Wie KI die Fertigung revolutionieren wird

In Verbindung mit Siemens Digital Industries-Software

Fragen Sie Stefan Jockusch, wie eine Fabrik in 10 oder 20 Jahren aussehen könnte, und die Antwort könnte Sie an einem Scheideweg zwischen Faszination und Verwirrung zurücklassen. Jockusch ist Vice President for Strategy bei Siemens Digital Industries Software, das Anwendungen entwickelt, die die Konzeption, das Design und die Herstellung von Produkten wie Handys oder Smartwatches simulieren. Seine Vision einer intelligenten Fabrik ist voller unabhängiger, sich bewegender Roboter. Aber sie hören nicht damit auf, ein oder drei oder fünf Dinge zu machen. Nein – diese Fabrik organisiert sich selbst.

Diese Podcast-Episode wurde von Insights, dem Zweig für benutzerdefinierte Inhalte von MIT Technology Review, produziert. Es wurde nicht von der Redaktion des MIT Technology Review erstellt.

Je nachdem, welches Produkt ich in diese Fabrik werfe, wird es sich komplett neu mischen und anders funktionieren, wenn ich mit einem ganz anderen Produkt hereinkomme, sagt Jockusch. Es wird sich selbst organisieren, um etwas anderes zu tun.

Hinter dieser Fabrik der Zukunft steckt künstliche Intelligenz (KI), sagt Jockusch in dieser Folge von Business Lab. Aber KI fängt viel, viel kleiner an, mit dem Chip. Nehmen Sie den Autobau. Die Chips, die heute die verschiedenen Anwendungen in Autos antreiben – und die fahrerlosen Fahrzeuge von morgen – sind in KI eingebettet, die die Entscheidungsfindung in Echtzeit unterstützt. Sie sind hochspezialisiert und für bestimmte Aufgaben gebaut. Die Leute, die Chips entwerfen, müssen dann das große Ganze sehen.

Man muss eine Vorstellung davon haben, ob der Chip zum Beispiel die Interpretation dessen steuert, was die Kameras für das autonome Fahren sehen. Man muss eine Vorstellung davon haben, wie viele Bilder dieser Chip verarbeiten muss oder wie viele Dinge sich auf diesen Bildern bewegen, sagt Jockusch. Man muss viel darüber verstehen, was am Ende passieren wird.

Diese komplexe Art, Produkte und Systeme zu bauen, zu liefern und zu verbinden, beschreibt Siemens als Chip to City – die Idee, dass zukünftige Ballungszentren durch die Übertragung von Daten mit Strom versorgt werden. Fabriken und Städte, die sich selbst überwachen und verwalten, setzen laut Jockusch auf kontinuierliche Verbesserung: KI führt eine Aktion aus, lernt aus den Ergebnissen und optimiert dann ihre nachfolgenden Aktionen, um ein besseres Ergebnis zu erzielen. Heutzutage hilft die meiste KI Menschen dabei, bessere Entscheidungen zu treffen.

Wir haben eine Anwendung, bei der das Programm den Benutzer beobachtet und versucht, den Befehl vorherzusagen, den der Benutzer als nächstes verwenden wird, sagt Jockusch. Je länger die Anwendung den Benutzer beobachten kann, desto genauer ist sie.

Die Anwendung von KI in der Fertigung kann zu Kosteneinsparungen und großen Effizienzgewinnen führen. Jockusch gibt ein Beispiel aus einer Siemens-Fabrik für Leiterplatten, die in den meisten elektronischen Produkten verwendet werden. Die dort verwendete Fräsmaschine neigt dazu, mit der Zeit zu schmieren – zu verschmutzen. Die Herausforderung besteht darin, festzulegen, wann die Maschine gereinigt werden muss, damit sie nicht mitten in einer Schicht ausfällt.

Wir verwenden tatsächlich eine KI-Anwendung auf einem Edge-Gerät, das direkt in der Fabrik sitzt, um diese Maschine zu überwachen und eine ziemlich genaue Vorhersage zu treffen, wann es Zeit für die Wartung ist, sagt Jockusch.

