Generative AI in der Fertigung: 5 branchenverändernde Anwendungsfälle

In den letzten zwei Jahren ist generative AI rasant auf den Plan getreten. Bahnbrechende Tools wie OpenAI’s ChatGPT, DALL-E und Google’s Gemini sind für uns jederzeit verfügbar geworden. Diese Technologien verändern nicht nur unseren Alltag, sondern revolutionieren auch ganze Branchen. Besonders tiefgreifend ist dieser Technologiewandel für die Fertigungsindustrie.

Die Fabrik der Zukunft nutzt künstliche Intelligenz als Grundpfeiler ihrer Abläufe. Doch innerhalb des breiten AI-Werkzeugkastens entwickelt sich eine bestimmte Technologie zum echten Game-Changer: generative AI. In diesem Artikel beleuchten wir die häufigsten Anwendungsfälle von generativer AI in der Fertigung. Außerdem zeigen wir aufschlussreiche Beispiele weltweit führender Fertigungsunternehmen, die ihre Abläufe mit generativer AI innoviert haben.

Was ist generative AI?

Generative AI ist eine Teilmenge künstlicher Intelligenz, die neue Inhalte oder Daten erzeugen kann, die den Daten ähneln, auf denen sie trainiert wurde. Das bedeutet: Auf Grundlage zuvor erzeugter Inhalte nutzt sie Algorithmen und Modelle, um Texte, Bilder, Videos, Designs, Audio, Code und Simulationen zu erstellen. GenAI ist ein fortschrittlicher Nachahmer, der Muster und Strukturen aus Daten lernt und dieses Wissen nutzt, um synthetische Daten zu erzeugen (z. B. Bilder, Videos, Texte).

Worin unterscheidet sich generative AI also von traditioneller AI? Der Hauptunterschied liegt in den Ergebnissen. Während generative AI völlig neue Daten erzeugen kann, die ihren Trainingsdaten stark ähneln, konzentriert sich traditionelle AI auf die Analyse von Daten, um Vorhersagen zu treffen oder Muster auf Grundlage der Eingabedaten zu erkennen, auf denen sie trainiert wurde.

Anwendungsfälle von generativer AI in der Fertigung

Von der Entwicklung innovativer Konzepte bis zur Optimierung der Auslieferung revolutioniert generative AI jede Phase der Manufacturing Journey.

In der Konzeptionsphase kann generative AI Konzepte und optimierte Designs für Produktentwicklung und Prototyping erstellen. Das beschleunigt die Produktentwicklung und senkt gleichzeitig die Kosten.

In der Produktionsphase revolutionieren intelligente Sensoren und fortschrittliche Datenanalysen die Instandhaltung von Anlagen. Diese Systeme analysieren Sensordaten, Wartungsprotokolle und historische Ausfälle, um potenzielle Störungen vorherzusagen, bevor sie auftreten. Neben vorausschauender Instandhaltung erkennen die Systeme auch Qualitätsprobleme.

Generative AI automatisiert nicht nur Aufgaben, sondern stärkt auch die Belegschaft. Durch die Nutzung individueller Mitarbeiterdaten ermöglicht sie gezielte Schulungen und personalisierte Arbeitsanweisungen und ebnet so den Weg für eine qualifiziertere und anpassungsfähigere Belegschaft.

Entlang der gesamten Lieferkette spielt fortschrittliche Datenanalyse eine entscheidende Rolle. Durch die Auswertung großer Datenmengen können Unternehmen Nachfrageschwankungen vorhersagen, Lagerbestände optimieren und die effizientesten Lieferwege planen.

Produktdesign

Generative AI revolutioniert das Produktdesign in der Fertigung durch eine einzigartige Kombination aus Kreativität und Effizienz. Genauer gesagt helfen generative Text-zu-Bild-Tools Designern dabei, die Lücke zwischen Konzepten und produktionsreifen Designs zu schließen.

Die Aufgabe von Produktdesignern oder Ingenieuren besteht darin, konkrete Designziele festzulegen und dabei Kennzahlen wie Nachhaltigkeitsziele, Produktionskosten, Produktkriterien oder Compliance-Anforderungen sowie Fertigungsbedingungen zu berücksichtigen. Systeme mit generativer AI erzeugen auf Basis dieser vordefinierten Parameter verschiedene Designoptionen.

Sobald diese Designs erstellt sind, schlagen AI-Systeme Verbesserungen vor, um Aspekte wie Recyclingfähigkeit, Materialauswahl und Verpackung zu optimieren und sicherzustellen, dass das Endprodukt sowohl effizient als auch nachhaltig ist. Mit vielversprechenden virtuellen Prototypen in der Hand können Ingenieure und Designer die vorgeschlagenen Designs bewerten und verfeinern und die besten für die weitere Entwicklung auswählen.

