Deutschland gilt für viele immer noch als die Heimat des Maschinenbaus. Der Verband Deutscher Maschinen- und Anlagenbau (VDMA) betreibt zahlreiche KI-Projekte auf nationaler und regionaler Ebene. Es veröffentlicht zahlreiche White Papers zum Thema KI und organisiert zahlreiche KI-Symposien, Konferenzen und Tagungen. Gleiches gilt für die gesamte deutsche Industrie, vertreten durch den Bundesverband der Industrie (BDI). Beide Verbände bieten außerdem eine Reihe von Lehrplänen und Anreizen für die nächste Generation zu Themen mit KI an. Ein außerirdischer Beobachter würde zu dem Schluss kommen, dass KI hierzulande längst angekommen ist. Das ist jedoch keineswegs der Fall.
„German Angst“ ist zurück...
Warum ist Deutschlands verarbeitende Industrie so zögerlich? Das Phänomen hat nichts mit der Pandemie, der russischen Invasion in der Ukraine, der Lieferkettenproblematik oder der gefürchteten Energiekrise im kommenden Herbst und Winter zu tun. Schon bevor diese Krisen nacheinander auftraten, konnte man in Deutschland viele Accelerator-Programme beobachten – „Pilotprojekte“ von Unternehmen. Aber nachdem die Piloten fertig waren, folgte nichts. Nochmals: Warum?
Unsere Erfahrung als führendes Start-up in diesem Bereich lässt sich in einer einfachen Formel zusammenfassen: FOMO, Angst, etwas zu verpassen. Unter Deutschlands Herstellern grassiert die FOMO-Welle. Aber das fragwürdige Rezept gegen diese Krankheit besagt nicht: „Machen Sie es (endlich)“. Es heißt: „Lasst uns abwarten.“ Nun könnte man argumentieren, dass diese Angst das Ergebnis des fast sprichwörtlichen Konservatismus der meisten deutschen Hersteller ist. Warum zu den First Movern gehören? Oft ist es klüger, die ersten Fehler anderen zu überlassen und dann durch die Vermeidung dieser Fehler Marktführer zu werden. Wenn es um KI geht, ist diese Strategie jedoch grundsätzlich falsch. Industrielle KI erfordert wie Algorithmen ständiges Lernen, um an die Spitze zu gelangen. Wer zu spät einsteigt, läuft definitiv Gefahr, endgültig ins Hintertreffen zu geraten.
...Und der Grund könnte Faulheit sein - sorry
Keine KPIs
Um den ROI für eine Investition in KI-basierte Technologie angeben zu können, würden Unternehmen dies tun benötigen Kennzahlen, die aussagen, wie viel Ausfallzeiten mit dieser KI im Vergleich zum Status Quo reduziert werden könnten, wie viel Verschwendung vermieden werden könnte, wie viele Mitarbeiterstunden gewonnen werden könnten, wie viele teure Reklamationen beseitigt werden könnten oder wie viel zusätzlicher Umsatz möglich wäre generiert. Solche KPIs sind nicht verfügbar. Nun zum dritten Mal: Warum? Wir vermuten, dass es im Wesentlichen zwei Hauptgründe gibt, die das Phänomen erklären.
1. „Das haben wir schon immer so gemacht“
Wenn ich nicht weiß, welchen Nutzen eine bestimmte Maßnahme hat, wie viel ich sparen oder gewinnen kann, dann fange ich gar nicht erst an damit. Deshalb werden Angebote von KI-Anbietern in der Regel mit freundlichem Interesse gelesen, bevor sie im Papierkorb landen. Fertigungslinien verfügen in der Regel über eine Reihe von Supportlinien, die sich um die Arbeit kümmern, wenn etwas nicht so läuft, wie es sollte. Unterstützt werden sie durch „die“ Qualitätssicherung und „die“ Instandhaltungsmitarbeiter bzw. Zulieferer. Ihre Aufgabe ist es, die Qualität der Produkte und Produktionsprozesse sicherzustellen und Ausfallzeiten „schnellstmöglich“ zu beseitigen. So wurde es schon immer gemacht und hat schließlich auch immer ganz gut funktioniert. Wer könnte das bestreiten – ohne KPIs?