Die vollen Auswirkungen von KI auf das Geschäft – und die gesamte Palette der Möglichkeiten, die die Technologie aufdecken kann – ist noch unbekannt.

Es wird viel daran gearbeitet, diese Implikationen besser zu verstehen, sagt Jockusch. Wir stehen dabei erst am Anfang, um wirklich zu verstehen, was die Optimierung eines Prozesses für das Unternehmen als Ganzes bewirken kann.

Business Lab wird von Laurel Ruma, Direktorin von Insights, der Custom-Publishing-Abteilung von MIT Technology Review, veranstaltet. Die Show ist eine Produktion von MIT Technology Review mit Produktionshilfe von Collective Next.

Diese Podcast-Episode wurde in Zusammenarbeit mit Siemens Digital Industries Software produziert.

Notizen und Links anzeigen

Siemens hilft vietnamesischem Autohersteller bei der Produktion erster Fahrzeuge Automation.com, 6. September 2019

Chip to City: Die Zukunft der Mobilität, von Stefan Jockusch, The International Society for Optics and Photonics Digital Library, 26. September 2019

Vollständige Abschrift

Lorbeer Ruma : Von MIT Technology Review, ich bin Laurel Ruma, und dies ist Business Lab, die Show, die Führungskräften hilft, neue Technologien, die aus dem Labor kommen und auf den Markt kommen, zu verstehen. Unser Thema heute ist künstliche Intelligenz und physikalische Anwendungen. KI kann auf einem Chip, auf einem Edge-Gerät, in einem Auto, in einer Fabrik laufen, und letztendlich wird KI dank schneller Verarbeitung, kleiner Geräte und kontinuierlichem Lernen eine Stadt mit Echtzeit-Entscheidungen regieren. Zwei Worte für Sie: Smart Factory.

Mein Gast ist Dr. Stefan Jockusch, Vice President for Strategy bei Siemens Digital Industries Software. Er ist verantwortlich für die strategische Geschäftsplanung und Marktforschung, und Stefan koordiniert auch geschäftsbereichsübergreifende Projekte und mit Siemens Digital Leadership. Diese Folge von Business Lab wird in Zusammenarbeit mit Siemens Digital Industries produziert. Willkommen Stefan.

Stefan Jockesch : Hallo. Danke für die Einladung.

Lorbeer : Wenn wir also ein bisschen anfangen könnten, könnten Sie uns etwas über Siemens Digital Industries erzählen? Was genau machst Du?

Stefan : Ja, in der Siemens Digital Industries sind wir das technische Softwaregeschäft. Deshalb entwickeln wir Software, die den gesamten Prozess von der ersten Produktidee wie einem neuen Handy oder einer Smartwatch über das Design bis hin zum fertigen Produkt unterstützt. Dazu gehören also das mechanische Design, die Software, die darauf läuft, und sogar die Chips, die dieses Gerät antreiben. Mit unserer Software können Sie all dies in die digitale Welt übertragen. Und wir sprechen gerne darüber, was Sie als digitaler Zwilling davon haben. Sie haben also einen digitalen Zwilling von allem, dem Verhalten, der Physik, der Simulation, der Software und dem Chip. Und Sie können diesen digitalen Zwilling natürlich verwenden, um im Grunde jede Entscheidung zu treffen oder auszuprobieren, wie das Produkt funktioniert, wie es sich verhält, bevor Sie es überhaupt bauen müssen. Das ist kurz gesagt, was wir tun.

Lorbeer: Um also bei der Idee des digitalen Zwillings zu bleiben, wie erklären wir die Idee des Chips für die Stadt? Wie können Hersteller tatsächlich einen Chip, seine Funktionen und dann das Produkt, beispielsweise als Auto, sowie die Umgebung dieses Autos simulieren?