Vorteile von generativer AI im Produktdesign:

• Verkürzung des Designzyklus
• Einfacher Übergang von ersten Ideen zu produktionsreifen Modellen
• Mehr Kreativität

Integration von Text-to-Image beim Toyota Research Institute

Das Toyota Research Institute entwickelte eine Plattform, die Designskizzen und technische Anforderungen in Text-to-Image-basierte generative AI-Tools integriert. So können Fahrzeugdesigner Toyotas traditionelle Ingenieurskompetenz mit den modernsten Fähigkeiten heutiger generativer AI kombinieren.

Beispielsweise können Einschränkungen wie Luftwiderstand (der die Kraftstoffeffizienz beeinflusst) und Fahrgestellmaße wie Bodenfreiheit und Kabinengröße (die sich auf Fahrverhalten, Ergonomie und Sicherheit auswirken) nun implizit in den Prozess der generativen AI einbezogen werden.

Predictive Maintenance

Generative AI hebt Predictive Maintenance auf ein neues Niveau. Sie lernt das erwartete Verhalten von Anlagen, indem sie Sensordaten, Wartungsprotokolle und historische Ausfälle analysiert. Anschließend erkennt sie selbst subtile Anomalien, die einem Ausfall vorausgehen könnten. Selbst kleinste Veränderungen bleiben nicht unentdeckt; denken Sie an eine minimale Zunahme von Vibrationen in einem Turbinenmotor – die AI markiert dies als potenzielles Problem.

Generative AI sagt Ausfälle nicht nur voraus, sondern kann sogar simulieren, wie sie sich entwickeln könnten. Dadurch wird gezielte Instandhaltung möglich, bevor Prozesse unerwartet – und kostspielig – zum Stillstand kommen. Hersteller können die Lebensdauer ihrer Anlagen maximieren und Stillstandszeiten vermeiden.

Vorteile von generativer AI in der Predictive Maintenance:

• Stillstandszeiten vermeiden
• Anlagenausfälle simulieren
• Optimierte Wartungspläne

Siemens’ Senseye Predictive Maintenance

Im Februar 2024 stellte Siemens eine neue generative artificial intelligence (AI)-Funktion in seine Lösung für vorausschauende Instandhaltung – Senseye Predictive Maintenance – vor. Diese neue Funktion baut im Wesentlichen auf den Stärken der bestehenden AI auf und macht den gesamten Prozess dialogorientierter und benutzerfreundlicher.

Das System nutzt Wissen aus ähnlichen Maschinen und optimiert Instandhaltungsstrategien über verschiedene Anlagen hinweg. Es macht die Interaktion zwischen Mensch und Maschine reibungsloser und vorausschauende Aufgaben effizienter, indem es Chat-Oberflächen für frühe und fundierte Entscheidungen nutzt und so Zeit und Ressourcen spart.

Qualitätskontrolle

Generative AI verarbeitet große Datenmengen, darunter Bilder von fehlerfreien und fehlerhaften Produkten. Diese Daten können aus verschiedenen Quellen stammen, etwa von hochauflösenden Kameras an Produktionslinien, aus historischen Prüfprotokollen und sogar aus Kundenbeschwerden. Durch die Analyse dieser umfangreichen Datenbasis lernt die AI die feinen Merkmale, die ein einwandfreies Produkt ausmachen.

Sie kann selbst kleinste Fehler in Echtzeit erkennen – Fehler, die dem menschlichen Auge bei einer herkömmlichen Prüfung entgehen könnten. Die AI kann historische Daten analysieren, um Bereiche an Produkten zu identifizieren, die besonders fehleranfällig sind. Diese Analyse kann einen gezielteren Prüfansatz vorschlagen, der sich auf diese kritischen Bereiche konzentriert.

Vorteile von generativer AI für die Qualitätskontrolle:

• Optimierte Ursachenanalyse
• Fehlererkennung in Echtzeit
• Konstante Qualitätsausgabe

Boschs Durchbruch bei der bildbasierten Qualitätsprüfung

Bosch hatte bereits AI-Bilderkennung für die Qualitätsprüfung implementiert. Allerdings hatte die Fertigungsqualität in den Bosch-Werken bereits ein sehr hohes Niveau erreicht, wodurch das Sammeln von Daten zu Schäden und fehlerhaften Produkten zum Training des AI-Systems zur Herausforderung wurde. Um also genügend Bilddaten zu Fehlerarten zu erhalten – ohne absichtlich beschädigte Teile zu produzieren – wechselte Bosch zu einem auf generativer AI basierenden Prüfsystem.

