Wie lassen sich die in der Studie genannten Produktivitätssteigerungen, z. B. 19 % in der Fertigung, konkret auf typische Workflows übertragen?

Der Impact of Intelligent Operations Report von Zebra zeigt, dass Hersteller, die ihre Workflows in den vergangenen zwei Jahren gezielt optimiert haben, im Durchschnitt eine um 19 % höhere Mitarbeiterproduktivität erzielen konnten. Der Bericht hebt mehrere Bereiche hervor, in denen deutliche Verbesserungen erreicht wurden. Dazu zählen die Qualitätskontrolle in der Produktion und an der Montagelinie, die Qualitätssicherung, die Koordination der Lieferkette, die Instandhaltung und das Anlagenmanagement sowie der Materialfluss und das Materialhandling.

Hersteller, die in den vergangenen zwei Jahren wesentliche Fortschritte in den Workflows zur Qualitätskontrolle und Qualitätssicherung erzielt haben, berichten unter anderem von einer verbesserten Produktqualität, was von 73 % der Befragten bestätigt wird. Zudem nennen 52 % eine geringere Fehleranfälligkeit und 44 % eine bessere Möglichkeit, Produktionslinien ohne Unterbrechung anzupassen.

Der Materialfluss und das Materialhandling werden von etwas mehr als zwei Dritteln der Hersteller als große Herausforderung beschrieben. Die meisten verfolgen das Ziel, den Bestandszugriff und die Bestandskontrolle zu verbessern, was 79 % als Priorität nennen. Weitere genannte Ziele sind eine höhere Effizienz und ein gesteigerter Durchsatz mit 51 %, die Senkung der Betriebskosten mit 36 % sowie die Reduzierung von Materialschäden und Materialverschwendung mit 35 %.

Die Studie hebt KI-basierte prädiktive Analysen hervor. Welche spezifischen Use Cases sehen Sie in der Produktion von Maschinen und Automatisierungstechnik?

Fast neun von zehn sehr großen Herstellern geben an, dass sie entweder bereits eine vollständig integrierte, fortschrittliche Datenmanagementumgebung nutzen, in der KI-gestützte Erkenntnisse unternehmensweit verankert sind, oder dass sie über klar definierte, integrierte und automatisierte Datenmanagement- und Analyseprozesse in mehreren Geschäftsbereichen verfügen. Für 70 % bedeutet Automatisierung vor allem die Integration von Advanced Analytics sowie KI und Machine Learning zur Optimierung der operativen Leistung.

Ein Beispiel dafür ist der Einsatz von Deep Learning in visuellen Inspektionsprozessen, um Anomalien und Defekte zu erkennen und gleichzeitig Konformität und Qualität sicherzustellen. Ein Machine-Vision-Modell kann auf Datensamples trainiert und getestet werden, um anschließend auch unbekannte Defekte identifizieren zu können und die Abläufe an der Produktionslinie kontinuierlich zu verbessern.

Ein weiteres Beispiel ist der Einsatz von Machine Learning zur Analyse großer Datenmengen aus Anlagen, um unregelmäßige Muster zu identifizieren, die auf potenzielle Probleme hinweisen. So können IT und OT eingreifen, bevor sich eine Situation verschärft.

Derzeit nutzen 14 % der Hersteller bereits KI-basierte Predictive Maintenance. Weitere 41 % befinden sich in der Pilotphase und 40 % planen, KI-gestützte Verfahren für Predictive Maintenance in den kommenden ein bis zwei Jahren einzuführen. 

Wie kann KI eingesetzt werden, um Engpässe durch den anhaltenden Fachkräftemangel in Produktion, Montage und Service zu kompensieren?

KI erweitert die Fähigkeiten von Mitarbeitenden mit direktem Kundenkontakt, indem sie ihnen ermöglicht, in Echtzeit besser miteinander, mit Maschinen und mit Daten vernetzt zu sein. Dadurch erhalten sie mehr verwertbare Erkenntnisse und können datenintensive sowie repetitive Aufgaben an intelligent automatisierte Systeme übergeben, die weiterhin unter menschlicher Aufsicht arbeiten.