Stefan: Ja. Dahinter steht eigentlich der Gedanke, dass wir in Zukunft und heute schon Produkte bauen müssen, die es den Menschen, die daran arbeiten, ermöglichen, das Ganze zu sehen und nicht nur ein kleines Stückchen. Aus diesem Grund machen wir es so groß, dass wir sagen können, vom Chip in die Stadt, was wirklich bedeutet, dass Sie viele Dinge berücksichtigen müssen, wenn Sie einen Chip entwickeln, der in einem Fahrzeug von heute und noch mehr in der Zukunft läuft während Sie diesen Chip entwerfen. Man muss eine Vorstellung davon haben, ob der Chip zum Beispiel die Interpretation von Dingen steuert, die die Kameras für das autonome Fahren sehen, man muss eine Vorstellung davon haben, wie viele Bilder dieser Chip verarbeiten muss oder wie viele Dinge sich auf diesen Bildern bewegen und offensichtliche Fußgänger, welche Erkennung müssen Sie tun? Man muss viel darüber verstehen, was am Ende passieren wird. Die Idee ist also, einen Designer auf Chipebene in die Lage zu versetzen, das tatsächliche Verhalten eines Produkts zu verstehen.

Und was heute passiert, ist vor allem, dass wir Autos nicht mehr nur für ein Auto entwickeln, sondern Fahrzeuge immer mehr mit der Umwelt, miteinander verbinden. Und eines der großen Ziele, wie wir alle wissen, ist natürlich, die Schadstoffbelastung in den Städten und auch den Verkehr in den Städten zu verbessern, also diese Ballungsräume wirklich lebenswerter zu machen. Das müssen wir also auch in dieser ganzen Prozesskette berücksichtigen, wenn wir als Designer das Ganze sehen wollen. Das ist also der Hintergrund dieser ganzen Idee, Chip to City. Und noch einmal, wie es für einen Designer aussehen sollte, wenn Sie daran denken, ich entwerfe dieses Sichtmodul in einem Auto, und ich möchte verstehen, wie leistungsfähig es sein muss. Ich habe eine Möglichkeit, in eine Simulation einzutauchen, eine sehr genaue, und ich kann sehen, welche Daten mein Fahrzeug sehen wird, was darin enthalten ist, wie viele Sensoreingaben ich von anderen Quellen erhalte und was ich tun muss. Ich kann das wirklich alles durchspielen.

Lorbeer: Ich mag diesen Rahmen wirklich, in der Lage zu sein, das Ganze zu sehen, nicht nur den Teil dieser unglaublich komplexen Art zu denken, zu bauen und zu liefern. Um auf die Stückebene zurückzukommen, welche Rolle spielt die KI auf der Chipebene?

Stefan: Bei KI geht es viel darum, in Echtzeit zu unterstützen oder sogar die richtige Entscheidung zu treffen. Und das ist meiner Meinung nach der Punkt, an dem KI und die Chipebene gemeinsam so wichtig werden, denn wir alle wissen, dass viele intelligente Dinge getan werden können, wenn man einen großen Computer irgendwo in einem Rechenzentrum hat. Aber die KI und die Chipebene sind wirklich sehr auf diese Anwendungen ausgerichtet, die Echtzeitleistung benötigen und eine Leistung, die nicht viel Zeit hat, viel zu kommunizieren. Und heute entwickelt es sich wirklich dahin, dass die Chips, die KI-Anwendungen machen, jetzt schon sehr speziell entworfen sind, egal ob sie viel Rechenleistung leisten müssen oder ob sie so gut wie möglich Energie sparen müssen, also sehr niedrig sein Stromverbrauch oder ob sie mehr Speicher benötigen. Also ja, es wird immer alltäglicher, dass wir KI in winzige Chips eingebettet sehen, und dann werden wir wahrscheinlich in zukünftigen Autos ein Dutzend oder so KI-Anwendungen auf Halbleiterebene für verschiedene Dinge haben.

Lorbeer: Nun, das bringt einen guten Punkt, denn es sind die Menschen, die diese Entscheidungen in Echtzeit mit diesen winzigen Chips auf Geräten treffen müssen. Wie also hilft die Komplexität von so etwas wie kontinuierlichem Lernen mit KI nicht nur, die KI intelligenter zu machen, sondern wirkt sich auch auf die Ausgabe von Daten aus, die es dem Menschen dann schließlich, wenn auch sehr schnell, ermöglichen, bessere Entscheidungen in Echtzeit zu treffen?