Auf Basis einer relativ kleinen Anzahl von Bildern je Fehlertyp erzeugte die generative AI über 15.000 künstliche Bilder, die jeden Fehler abbilden. Dieser Ansatz ermöglichte es Bosch, seine Modelle für die automatisierte optische Inspektion deutlich früher im Produktionsprozess zu trainieren.

Erfahren Sie mehr über Azumuta’s

Quality Assurance

Sichern Sie Compliance und verfolgen Sie Qualitätsprobleme in Echtzeit

Mehr erfahren

Mitarbeiterschulung

Bei der Schulung von Mitarbeitenden gibt es keinen Einheitsansatz. Genau hier kommt generative AI ins Spiel: Sie erstellt passgenaue Lerninhalte für jede einzelne Person.

AI analysiert Leistungsdaten, Verantwortlichkeiten, Erfahrungsniveau und Kompetenzen der Mitarbeitenden, um personalisierte Schulungsmaterialien zu erstellen. Diese generierten Schulungsprogramme berücksichtigen auch die auf dem Shopfloor geltenden Vorschriften und Richtlinien.

Generative AI reagiert nicht nur auf Qualifikationslücken in der Belegschaft. Sie kann diese Lücken auch vorhersagen, indem sie Leistungsdaten von Mitarbeitenden analysiert. Diese Vorausschau ermöglicht es Unternehmen, gezielte Lernprogramme proaktiv zu entwickeln und so eine sich kontinuierlich weiterentwickelnde Belegschaft sicherzustellen, die immer einen Schritt voraus ist.

Zusätzlich ermöglicht generative AI interaktive Lernerfahrungen über Chat-Oberflächen, sodass Personen mit AI-gestützten Assistenten wie ChatGPT interagieren können. Mitarbeitende erhalten sofortiges Feedback, können Fragen stellen und sich Bereiche erläutern lassen, in denen sie sich verbessern möchten.

Neben Schulungsmodulen kann generative AI auch dynamische und leicht verständliche Arbeitsanweisungen erstellen, die Mitarbeitende präzise und klar durch komplexe Aufgaben führen. AI kann Anweisungen auf Basis der Aufgabe, der Erfahrung der Mitarbeitenden und sogar von Anlagenvarianten personalisieren.

Generative AI liefert nicht nur Anweisungen, sondern bietet Unterstützung in Echtzeit. Stellen Sie sich ein AI-gestütztes Overlay auf dem Tablet oder der Smart Glasses eines Mitarbeitenden vor, das den jeweiligen Arbeitsschritt hervorhebt, relevante Visualisierungen anzeigt und sogar Hilfe bei der Fehlerbehebung per Sprachbefehl oder Chatbot bietet.

Vorteile von generativer AI für die Mitarbeiterschulung:

• Personalisierte Schulung auf individueller Ebene
• Verbesserte Wissensspeicherung und Kompetenzentwicklung
• Einfacher Zugriff auf aktuelle und anpassbare Arbeitsanweisungen

Lozier’s Smart Search über alle Tools hinweg

Der Einzelhandelsausstatter Lozier implementierte eine Intranet-Plattform mit GenAI-gestützter Suchfunktion. Mit dieser intelligenten Suchfunktion können Nutzer externe Tools, Ticketing-Systeme, Messaging-Apps und Dateiverwaltungssysteme einschließlich Office 365 und Google Drive durchsuchen. Mit Hilfe von AI erhalten Mitarbeitende über konversationelle Suche und Antworten eine umfassende und kontextbezogene, AI-gestützte Antwort auf ihre Suchanfrage.

Digitalisieren Sie Ihre Arbeitsanweisungen

Verabschieden Sie sich von Papier! Erstellen Sie digitale Arbeitsanweisungen für Ihren Shopfloor und bieten Sie Ihren Bedienern eine interaktive und stets aktuelle Schulungsressource.

Demo anfordern

Supply Chain

Über die Produktion hinaus revolutioniert generative AI einen weiteren kritischen Bereich: das Supply-Chain-Management. Sie bietet ein leistungsstarkes Toolkit, um Risiken zu steuern, Nachfrageschwankungen vorherzusagen, Lieferwege zu optimieren und letztlich die Effizienz entlang der gesamten Kette zu steigern.

Die erste Anwendung von generativer AI in der Supply Chain ist die Nachfrageprognose, bei der die AI historische Daten und Markttrends analysiert, um Bedarfsprognosen zu erstellen. Das ermöglicht Unternehmen, ihre Lagerbestände zu optimieren und sowohl Stockouts als auch kostspielige Überbestände zu vermeiden. So können sie sicherstellen, dass die richtige Produktmenge zur richtigen Zeit verfügbar ist, was Kundenzufriedenheit und Umsatz maximiert.

