Das Amortisations-Quartett Mit künstlicher Intelligenz in 12 Monaten zum positiven ROI

Anbieter zum Thema

appliedAI Institute for Europe gGmbH

Renishaw GmbH

FORCAM ENISCO GmbH

PARTSCLOUD GmbH

AppliedAI informiert, dass Fertigungsunternehmen, die sich an folgende vier Use Cases in puncto künstliche Intelligenz (KI) halten, erfolgreich bleiben.

AppliedAI, wie es heißt, Europas größte Initiative für vertrauenswürdige KI in Unternehmen, hat vier auf KI basierende Use Cases identifiziert, die es dem produzierenden Gewerbe ermöglichen, seine Effizienz und Produktivität erheblich zu steigern, um wettbewerbsfähig zu bleiben. Mit der Anwendung bewährter Methoden könnten sich die Investitionen bereits nach einem Jahr amortisieren. Die vier Use Cases heißen „Generative KI im Industrial Design“, „KI-basierte Anomalieerkennung“, „Reinforcement Learning Control“ und „Retrieval Augmented Generation“, wie man weiter erfährt. Sie beziehen sich auf unterschiedliche Produktionsschritte. Dabei werden bewährte Prozesse eingesetzt, um vorhandene Herausforderungen zu bewältigen und die Effizienz einzelner Maßnahmen in der Produktion zu steigern. Und Johannes Keller, Director of Individual Solutions bei AppliedAI, hat mit seinem Team maßgeblich zur Identifizierung der Use Cases beigetragen. Nun aber zu den vier Use Cases im detaillierten Überblick:

Use Case 1: Generative KI im Industrial Design

Im Rahmen des Industrial Design stellen langwierige Entwicklungszyklen sowie manuelle und ineffiziente Modellierungsprozesse wesentliche Herausforderungen dar, wie es dazu heißt. Dabei kann durch den Einsatz von generativer KI die Effizienz des Entwurfsprozesses erheblich gesteigert werden. Und zwar, indem die KI etwa Skizzen in konkrete Modelle umwandelt und dabei die Compliance beachtet. Gemäß der AppliedAI-Initiative ließen sich so bis zu 50 Prozent der manuellen Arbeit einsparen. Auch würden Entwicklungszeit und -kosten durch schnellere Prototypenerstellung und weniger manuelle Eingriffe deutlich reduziert. Das steigert natürlich die Wettbewerbsfähigkeit, weil schneller auf Marktbedürfnisse und technische Anforderungen reagiert werden kann, wie die Experten anmerken.

Use Case 2: KI-basierte Anomalieerkennung

In Sektoren, die von der Halbleiter- bis zur Automobilbranche reichen, können Prüf- und Ertragsverluste 20 bis 30 Prozent der gesamten Produktionskosten ausmachen, wie AppliedAI betont. Um Fehler respektive Anomalien zu vermeiden, ist es entscheidend, potenzielle Probleme proaktiv zu identifizieren, um in komplexen mehrstufigen Produktionszyklen darauf adäquat reagieren zu können. Der Aufbau von KI-Systemen, die in der Lage sind, maschinenübergreifende Muster zu analysieren, könne die Leistung und Effizienz von Produktionsprozessen erheblich verbessern. Solche Systeme verstehen und verwalten nämlich die komplexen Beziehungen zwischen Maschinen, heißt es. Der Einsatz von KI ermöglicht dabei eine umfassende sowie durchgängige Prozessoptimierung. Ein Beispiel dafür ist die proaktive Erkennung von plötzlichen Temperaturschwankungen während eines Herstellungsprozesses. Erkennt man diese rechtzeitig, können die Ausschussrate und die Produktionsausfallzeiten um bis zu 20 Prozent gesenkt werden. Das spart Kosten und erhöht die Rentabilität. Auch trage diese Technik dazu bei, teure Ausfallzeiten zu vermeiden und die Sicherheit zu verbessern.

(ID:50090821)