Stefan: Ich würde sagen, dass die meisten Anwendungen der KI heute eher darauf ausgelegt sind, einem Menschen zu helfen, eine gute Entscheidung zu treffen, anstatt die Entscheidung selbst zu treffen. Ich glaube, wir vertrauen ihm noch nicht so sehr. So beginnen wir beispielsweise in unserer eigenen Software, wie so viele Softwarehersteller, mit der Verwendung von KI, um die Verwendung einfacher und schneller zu machen. So haben Sie zum Beispiel diese sehr komplexen Designanwendungen, die viele Dinge tun können, und natürlich haben sie Hunderte von Menüs. Wir haben also eine Anwendung, bei der das Programm den Benutzer beobachtet und versucht, den Befehl vorherzusagen, den der Benutzer als nächstes verwenden wird. Also nur um es anzubieten und einfach zu sagen: 'Willst du das nicht tun?' Und natürlich haben Sie über die kontinuierliche Verbesserung und das kontinuierliche Lernen gesprochen – je länger die Anwendung den Benutzer beobachten kann, desto genauer wird sie sein.

Sie liegt derzeit bereits bei über 95 %, wird aber durch kontinuierliches Lernen natürlich verbessert. Übrigens ist dies auch eine Möglichkeit, KI nicht nur dazu zu nutzen, einem einzelnen Benutzer zu helfen, sondern ein Wissen, eine Erfahrung, eine vielfältige Erfahrung guter Benutzer zu verschlüsseln und anderen Benutzern zur Verfügung zu stellen. Wenn ein sehr erfahrener Ingenieur dies tut und KI verwendet und Sie im Grunde genommen diese gelernten Lektionen von diesem Ingenieur nehmen und sie jemandem mit weniger Erfahrung geben, der etwas Ähnliches tun muss, wird diese Erfahrung auch dem neuen Benutzer, dem unerfahrenen Benutzer, helfen.

Lorbeer: Das ist wirklich überzeugend, weil Sie Recht haben – Sie bauen eine Wissensdatenbank auf, eine tatsächliche Datenbank mit Daten. Und das alles hilft schließlich auch der KI, aber dann hilft es auch wirklich dem Menschen, weil man versucht, dieses Wissen auf so viele Menschen wie möglich auszudehnen. Nun, wenn wir darüber und KI am Edge nachdenken, wie verändert dies die Möglichkeiten für das Unternehmen, unabhängig davon, ob Sie ein Hersteller oder die Person sind, die das Gerät verwendet?

Stefan: Ja. Und im Allgemeinen ist es natürlich eine Möglichkeit für jeden, der ein intelligentes Produkt herstellt, sich zu differenzieren, Differenzierung zu schaffen, denn all diese Funktionen, die durch KI ermöglicht werden, sind natürlich intelligent und bieten eine gewisse Differenzierung. Aber das Beispiel, das ich gerade erwähnt habe, wo man vorhersagen kann, was ein Benutzer tun wird, das ist natürlich etwas, das viele Softwarestücke noch nicht haben. Es ist also eine Möglichkeit, zu differenzieren. Und es eröffnet sicherlich viele Möglichkeiten, diese sehr differenzierten Funktionalitäten zu erstellen, sei es in Software oder in Fahrzeugen, in jedem anderen Bereich.

Lorbeer: Wenn wir das also tatsächlich auf eine intelligente Fabrik anwenden würden und wie die Leute sich eine Fertigungskette vorstellen, passiert zuerst dies und dann das und eine Autotür wird aufgesetzt und dann wird ein Motor eingebaut oder was auch immer. Was können wir auf diese traditionelle Denkweise einer Fabrik anwenden und dann dieses KI-Denken darauf anwenden?