Die generativen Algorithmen optimieren auch den Transportprozess. Das System erstellt die effizientesten Lieferwege, indem es Verkehrslage, Wettervorhersagen und Lieferpläne analysiert. Dadurch werden Transportkosten, Kraftstoffverbrauch und die gesamte Lieferzeit deutlich reduziert.

Eine der gefragtesten AI-Anwendungen im Supply-Chain-Management ist das Bestandsmanagement, das seine Anpassungsfähigkeit besonders zeigt. Es kann optimale Lagerbestände für jedes Produkt empfehlen und dabei Faktoren wie Saisonalität, Nachfrageschwankungen und potenzielle Störungen berücksichtigen. Das gibt Unternehmen die Sicherheit, dass AI mit vielfältigen Einflussfaktoren umgehen kann und ihnen hilft, Lagerkosten zu minimieren und gleichzeitig die nötigen Bestände zur Deckung des Kundenbedarfs sicherzustellen.

Schließlich können Modelle mit generativer AI Simulationen von Risikoszenarien erstellen. Da Störungen und unvorhergesehene Ereignisse Lieferketten ständig bedrohen, erzeugt GenAI Risikoszenarien, darunter Lieferantenausfälle, wetterbedingte Katastrophen oder politische Entwicklungen. Dadurch können Unternehmen diese Risiken proaktiv mindern, indem sie ihre Lieferantenbasis diversifizieren, günstigere Verträge aushandeln oder im Fall von Störungen alternative Lieferanten identifizieren.

Vorteile von generativer AI im Supply-Chain-Management:

• Höhere Resilienz
• Datenbasierte Entscheidungsfindung
• Verbesserte Kundenzufriedenheit

Microsoft Dynamics’ 365 Copilot for Supply Chains

Microsoft Dynamics 365 Copilot kann in das Microsoft Supply Chain Center integriert werden. Es ermöglicht die proaktive Identifizierung externer Faktoren wie Wetter, Finanzdaten und geografische Gegebenheiten, die kritische Supply-Chain-Abläufe beeinflussen könnten. Prädiktive Erkenntnisse zeigen betroffene Aufträge über verschiedene Bereiche hinweg auf, etwa Materialien, Bestände, Frachtführer und Distributionsnetzwerke.

Anschließend können Nutzer automatisch E-Mails generieren, um betroffene Partner zu benachrichtigen und potenzielle Störungen anzugehen. Darüber hinaus bietet die In-App-Anleitung den Nutzern sofortige, kontextspezifische Unterstützung direkt innerhalb der Anwendung, was die Benutzererfahrung und Effizienz verbessert.

Wie generative AI die Fertigung verändern wird

Seit generative AI zu einem leistungsstarken und benutzerfreundlichen Werkzeug geworden ist, verändert sie Branchen, indem sie die Effizienz steigert und Innovationen vorantreibt. Die Fertigungsindustrie steht an der Spitze dieser Entwicklung.

Laut einer aktuellen Studie von Capgemini stimmen 48% der befragten Fertigungsunternehmen zu, dass generative AI ihre Branche stärken wird. Das zeigt, dass das Potenzial dieser Technologie zur Transformation der Fertigung erkannt wird. Hersteller experimentieren bereits mit Implementierungen, um generative AI in ihre Abläufe zu integrieren; 30% der Führungskräfte in der industriellen Fertigung geben an, dass ihre Unternehmen bereits Pilotprojekte mit generativer AI durchführen. Zwei Anwendungen dominieren diese Pilotprojekte: maßgeschneidertes Bauteildesign auf Platz eins, gefolgt von Predictive Maintenance auf Platz zwei.

Die Möglichkeiten von generativer AI in der Fertigung gehen jedoch weit über Design und Predictive Maintenance hinaus. Generative AI revolutioniert die Fertigung, indem sie die Qualitätskontrolle mit überlegener Fehlererkennung für fehlerfreie Produkte stärkt, Lieferketten durch intelligentere Prognosen, Bestandsmanagement und effiziente Routen für niedrigere Kosten und zuverlässige Lieferungen optimiert und die Schulung von Mitarbeitenden mit anpassbaren Programmen in verschiedenen Formaten personalisiert, um die Leistung der Mitarbeitenden und kontinuierliches Lernen zu fördern – und damit letztlich erhebliche Fortschritte bei Effizienz, Innovation und Wettbewerbsfähigkeit in der gesamten Branche vorantreibt.