Die deutsche Industrie greift mit dieser erzkonservativen Haltung zu kurz, denn immer mehr Wettbewerber aus Ostasien und Amerika praktizieren ein kennzahlengesteuertes Qualitäts-, Wartungs- und Servicemanagement. Sie führen eine 100-prozentige Inline-Qualitätskontrolle durch, selbst in Bereichen, in denen die Vorschriften dies gesetzlich vorschreiben. In Deutschland wird die Binsenweisheit, dass man ohne Benchmarks nichts sinnvoll messen kann, aus purer Bequemlichkeit letztlich übersehen. Sie haben das Wartungs- und Qualitätssicherungspersonal, Sie haben es im Budget, es erledigt seine Arbeit und alles scheint in Ordnung zu sein. Ohne Benchmarks gibt es keine Anreize für Verbesserungen. Man weiß nicht, wo und wie sehr man seine Produktion verbessern könnte. Lieferanten und Mitarbeiter werden sicherlich keinen Anreiz haben, ihre eigene Leistung anhand von KPIs zu vergleichen.
2. „Think big“ ist eine Voraussetzung für echte Fortschritte in der industriellen KI
Ein ganz anderer, zweiter Grund für die industrielle KI-Müdigkeit Deutschlands liegt darin, dass die Vorteile der KI-Implementierung in der Regel nicht vorhanden sind werden nach ein oder zwei Beispielanwendungsfällen deutlich. Selbst wenn produzierende Unternehmen tatsächlich über Benchmarks für ihre Maschinenstillstandszeiten, Ausschuss, Reklamationen usw. verfügen, erzielen sie in der Regel nicht die daraus resultierenden endgültigen Vorteile. Wie kommts? Wenn Sie die monetären Kosten und Investitionen der KI-Implementierung mit den daraus resultierenden monetären Vorteilen vergleichen, müssen Sie bedenken, dass die anfänglichen Kosten, die viel Daten-Engineering erfordern, wesentlich höher sind als die Kosten für die zweite, dritte und vierte Implementierung. KI-Kosten und -Investitionen schwanken naturgemäß im Verhältnis zur Anzahl der durchgeführten Projekte. Der ROI ist progressiv. Infolgedessen sorgen „intelligente Fabriken“ zunächst für einen homogenen, aussagekräftigen und KI-fähigen Datenaufbau, bevor sie sich an eigentlichen KI-Projekten beteiligen. Sobald das Setup, bestehend aus Edge-basierten Maschinen- und Sensordaten, installiert ist, können Hersteller alle möglichen KI-Projekte für alle möglichen heterogenen Anwendungsfälle umsetzen. Nur dann können sie im Vergleich zu den Maßstäben des Vor-KI-Zeitalters wirklich attraktive Belohnungen einsammeln.
Unternehmergeist ist der Schlüssel
Industrielle KI, das ist die Quintessenz, ist nur dann profitabel, wenn man nicht aus Angst, etwas zu verpassen, auf „Innovationspiloten“ abzielt. Pilotprojekte können keinen materiellen Nutzen nachweisen, da sie im Vergleich zu den Vorteilen der folgenden Projekte zu viel kosten. Und Piloten machen überhaupt keinen Sinn, solange man keine KPIs vorgibt, mit denen man Kosten und Investitionen vergleichen kann. So einfach ist das. Ja, um KI zu implementieren, muss man ein Risiko eingehen. Aber wenn Sie das meiden, werden Sie etwas verpassen.
Hier also unsere Empfehlung: Sammeln Sie zunächst relevante Daten Ihrer Produktionslinien und erfassen Sie diese mit Bedacht, indem Sie sie für Algorithmen lesbar machen.
Zweitens: Bitte starten Sie die KI nicht mit der Absicht, FOMO anzugreifen, sondern um materielle Gewinne zu erzielen. Versuchen Sie nicht, nicht messbare Vorteile zu testen, sondern eine umfassende Einführung zu planen. Wenn Sie dieses Risiko scheuen, werden Sie früher oder später mit Kosten konfrontiert, deren Sie sich heute vielleicht noch nicht einmal bewusst sind. Ihre Konkurrenten in Asien und Amerika werden nichts dagegen haben.
