VDMA-Report verdeutlicht hohe Relevanz von künstlicher Intelligenz für den Maschinenbau

Shutterstock

VDMA Befragung zu maschinellem Lernen

Im Frühjahr 2019 führte der VDMA erstmalig eine Befragung zum maschinellen Lernen (Machine Learning) im Maschinen- und Anlagenbau durch. Dabei beteiligten sich über 70 Unternehmen an der Erhebung. Untersuchungsschwerpunkt waren die Bedeutung und der Einsatz in den Unternehmensprozessen als auch in den Produkten und Dienstleistungen.

Bedeutung von Machine Learning für den Maschinenbau

Aktuell zeigt sich bei den Befragten vor allem in den Anwendungsbereichen Kundendienst (64 Prozent), Konstruktion und Entwicklung (54 Prozent) und in der Produktion (50 Prozent) eine mittlere bis hohe Relevanz für Machine Learning basierte Lösungen zur Unterstützung der Unternehmensprozessen. Hinsichtlich der Bedeutung für Produkte sind es vor allem Maschinen (69 Prozent) und bei den produktbegleitenden Dienstleistungen Predictive Maintenance (69 Prozent) sowie Condition Monitoring (65 Prozent) die aus Unternehmenssicht einen mittleren bis hohen Stellenwert haben.

Rund 46 Prozent der Teilnehmer haben schon eine entsprechende Lösung für die Unternehmensprozesse oder in den Produkten bzw. Dienstleistungen im Einsatz. Im Wesentlichen liegt der heutige Anwendungsfokus dabei auf der Konstruktion und Entwicklung (14 Prozent), dem Kundendienst (13 Prozent), der Produktion (13 Prozent), dem Rechnungswesen und Controlling (10 Prozent) sowie dem Condition Monitoring (13 Prozent) und dem Remote Service (13 Prozent). Allerdings planen die befragten Unternehmen in den kommenden drei Jahren den Einsatz in den Prozessen und Produkten deutlich zu verstärken. Bis 2022 wollen dann beispielsweise mehr als die Hälfte der Firmen Machine Learning basierte Lösungen im Kundendienst verwenden.

Machine Learning unterstützt Prozessautomatisierung und Kommunikation

Die ersten Erfahrungen der Umfrageteilnehmer beim Einsatz von ML basierten Lösungen zeigen sehr unterschiedliche Effekte in den internen Unternehmensprozessen und beim Kunden. Besonders in den nicht-fertigenden Prozessen führte die Verwendung bei rund der Hälfte (41 Prozent) der Firmen bereits zu einer Verringerung des Personalaufwandes (Zeit, Kosten ...). Außerdem wurden unter den vier häufigsten Auswirkungen auch eine Erhöhung des Automatisierungsgrades in den Prozessen (37 Prozent), Verbesserung der Serviceunterstützung (33 Prozent) und der Kommunikation mit internen oder externen Prozessbeteiligten (33 Prozent) benannt. Auch bei den fertigenden Prozessen im Unternehmen zeigen sich überwiegend ähnliche Effekte unter den häufigsten Nennungen. Durch den Einsatz von ML basierten Lösungen in Produkten oder Dienstleistungen bei Maschinenbaukunden wurden neben einer Verringerung des Personalaufwandes (44 Prozent) und Erhöhung des Automatisierungsgrades (41 Prozent) an erster Stelle die Möglichkeit geschaffen neue Produkte bzw. Dienstleistungen (48 Prozent) anzubieten.

Personalengpässe und fehlendes qualifiziertes Datenmaterial beeinträchtigen bisher breiteren Einsatz

Unter den fünf häufigsten Gründen, warum Maschinenbauer derzeit noch keine ML basierten Lösungen in den Unternehmensprozessen oder in den Produkten oder Dienstleistungen einsetzen, nehmen fehlende Personalressourcen (64 Prozent) und fehlendes qualifiziertes Datenmaterial zum Anlernen (64 Prozent) die vordersten Plätze ein. Aber auch ein unklarer Nutzen oder Return on Invest und offene rechtliche Fragestellungen sind für 43 Prozent der Teilnehmer ausschlaggebend, dass aktuell noch keine Verwendung stattfindet.

KI/ML-Experten werden gebraucht

Dass Projekte in Zukunft nicht ohne Experten für Machine Learning bzw. Künstliche Intelligenz im Unternehmen funktionieren werden, ist unbestritten, da vielfach erst Daten analysiert und Modelle für die spätere Aufgabe trainiert werden müssen. 42 Prozent der Teilnehmer planen daher bis 2022 entsprechende Einstellungen vorzunehmen. Dabei suchen kleine wie auch größere Unternehmen gleichermaßen nach dieser Kompetenzerweiterung.

Downloads