Stefan: Nun, wir können mit dem ältesten Problem beginnen, das eine Fabrik hatte. Ich meine, in Fabriken ging es schon immer darum, etwas sehr effizient und kontinuierlich zu produzieren und die Ressourcen zu nutzen. Daher versucht jede Fabrik, betriebsbereit zu sein, wann immer sie betriebsbereit sein soll, und keine unvorhergesehenen oder ungeplanten Ausfallzeiten zu haben. KI wird also allmählich zu einem großartigen Werkzeug, um dies zu tun. Und ich kann Ihnen ein sehr praktisches Beispiel aus einer Siemens-Fabrik geben, die Leiterplatten herstellt. Und einer der Schritte, die sie tun müssen, ist das Fräsen dieser Leiterplatten. Sie haben eine Fräsmaschine und jede Fräsmaschine, besonders eine solche, die hochautomatisiert und robotergesteuert ist, sie neigt dazu, mit der Zeit zu schmieren und schmutzig zu werden. Daher besteht eine Herausforderung darin, die richtige Wartung zu haben, denn Sie möchten nicht, dass die Maschine mitten in einer Schicht ausfällt und diese ungeplanten Ausfallzeiten verursachen.

Eine große Herausforderung besteht also darin, herauszufinden, wann diese Maschine gewartet werden muss, ohne sie natürlich jeden Tag warten zu müssen, was sehr teuer wäre. Wir verwenden also tatsächlich eine KI-Anwendung auf einem Edge-Gerät, das direkt in der Fabrik sitzt, um diese Maschine zu überwachen und eine ziemlich genaue Vorhersage zu treffen, wann es Zeit ist, die Wartung durchzuführen und die Maschine zu reinigen, damit sie in der nächsten Schicht nicht ausfällt . Dies ist also nur ein Beispiel, und ich glaube, es gibt Hunderte von potenziellen Anwendungen, die möglicherweise noch nicht vollständig ausgearbeitet sind, in diesem Bereich, um wirklich sicherzustellen, dass Fabriken eine gleichbleibend hohe Qualität produzieren, dass es keine ungeplanten Stillstandszeiten der Maschinen gibt. Natürlich wird KI bereits häufig bei visuellen Qualitätsprüfungen eingesetzt. Es gibt also Tonnen und Tonnen von Anwendungen in der Fabrikhalle.

Lorbeer: Und das hat massive Auswirkungen auf die Hersteller, denn wie Sie bereits erwähnt haben, spart es Geld, oder? Ist das Ihrer Meinung nach eine schwierige Umstellung für Führungskräfte, wenn sie auf eine etwas andere Art und Weise über Investitionen in Technologie nachdenken, um dann all diese Vorteile zu nutzen?

Stefan: Ja. Es ist wie bei jeder Technologie, ich würde nicht denken, dass es ein großer Block ist, es gibt viel Interesse an diesem Punkt und es gibt viele Hersteller mit Initiativen in diesem Bereich. Ich würde also sagen, dass es wahrscheinlich einen erheblichen Produktivitätsfortschritt schaffen wird, aber es bedeutet natürlich auch Investitionen. Und ich kann sagen, da es ziemlich vorhersehbar ist, wie sich diese Investition amortisieren wird. Soweit wir sehen können, gibt es viel positive Energie, um diese Investition zu tätigen und die Fabriken zu modernisieren.

Lorbeer: Welche Art von Modernisierungen benötigen Sie für die Belegschaft in den Fabriken, wenn Sie KI-Anwendungen installieren und anwenden, umrüsten, um KI-Anwendungen im Auge zu behalten?

Stefan: Das ist eine großartige Frage, denn manchmal würde ich sagen, dass viele Benutzer von Anwendungen mit künstlicher Intelligenz wahrscheinlich nicht einmal wissen, dass sie eine verwenden. Sie erhalten also im Grunde eine Box und es wird Ihnen gesagt, dass empfohlen wird, diese Maschine jetzt zu warten. Der Bediener weiß wahrscheinlich, was zu tun ist, aber nicht unbedingt, mit welcher Technologie er arbeitet. Aber natürlich wird es wahrscheinlich einige, ich würde sagen, fast aufkommende Spezialgebiete oder aufkommende Fähigkeiten für Ingenieure geben, um diese KI-Anwendungen, die sie in der Fabrik verwenden, wirklich zu nutzen und zu optimieren. Denn wie gesagt, wir haben diese Anwendungen, die heute laufen und funktionieren, aber um diese Anwendungen wirklich nützlich zu machen, um genau genug zu sein, erfordert das natürlich bis zu diesem Punkt viel Fachwissen, zumindest einiges Iteration auch. Und wahrscheinlich gibt es heute nicht mehr allzu viele Leute, die wirklich genug Erfahrung mit den Technologien haben und auch das Fabrikumfeld gut genug verstehen, um dies zu tun.

