbeirats Industrie 4.0 widmet sich den Möglichkeiten von Physical Artificial Intelligence (Physical AI) in der Industrie.

    mehr lesen: Forschungsbeirat Industrie 4.0 widmet sich Physical AI

  • Logimat-Preis für bestes Produkt verliehen

    Logimat-Preis für bestes Produkt verliehen

    Im Rahmen der Logimatwurde der Preis ‚Logimat Best Product‘ in drei Kategorien verliehen.

    mehr lesen: Logimat-Preis für bestes Produkt verliehen

  • Spezielle Chips für reduzierten KI-Energieverbrauch

    Spezielle Chips für reduzierten KI-Energieverbrauch

    Im Rahmen des KI-Leuchtturmprojekts ‚Eki‘ hat ein Forschungsteam unter der Leitung der Universität Paderborn an der Verbesserung der Energieeffizienz von KI-Systemen gearbeitet und Methoden entwickelt, mit denen sich der Energieverbrauch…

    mehr lesen: Spezielle Chips für reduzierten KI-Energieverbrauch

  • Neues Mitglied im Aufsichtsrat von Wibu-Systems

    Neues Mitglied im Aufsichtsrat von Wibu-Systems

    Wibu-Systems, ein Spezialist für Softwareschutz, Lizenzierung und Cybersicherheit, hat Prof. Dr. Jörn Müller-Quade in den Aufsichtsrat berufen.

    mehr lesen: Neues Mitglied im Aufsichtsrat von Wibu-Systems

  • SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

    SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

    Im Rahmen der Fachmesse Logimat haben SEW-Eurodrive und Safelog eine strategische Partnerschaft bekannt gegeben.

    mehr lesen: SEW-Eurodrive und Safelog entwickeln Softwaresystem für die Intralogisik

  • KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

    KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

    Ein neuartiges Bauteil, das durch eine fortschrittliche Fertigungstechnologie eine sehr schnelle, sparsame und verlässliche Datenübertragung ermöglicht, haben Forschende des Karlsruher Instituts für Technologie (KIT) und der École Polytechnique Fédérale de…

    mehr lesen: KIT-Forschende entwickeln Technologie für lichtbasierte Datenverbindungen

  • PTC tritt dem ZVEI bei

    PTC tritt dem ZVEI bei

    PTC ist dem ZVEI beigetreten und will in diesem Rahmen seine Expertise in den Bereichen digitale Geschäftsmodelle, industrielle künstliche Intelligenz (KI) und datenbasierte Wertschöpfung in die Verbandsarbeit einbringen.

    mehr lesen: PTC tritt dem ZVEI bei

  • Unternehmen setzen auf KI, aber es muss sich auch lohnen

    Unternehmen setzen auf KI, aber es muss sich auch lohnen

    Laut einer Untersuchung von TE Connectivity treibt die deutsche Industrie den Einsatz von künstlicher Intelligenz und Automatisierung mit hoher Geschwindigkeit voran.

    mehr lesen: Unternehmen setzen auf KI, aber es muss sich auch lohnen

  • Ein Chatbot für den Wissenstransfer

    Ein Chatbot für den Wissenstransfer

    Wenn Fachkräfte ein Unternehmen verlassen, geht auch oft Knowhow verloren. Im Projekt ‚Stark‘ untersuchen Forschende des Fraunhofer IPK gemeinsam mit der BSP Business and Law School – Hochschule für Management…

    mehr lesen: Ein Chatbot für den Wissenstransfer

  • Quantencomputer und klassische Rechner optimieren gemeinsam

    Quantencomputer und klassische Rechner optimieren gemeinsam

    Klassische Computer können viele Optimierungsprobleme wie etwa das ‚Problem des Handlungsreisenden‘ nur näherungsweise knacken, aber nicht vollständig und oft nur unter langer Laufzeit.

    mehr lesen: Quantencomputer und klassische Rechner optimieren gemeinsam

  • Digitale Kreislaufwirtschaft in dezentraler Fabrik

    Digitale Kreislaufwirtschaft in dezentraler Fabrik

    Im Projekt ‚Panda‘ setzen die Beteiligten auf digitale Produktpässe und künstliche Intelligenz (KI), um Recycling und Demontage von Produkten effizienter zu machen.

    mehr lesen: Digitale Kreislaufwirtschaft in dezentraler Fabrik