Bevor über KI gesprochen wird, muss eine unbequemere Wahrheit benannt werden: Viele Unternehmen haben weniger ein KI-Problem als ein Datenproblem.
Maschinendaten sind meist zwar vorhanden, aber nicht durchgängig nutzbar. Artikelstammdaten sind uneinheitlich erfasst. Ausschussgründe werden unsauber erfasst. Reklamationen werden zwar dokumentiert, aber nicht systematisch ausgewertet. Planungs- und Ist-Daten sind nicht aufeinander abgestimmt.
KI generierte Bild / GW
Unter solchen Bedingungen bleibt auch die beste KI hinter ihren Möglichkeiten zurück. Unternehmen müssen nicht perfekt digitalisiert sein, um mit KI zu beginnen. Sie müssen aber ehrlich genug sein, um ihre Prozess- und Datenlücken offenzulegen, wie das nachfolgende Beispiel zeigt.
Dieses liegt im MES-Umfeld, also in den Bereichen Produktion und Qualitätssicherung. In vielen Betrieben werden Störungen, Ausschuss und Nacharbeit zwar erfasst, jedoch nicht mit der nötigen Tiefe ausgewertet. Der einzelne Fehler wird behoben, doch eine systematische Lernkurve bleibt aus.
So findet man über Muster den richtigen Lösungsansatz
Werden Bruch, Maßabweichungen, Oberflächenfehler, Kantenprobleme oder Reklamationsursachen jedoch sauber mit Maschine, Schicht, Material, Bearbeitungsschritt und Werkzeugzustand verknüpft, entstehen Muster. Dann wird sichtbar, ob bestimmte Fehler bei bestimmten Formaten, Kombinationen oder Prozessbedingungen gehäuft auftreten.
Ein MES liefert die dafür nötige operative Datengrundlage. KI kann diese Daten verdichten, Auffälligkeiten markieren und Hinweise geben, bevor sich ein Problem in Form von Ausschuss, Nacharbeit oder Kundenreklamationen niederschlägt. Auch hier ersetzt KI nicht die Erfahrung der Mitarbeitenden. Sie sorgt jedoch dafür, dass Erfahrung durch Daten ergänzt und im Unternehmen nutzbar gemacht wird.
Matthias Rehberger / GW
Zukunftsvison vs. Fleißarbeit
In der Flachglasverarbeitung liegt der Nutzen von KI weniger in spektakulären Zukunftsbildern als in konkreter Fleißarbeit. KI muss den Betrieb nicht neu erfinden. Es reicht, wenn sie Aufgaben wirksamer erledigt: Angebote konsistenter vorbereiten, Produktionsdaten schneller auswerten, Fehler- und Ausschussmuster erkennen, Erfahrungswissen sichern oder Reklamationen strukturierter bearbeiten.
Häufig ist KI nichts anderes als Mustererkennung, Informationsverdichtung und Routinebeschleunigung. Für mittelständische Glas-Unternehmen ist genau das interessant, weil der Nutzen in weniger Suchzeit, weniger Doppelarbeit und weniger vermeidbaren Fehlern liegt.
Ein drittes Beispiel verbindet ERP und MES: die Frage nach dem tatsächlichen Auftragsstatus. Kunden wollen heute nicht nur ein gutes Produkt, sondern auch verlässliche Aussagen. Das ERP-System kennt Auftrag, Kunde, Kalkulation und zugesagten Termin. Das MES kennt den Fertigungsfortschritt, Rückmeldungen, Störungen und Qualitätsereignisse. Erst wenn beide Perspektiven zusammengeführt werden, entsteht ein belastbares Bild.
Dann lässt sich nicht nur sagen, dass ein Auftrag geplant ist, sondern auch, ob er realistisch im Plan liegt, welche Engpässe drohen, welche Alternativen möglich sind und welche Auswirkungen eine Änderung auf andere Aufträge hat. An dieser Schnittstelle wird KI besonders interessant. Sie kann dabei helfen, Risiken frühzeitig zu erkennen, Priorisierungsvorschläge zu unterbreiten und Kommunikationshinweise für die Bereiche Vertrieb, Arbeitsvorbereitung und Kundenservice abzuleiten.
Ausblick auf Teil 3: Wenn die Datenbasis stimmt und die Anwendungsfelder klar sind – wie geht es dann konkret weiter? Im dritten und letzten Teil lesen Sie, warum der Wettbewerb künftig über Daten- und Entscheidungskompetenz entschieden wird, wie ein nüchterner Einstieg in die KI-Nutzung gelingt und warum Digitalisierung vor allem eine Führungsaufgabe ist.
Hegla-Hanic
.
Klicken Sie hier, um GW als bevorzugte Quelle bei Google einzustellen