Ich denke, dies ist heutzutage eine ziemlich, ziemlich seltene Fähigkeit, und um dies zu einer alltäglicheren Anwendung zu machen, müssen wir natürlich mehr von diesen Experten schaffen, die wirklich gut darin sind, KI fabrikfertig zu machen und ihr die richtige Reife zu verleihen .

Lorbeer: Das scheint eine ausgezeichnete Gelegenheit zu sein, oder? Damit Menschen neue Fähigkeiten erlernen. Dies ist kein Beispiel dafür, dass KI Arbeitsplätze wegnimmt und die negativeren Konnotationen, die Sie bekommen, wenn Sie über KI und Unternehmen sprechen. In der Praxis, wenn wir all dies kombinieren und über VinFast sprechen, den vietnamesischen Autohersteller, der es ganz anders machen wollte als der traditionelle Autobau. Zuerst bauten sie eine Fabrik, aber dann wandten sie dieses übergreifende Denken von Chips auf die Fabrik und schließlich auf die Stadt an. Um den Kreis wieder zu schließen, warum ist dieses Denken einzigartig, insbesondere für einen Automobilhersteller, und welche Chancen und Herausforderungen haben sie?

Stefan: Ja. VinFast ist ein interessantes Beispiel, denn als sie mit der Herstellung von Fahrzeugen begannen, begannen sie im Grunde auf der grünen Wiese. Und das ist wahrscheinlich der größte Unterschied zwischen VinFast und der großen Mehrheit der großen Autohersteller. Dass sie alle hundert oder mehr Jahre alt sind und natürlich viel Geschichte haben, was sich dann darin niederschlägt, dass sie bereits Fabriken haben oder viele Dinge haben, die wirklich vor dem Zeitalter der Digitalisierung gebaut wurden. VinFast hat also auf der grünen Wiese angefangen, und das ist natürlich eine große Herausforderung, es macht es sehr schwierig. Aber der Vorteil war, dass sie wirklich die Möglichkeit hatten, mit einem vollständig digitalisierten Ansatz zu beginnen, dass sie Software verwenden konnten. Weil sie im Grunde alles konstruierten und mit diesem ziemlich vollständigen digitalen Zwilling nicht nur ihres Produkts wirklich anfangen konnten, sondern auch die gesamte Fabrik auf einem Computer entwarfen, bevor sie überhaupt mit dem Bau begannen. Und dann bauen sie es in Rekordzeit.

Das ist wahrscheinlich der große, einzigartige Aspekt, dass sie diese Möglichkeit haben, vollständig digital zu sein. Und wenn man so weit ist, dann kann man natürlich schon meine ganze Konstruktion sagen, meine Software, die auf dem Fahrzeug läuft, aber auch meine ganze Fabrik, meine ganze Fabrikautomation. Das habe ich bereits voll digital und kann Simulationen und Szenarien durchspielen. Das bedeutet auch, dass Sie einen großartigen Ausgangspunkt haben, um diese KI-Technologien zur Optimierung Ihrer Fabrik zu nutzen oder den Arbeitern bei den zusätzlichen Optimierungen zu helfen und so weiter.

Lorbeer: Halten Sie es für unmöglich, einer dieser hundert Jahre alten Hersteller zu sein und diese Art von Technologien langsam zu übernehmen? Sie müssen wahrscheinlich keine Greenfield-Umgebung haben, es macht einfach alles einfach oder ich sollte einfacher sagen, oder?