Bereiche wie Datenanalyse, visuelle Inspektion, Bestandsmanagement und Kostenoptimierung werden bereits heute von vielen Unternehmen mittels KI unterstützt oder befinden sich in Pilotprojekten. Dies zeigt, dass Unternehmen gezielt in ihre Mitarbeitenden an der Frontline und in effizientere Abläufe investieren, was sowohl die Mitarbeiterbindung stärkt als auch das Unternehmenswachstum fördern kann.

Aktuell wird KI vor allem in bestehende Workflows integriert. Der nächste Schritt besteht jedoch darin, Arbeitsabläufe grundlegend auf Basis der Fähigkeiten von KI neu zu gestalten. Damit lassen sich Produktivität und Effizienz auf ein deutlich höheres Niveau heben. Zudem kann KI dazu beitragen, das Image von Frontline-Jobs zu verändern und sie für neue Bewerbende attraktiver zu machen. Tätigkeiten werden moderner und anspruchsvoller wahrgenommen, mit mehr Gestaltungsspielraum und weniger monotonen Aufgaben. 

Wie können Hersteller von Automatisierungstechnik die von Zebra beschriebenen ‚Frontline‘-Technologien in ihre eigenen Maschinen, HMIs oder Produktionssysteme integrieren, um Mehrwert für Endkunden zu schaffen?

Der Mehrwert für den Endkunden ist entscheidend. Er bildet den zentralen Antrieb für Investitionen in KI und andere Technologien. Jede Lösung muss ein konkretes Problem lösen oder eine erkennbare Chance nutzbar machen.

Für eine erfolgreiche Integration ist die enge Zusammenarbeit mit IT-, OT-, Engineering- und Sicherheitsteams wichtig. Sie bringen ihr Fachwissen in Integrationsprojekte ein, beispielsweise bei der Anbindung an Manufacturing Execution Systems oder Warehouse-Management-Systeme.

Zebras Portfolio für intelligente Automatisierung, insbesondere im Bereich Machine Vision, ist so gestaltet, dass es sich leicht installieren lässt. Es umfasst Softwarebibliotheken und Tools und kann in Dritt- oder bestehende Systeme integriert werden, sodass Anwender eine durchgängig vernetzte Umgebung aufbauen können.

Zebra entwickelt kontinuierlich Tools für die Erstellung, Bereitstellung und Wartung von KI-Komponenten, die von unabhängigen Softwarepartnern, anderen Partnern und Kunden im gesamten Produktportfolio genutzt werden können. Dadurch wird die Entwicklung eigener KI-Anwendungen und Lösungen vereinfacht.

In enger Zusammenarbeit mit Entwicklern identifiziert Zebra zudem, welche Werkzeuge eine vollständige End-to-End-KI-Pipeline unterstützen. Diese Pipeline ermöglicht es, Daten zu sammeln, KI-Modelle zu trainieren und sie mithilfe eines AI Software Development Kits für Vision, Voice, Data und GenAI sowie vortrainierter Modelle auf jedem Zebra-Gerät bereitzustellen.

Mit der Entwicklung von KI-APIs für Cloud-, Hybrid- oder Edge-Umgebungen entsteht ein nutzerfreundliches Ökosystem, das sich problemlos in verschiedenste Geschäftsapplikationen integrieren lässt.

Neben der technischen Integration braucht es auch eine organisatorische Einbettung in Belegschaft und Arbeitsabläufe. Dazu gehören klare Zeitpläne, Lernunterstützung, Möglichkeiten zum Up- und Reskilling sowie Anleitung durch erfahrene Mitarbeitende. So wird sichergestellt, dass neue Lösungen von Mitarbeitenden mit direktem Kundenkontakt positiv aufgenommen werden und ihren Arbeitsalltag nachhaltig verbessern.