gesponsertExpertengespräch zu GenAI Was bringt generative KI im Manufacturing?

Gesponsert von

Swisscom (Schweiz) AG

Welche Bedeutung hat GenAI für die produzierende Industrie? Im Gespräch loten die beiden Experten Michael Rieger, technischer Stratege, und Hanspeter Groth Industry Leader Manufacturing (beide bei Swisscom), Möglichkeiten und Grenzen aus.

Die Vorteile generativer KI in der Produktionsindustrie sind vielfältig – von Chatbots über die Verbesserung des Forecasts bis hin zur Unterstützung im HR. Doch trotz des Potenzials für Automatisierung und einer Effizienzsteigerung bleibt menschliche Expertise weiterhin von zentraler Bedeutung. Eine ganzheitliche Strategie und die passende Governance sind deshalb entscheidend.

Künstliche Intelligenz, vor allem generative KI, ist das Schlagwort der Stunde. Wie sieht die Situation eigentlich in der produzierenden Industrie aus?

Hanspeter Groth: KI ist kein neues Thema. Ich kenne kein Industrieunternehmen, das KI nicht nutzt. Aber halt als klassische KI, um beispielsweise die Lagerbestände nach Bedarf und Nachfrage dynamisch anzupassen oder um weitere Vorhersagen zu treffen. Mit generativer KI kommt jetzt der nächste Schritt. Mich würde interessieren, wie sich das abgrenzen lässt.

Michael Rieger: Generative KI unterscheidet sich von klassischer KI durch die Fähigkeit, eigenständig neue Inhalte zu erzeugen, statt nur vordefinierte Aufgaben zu automatisieren oder auf vorherige Daten zu reagieren. Diese Fähigkeit ermöglicht es generativer KI, Menschen in ihrer Kreativität zu unterstützen, indem sie Ideen liefert, Routineaufgaben übernimmt und kreative Prozesse beschleunigen kann. Mit klassischer KI ist dies nur eingeschränkt möglich.

Hanspeter Groth: Um klassische KI-Modelle zu trainieren, musste ich meine Daten jeweils präzise aufbereiten und strukturieren. Ist das für generative KI nicht mehr nötig?

Michael Rieger: Generative KI profitiert natürlich von strukturierten Daten, kann jedoch auch mit unstrukturierten Daten arbeiten. Tatsächlich sind generative KI-Modelle in der Lage, aus einer Vielzahl von Datenformaten wertvolle Erkenntnisse zu gewinnen. Etwas salopp ausgedrückt, hat man beispielsweise ChatGPT mit Inhalten aus dem Internet gefüttert, ohne die Daten strikt zu strukturieren. Das Resultat ist ein Modell, das eine Vielzahl von Sprachen und vor allem Themen abdecken kann, die ein einzelner Mensch wohl nicht abzudecken vermag.

Das zeigt, dass generative KI auch unter Einbezug von unstrukturierten Daten gute Ergebnisse liefern kann. Von diesem Unterschied profitieren Unternehmen enorm, weil die Mehrzahl der Daten eben in unstrukturierter Form vorliegen. Neue Daten können direkt einfliessen, ohne dass sie vorher strukturiert werden müssen. Generative KI geht also ähnlich mit Informationen um, wie wir Menschen dies tun.

In welchen Bereichen könnten Manufacturing-Unternehmen generative KI nutzen?

Hanspeter Groth: KI dürfte im Manufacturing-Umfeld in nahezu allen Bereichen einen Nutzen erbringen. Unternehmen müssen zum Beispiel Service-Interaktionen verstehen, interpretieren, in die richtigen Kanäle lenken und daraus lernen, damit der Service besser, schneller und effizienter wird.

Wenn wir die Bereiche Planung, Logistik und Finanzen anschauen, sind oft ERP-Systeme, beispielsweise SAP, vorhanden. Auch da gibt es Möglichkeiten, effizienter zu werden.

Eine Effizienzsteigerung ist auch im Sales-Umfeld möglich. Zum Beispiel bei komplexen Offerten erstellen möchte. Das sind spannende Anwendungsfälle, die Unternehmen angehen könnten.

Wie sollen Unternehmen vorgehen, die sich für den Einsatz generativer KI interessieren?

Michael Rieger: Eine zum Unternehmen passende Strategie würde ich unbedingt empfehlen. Aber auch die Datenqualität muss sichergestellt sein. Dazu braucht man einerseits Daten, um starten zu können und andererseits Personen, die mit der Technologie umgehen können. Das bedingt die technische Expertise, um abzuschätzen, welche Daten in welcher Form überhaupt sinnvoll sind, um Ergebnisse in der gewünschten Qualität zu erhalten. Und natürlich braucht es ein Sicherheitsverständnis, um zu entscheiden welche Daten dem KI-Modell zur Verfügung stehen sollen.

Die Vergangenheit hat auch gezeigt, dass sehr viele Projekte im traditionellen KI-Umfeld bereits an der Datenfrage scheitern. Ein Unternehmen mag viele Ideen und Ambitionen haben, aber es scheitert oftmals daran, dass nicht genügend Daten zur Verfügung stehen, um ein KI-Modell so zu trainieren, dass es am Ende die gewünschten Ergebnisse liefert.

Ein kurzer Blick in die Zukunft zum Schluss: In welche Richtung könnte sich generative KI entwickeln?

Hanspeter Groth: Wenn Unternehmen schon tausende ähnliche Produkte konstruiert haben, denkt man als Firma immer ähnlich und kommt meistens nicht auf die Idee, dass man etwas grundsätzlich anders machen könnte. Wenn die Modelle so clever werden, dass sie erkennen, dass Firmen in einem Muster gefangen sind, könnten sie helfen, daraus auszubrechen. Aber ich denke, das geht noch sehr lange. Und ich habe Mühe, mir vorzustellen, dass generative KI jemals so kreativ wird wie zum Beispiel der Erfinder des Verbrennungsmotors.

Michael Rieger: Da bin ich nicht ganz deiner Meinung. Ich habe kürzlich gelesen, dass generative KI bereits sehr gut darin ist, Empathie zu verstehen und auf Menschen einzugehen. Auch wenn sie morgen und übermorgen noch nicht so kreativ sein wird wie die Ingenieure, die zur Entwicklung des Verbrennungsmotors beigetragen haben, entwickelt sich diese Technologie rasant weiter. Es bleibt spannend zu sehen, wo wir in einem Jahr stehen werden.

(ID:50109528)