Stefan: Ja. Alle, ich meine die Autoindustrie gehört traditionell zu denjenigen, die am meisten in Produktivität und Digitalisierung investiert haben. Alle sind also auf diesem Weg. Auch hier haben sie nicht diese sehr einzigartige Situation, die Sie haben, oder haben selten diese einzigartige Situation, in der Sie wirklich von Null anfangen können. Aber natürlich ist auch ein Großteil der Softwaretechnologie an dieses Szenario angepasst. Wenn Sie beispielsweise eine bestehende Fabrik haben, hilft es Ihnen nicht viel, eine Fabrik am Computer zu entwerfen, wenn Sie bereits eine haben. Sie verwenden also diese Technologien, mit denen Sie durch die Fabrik gehen und einen 3D-Scan durchführen können. Sie wissen also genau, wie die Fabrik von innen aussieht, ohne sie in einem Computer entwerfen zu lassen, weil Sie diese Informationen im Wesentlichen nachträglich produzieren. Das ist also definitiv das, was die etablierten oder traditionellen Autohersteller sehr viel machen und wo sie die Digitalisierung auch im Grunde genommen sogar in das bestehende Umfeld bringen.

Lorbeer: Wir diskutieren wirklich die Auswirkungen, wenn Unternehmen Simulationen und Szenarien verwenden können, um KI anzuwenden. Was passiert also mit dem Unternehmen, wenn es möglich ist, ob es sich um eine Greenfield handelt oder nicht, oder ob Sie es für Ihre eigene Fabrik übernehmen? Was sind die Ergebnisse? Wo liegen einige der Möglichkeiten, die möglich sind, wenn KI auf den eigentlichen Chip, auf das Auto und schließlich auf die Stadt, auf ein größeres Ökosystem, angewendet werden kann?

Stefan: Ja. Wenn wir wirklich über die Auswirkungen auf das Unternehmen nachdenken, denke ich ehrlich gesagt, dass wir am Anfang des Verständnisses und der Berechnung stehen, was der Wert schnellerer und genauerer Entscheidungen ist, die durch KI ermöglicht werden. Ich glaube nicht, dass wir zu diesem Zeitpunkt ein sehr vollständiges Verständnis haben, und es ist für jeden ziemlich offensichtlich, dass die Digitalisierung den Designprozess und den Herstellungsprozess betrifft. Es spart nicht nur F&E-Aufwand und F&E-Gelder, sondern hilft auch, die Bestände der Lieferkette, die Herstellungskosten und die Gesamtkosten des neuen Produkts zu optimieren. Und hier kommen wirklich verschiedene Aspekte des Geschäfts zusammen. Und ich würde ehrlich sagen, wir beginnen, die unmittelbaren Auswirkungen zu verstehen, wir beginnen zu verstehen, ob ich eine KI-gesteuerte Qualitätsprüfung habe, die meine Verschwendung reduziert, damit ich diese Art von Geschäftswert verstehen kann.

Aber es gibt eine ganze Dimension des geschäftlichen Nutzens dieser Optimierung, die sich wirklich auf das gesamte Unternehmen überträgt. Und ich würde sagen, es wird viel daran gearbeitet, diese Implikationen besser zu verstehen. Aber ich würde an dieser Stelle sagen, dass wir erst am Anfang stehen, um wirklich zu verstehen, was die Optimierung eines Prozesses für das Unternehmen als Ganzes tun kann.

Lorbeer: Also Optimierung, kontinuierliches Lernen, kontinuierliche Verbesserung, das fällt mir ein, und Autos natürlich, Der Toyota-Weg , das ist dieses bahnbrechende Buch, das 2003 geschrieben wurde, was erstaunlich ist, weil es bis heute aktuell ist. Aber ist es mit Lean Manufacturing möglich, dass KI dies auf Chipebene, auf Fabrikebene und in der Stadt kontinuierlich verbessert, um diesen Unternehmen zu helfen, bessere Entscheidungen zu treffen?

