dig.Gehirn_Copyright_1092x620px_72dpi Trends
18/11/18

Künstliche Intelligenz: Wertschöpfungspfade für den Maschinenbau

Autor: Annika Pellmann
Bis zu 39 Prozent mehr Umsatzrendite könnte der Maschinen- und Anlagenbau bis 2035 dank Künstlicher Intelligenz (KI) entfalten. s4e-Redakteurin Sonja Koesling erläutert drei Wertschöpfungspfade.

Die Berechnung des Beratungsunternehmens Accenture geht davon aus, dass KI-Technologien neben Effizienzsteigerungen auch neues Wachstum ermöglichen. Richtig eingesetzt, eröffnet KI innovative Wege bei der Datenauswertung und führt auf neue Pfade in der Wertschöpfung – mit unterschiedlichem Komplexitätsgrad:

Wertschöpfungspfad Nr. 1: Smartere Datenverwertung

In vielen Industrieunternehmen hat smartere Datenerhebung und -auswertung bereits Einzug erhalten. Was Maschinenbauer aktuell herausfordert, ist ein Einsatz über einzelne IoT-Projekte hinaus. Ein Beispiel: KI-Technologien lesen zugängliche Materialdatenbanken bezüglich Preisschwankungen oder Lieferengpässen aus und sorgen dafür, dass die eigene Produktion nicht aufgrund fehlender Materialien ins Stocken gerät.

  • Schwierigkeitsgrad: niedrige Komplexität
  • Mitgebrachtes Fitnesslevel: IT-gestützte Datenhaltung, Bereitschaft zur Nutzung oder zum Aufbau von Cloud-Technologien und Analytics-as-a-Service, KI-Algorithmen oder KI-Dienste wie maschinelles Lernen und maschinelles Sehen

Wertschöpfungspfad Nr. 2: Smarteres Arbeiten

Fortschrittlicher, aber bereits marktreif, ist die Unterstützung durch KI bei einfachen Routineaufgaben. Dabei gehen beispielsweise kollaborative Roboter, sogenannte Cobots, den Mitarbeitern zur Hand, nehmen ihnen repetitive Bewegungen ab und unterstützen den Menschen so auf eine ergonomische Weise.

  • Schwierigkeitsgrad: mittlere Komplexität
  • Mitgebrachtes Fitnesslevel: IT-gestützte Datenhaltung, digitalisierte Arbeitsprozesse und digitales Wissensmanagement

Wertschöpfungspfad Nr. 3: Smarte Produktoptimierung

Integrierte KI kann den Mehrwert von Industrieprodukten und -lösungen für seinen Nutzer steigern. Beispiele sind Maschinen, die sich selbst konfigurieren oder mit Hilfe digitaler Zwillinge selbst organisieren und stetig verbessern.

  • Schwierigkeitsgrad: hohe Komplexität
  • Mitgebrachtes Fitnesslevel: Digitalisierte Datenhaltung und Arbeitsprozesse, hoher Reifegrad bei Analytics, IoT und digitaler Zwillinge, KI-Algorithmen und KI-Dienste wie maschinelles Lernen, maschinelles Sehen und Sprachverarbeitung, KI-gestützte IT wie Nutzung von IaaS oder PaaS

Einen Schritt voraus

Weitere Hintergründe rund um das Thema Künstliche Intelligenz erfahren Sie in der s4e 2/18.

s4e 2-18 Titelbild

 

 

 

 

 

 

 

 

Download s4e 2/18

Diesen Artikel teilen ...

Kommentar verfassen