Wenn die KI fünf verschiedene Antworten gibt: Warum die Fertigung strukturierte Daten braucht.

Erkenntnisse von der All About Automation Zürich: Warum KI-Projekte ohne strukturierte Daten scheitern

Auf der diesjährigen Fachmesse „All About Automation“ in Zürich teilte Michael Meisel seine Erkenntnisse zum Thema „Warum KI-Projekte scheitern müssen – Strukturierte Daten als Fundament“.

In den anschließenden Diskussionen waren sich drei Produktionsleiter einig: Ein Großteil des aktuellen KI-Hypes hält unter realen Bedingungen auf dem Shopfloor nicht stand. Stellen Sie einem LLM fünfmal dieselbe Frage, und Sie erhalten fünf verschiedene Antworten. 

Wo Machine Learning und KI tatsächlich Ergebnisse liefern

Die Produktionsleiter, mit denen wir gesprochen haben, waren sich einig: Erfolgreiche KI-Anwendungsfälle basieren nicht auf unstrukturierten Textabfragen. Sie bauen auf strukturierten, qualitativ hochwertigen Maschinendaten auf. Drei Beispiele zeigen, wie das in der Praxis aussieht: 

• Mustererkennung in großen Datenmengen. Bei einer hohen Fertigungstiefe ist es schlicht unmöglich, Zeilen von numerischen Daten manuell zu prüfen. Machine-Learning-Algorithmen scannen diese Datenströme automatisch und identifizieren Korrelationen und Abweichungen, die andernfalls unbemerkt geblieben wären. 

• Ausschussreduzierung bei der Nacharbeit. Knorr-Bremse nutzt eine KI-gestützte Fehleranalyse, um Werker direkt zur Ursache von Produktionsproblemen zu führen. Dadurch wird die Fehlerrate bei der Nacharbeit um bis zu 30 % gesenkt. Link zur Fallstudie 

• Reduzierung der MTTR durch Verknüpfung strukturierter Daten. In Zusammenarbeit mit einem internationalen Elektronikhersteller streben wir an, Logbücher, Wartungsprotokolle, Fehlermeldungen und Anlagenhandbücher miteinander zu verknüpfen, um bisher unstrukturierte Daten nutzbar zu machen. Dies soll Bedienern präzise Empfehlungen zur Behebung von Fehlfunktionen liefern und die mittlere Reparaturzeit (MTTR) deutlich verkürzen. 

Drei Fragen, die Sie sich zu Ihren Produktionsdaten stellen sollten

Die Gespräche an unserem Stand haben eines deutlich gemacht: Die meisten Werke verfügen bereits über Daten. Die Herausforderung liegt darin, in welchem Zustand sich diese befinden. 

1. Datenqualität. Sind Ihre Daten tatsächlich gut genug strukturiert, um eine automatisierte Analyse zu ermöglichen, oder handelt es sich in der Praxis um unbrauchbaren „Datenmüll“? 

2. Beschaffungsvorschriften (Lastenheft). Eine pauschale Forderung nach einer „Datentransfer-Schnittstelle“ im Lastenheft reicht nicht aus. Strukturierte Daten müssen explizit definiert, vom Maschinenbauer eingefordert und bei der Endabnahme validiert werden. 

3. Manuelle Zusammenführung. Viele Unternehmen tragen Produktionsdaten immer noch von Hand zusammen. Das bedeutet: keine Echtzeit-Sichtbarkeit, verzögerte Entscheidungen und eine höhere Fehleranfälligkeit. 

 

Nächste Schritte

Die STIWA Shopfloor Software wurde von Fertigungsexperten auf Basis direkter Praxiserfahrung mit Produktionsdaten entwickelt – von der Anbindung an die Steuerungsebene bis hin zur Übersetzung dieser Daten in messbare Produktivitätssteigerungen. 

 

Wenn Sie Ihre aktuelle Datenqualität bewerten möchten, vereinbaren Sie ein kurzes Telefonat mit unserem Team.

Termin vereinbaren