Stefan: Ja. Meiner Ansicht nach, Der Toyota-Weg , noch einmal, das Anfang der 2000er erschienene Buch, mit kontinuierlicher Verbesserung, meiner Meinung nach kann kontinuierliche Verbesserung natürlich immer viel bewirken, aber es gibt ein bisschen Anerkennung in den letzten, ich würde sagen, fünf bis 10 Jahren, irgendwo so dass diese kontinuierliche Verbesserung möglicherweise an die Wand des Möglichen gestoßen ist. Seitdem wird also viel darüber nachgedacht, was wirklich das nächste Paradigma für die Fertigung ist. Wenn Sie aufhören, an Evolution und Optimierung zu denken, und Sie an mehr Revolution denken. Und eines der Konzepte, die hier entwickelt wurden, heißt Industrie 4.0, was eigentlich der Gedanke ist, die Vorstellung, wie die Fertigung oder die Wertschöpfungskette funktionieren kann, auf den Kopf zu stellen. Und denken Sie wirklich darüber nach, was wäre, wenn ich zwei Fabriken bekomme, die sich vollständig selbst organisieren, was eine Art revolutionärer Schritt ist. Denn heute ist eine Fabrik meistens um eine bestimmte Vorstellung herum aufgebaut, welche Produkte sie herstellt und wann man Linien und Förderbänder und solche Sachen hat, und sie sind alle mit dem Boden verschraubt. Es ist also ziemlich statisch, die ursprüngliche Idee einer Fabrik. Und man kann es evolutionär lange optimieren, aber man würde diese Schwelle nie durchbrechen.

Der neueste Gedanke oder die anderen Konzepte, über die nachgedacht wird, sind also, was wäre, wenn meine Fabrik aus unabhängigen, sich bewegenden Robotern besteht und die Roboter verschiedene Aufgaben erledigen können. Sie können Material transportieren oder dann auf das Halten eines Roboterarms oder eines Greifers umschalten. Und je nachdem, welches Produkt ich in diese Fabrik werfe, wird sie sich komplett neu mischen und anders funktionieren, wenn ich mit einem ganz anderen Produkt hereinkomme, und sie wird sich selbst organisieren, um etwas anderes zu tun. Das sind also einige der Paradigmen, an die heute gedacht wird, die natürlich nur durch den starken Einsatz von KI-Technologien in ihnen Wirklichkeit werden können. Und wir glauben, dass sie zumindest das, was einige Arten der Fertigung leisten werden, wirklich revolutionieren werden. Heute sprechen wir viel von Losgröße eins und davon, dass Kunden mehr Optionen und Variationen bei einem Produkt wünschen. Die Fabriken, die dazu in der Lage sind, um wirklich sehr kundenspezifische Produkte sehr effizient herzustellen, müssen ganz anders aussehen.

Daher denke ich, dass der Ansatz der kontinuierlichen Verbesserung in vielerlei Hinsicht sehr sinnvoll ist. Aber ich denke, wir leben gerade in einer Zeit, in der wir mehr über eine Revolution des Fertigungsparadigmas nachdenken.

Lorbeer: Das ist erstaunlich. Das nächste Paradigma ist die Revolution. Stefan, vielen Dank, dass Sie heute an einem absolut fantastischen Gespräch über das Business Lab teilgenommen haben.

Stefan: Absolut. Freut mich. Danke schön.

Lorbeer: Das war Stefan Jockusch, Vice President of Strategy bei Siemens Digital Industry Software, mit dem ich aus Cambridge, Massachusetts, dem Sitz des MIT und der MIT Technology Review, mit Blick auf den Charles River gesprochen habe. Das war es für diese Folge von Business Lab. Ich bin Ihr Gastgeber, Laurel Ruma. Ich bin der Direktor von Insights, der Custom-Publishing-Abteilung von MIT Technology Review. Wir wurden 1899 am Massachusetts Institute of Technology gegründet. Und Sie finden uns in gedruckter Form, im Internet und bei Veranstaltungen online und auf der ganzen Welt. Weitere Informationen über uns und die Messe finden Sie auf unserer Website unter technologyreview.com. Die Show ist überall dort verfügbar, wo Sie Ihre Podcasts erhalten. Wenn Ihnen diese Folge gefallen hat, hoffen wir, dass Sie sich einen Moment Zeit nehmen, um uns zu bewerten und zu bewerten. Business Lab ist eine Produktion von MIT Technology Review. Diese Folge wurde von Collective Next produziert. Danke fürs Zuhören.

verbergen