Kompetenz extern beziehen
KI-Projekte im Netzwerk anpacken
Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialistinnen. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.
Bild: ©NDABCREATIVITY/stock.adobe.com

Viele Maschinenhersteller interessieren sich für künstliche Intelligenz (KI), informieren sich über Anwendungsmöglichkeiten, stehen aber mit ihrer praktischen Erfahrung bei der Durchführung von KI-Projekten oft noch am Anfang. Schnell wird dann der Ruf nach Datenexperten laut. Doch ein Maschinenbauunternehmen braucht meist keinen eigenen Data Scientist, um ein KI-Projekt zu starten. Entscheidend ist es, zunächst einen Anwendungsfall zu identifizieren, der ein hohes Nutzenpotenzial für das Unternehmen oder in Verbindung mit den Produkten darstellt und bei dem Machine Learning eine geeignete Lösungsoption sein kann. Anwendungsfälle im eigenen Unternehmen bieten sich dabei besonders an, um zunächst Erfahrungen mit der Herangehensweise und den Methodiken zu sammeln. Ist gerade kein eigener Data Scientist vorhanden, sollten für solche Projekte geeignete Kooperationspartnerinnen und -partner eingebunden werden, um schnell starten zu können. Eine Umfrage des VDMA aus dem Jahr 2020 zeigte: Mehr als 95 Prozent der befragten Maschinenbauunternehmen, die bereits KI-Projekte durchgeführt hatten, haben auf externe Unterstützung gesetzt. Dabei standen die folgenden vier Kooperationsmöglichkeiten besonders im Fokus:

  • Hochschulen/Universitäten
  • IT-Dienstleister
  • Startups
  • Forschungseinrichtungen

In den meisten Fällen beschränkte sich eine Kooperation allerdings nicht nur auf eine Option, sondern es wurden oft mehrere Möglichkeiten genutzt.

Hochschulen und Universitäten

Zahlreiche Beispiele aus dem Maschinenbau zeigen, dass Kooperationen mit Hochschulen für beide Seiten gewinnbringend sein können – nicht nur als Nachwuchsquelle für das eigene Unternehmen oder bei der Anbahnung oder Unterstützung im Rahmen von KI-Projekten. Haben Unternehmen entsprechende Anwendungsbereiche oder Aufgabenstellungen für KI-Pilotprojekte identifiziert, dann können diese beispielsweise auch in Verbindung mit Bachelor- oder Masterarbeiten vertieft werden. Studierende bringen im Rahmen des Wissenstransfers neue Ideen und Erfahrungen aus der Wissenschaft in die Unternehmen des Maschinenbaus hinein, die Abschlussarbeiten erhalten gleichzeitig einen deutlich höheren Praxisbezug.

IT-Dienstleister und Startups

Kommen bereits in das Unternehmen eingebundene IT-Dienstleister als Kooperationsoption in Frage, ist es naheliegend, dass Unternehmen diesen Weg wählen. So können erste Erfahrungen mit der Thematik gesammelt und die Kompetenz des IT-Dienstleisters genutzt werden. Besteht eine langjährige vertrauensvolle Zusammenarbeit, ermöglicht dies zudem einen schnellen Einstieg in die Aufgabe. Neben der erprobten gemeinsamen Projektarbeit bringt ein langjähriges Kooperationsunternehmen auch den Vorteil der vertieften Prozess- und Datenkenntnis über das Maschinenbauunternehmen mit, wodurch sich Lösungsprozesse beschleunigen lassen. Auf der anderen Seite bieten sich für die Kooperation auch spezialisierte IT-Dienstleister an, die einen Fokus Ihrer Dienstleistungen und Lösungsansätze auf Methoden der Künstlichen Intelligenz gesetzt haben oder auf eine Anwendungsdomäne orientiert sind. Auch das Zusammenwirken mit Startups kann sich als sehr fruchtbar erweisen. Ein Erfolgsfaktor für diese Kooperationsform ist zumeist der schlanke und niedrigschwellige Anbahnungsprozess, durch den Lösungen mit einer geringen Time-to-Market erreicht werden können. Zudem wird die Zusammenarbeit dadurch begünstigt, dass beide Parteien sich gegenseitig ergänzende Ziele im Blick haben: Maschinenbauunternehmen bekommen die Chance, neue Produkte zu entwickeln oder bestehende zu verbessern, die Jungunternehmen liefern den Zugang zu komplementärem Domänenwissen und Technologien. Startups suchen neue Kunden für ihre digitalen Produkte und Services. So erhofft sich die Mehrheit der Jungunternehmen, den Kooperationspartner auch als festen Kunden an sich zu binden oder über das Unternehmen Zugang zu dessen Kunden- und Vertriebsnetzwerk zu erhalten.

Forschungseinrichtungen

Forschungseinrichtungen sind als Quelle neuen Wissens ein wichtiger Kooperationsbaustein für die Industrie. Eine intensive und überregionale Vernetzung zwischen beiden Bereichen fördert den schnellen Transfer von Forschungsergebnissen und trägt damit zur Weiterentwicklung von Methoden und Lösungsansätzen für die industrielle Praxis bei. Besonders für kleine und mittelständische Unternehmen stellt die industrielle Gemeinschaftsforschung eine einzigartige Innovationsplattform dar.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige