Künstliche Intelligenz in der Produktion

Gemeint sind Verfahren, die in großen Mengen von Fertigungsdaten Muster erkennen und daraus Vorhersagen oder Empfehlungen ableiten. Typische Anwendungen sind die vorausschauende Instandhaltung, die Anomalieerkennung an Maschinen, die Vorhersage von Ausschuss, die Optimierung von Prozessparametern sowie KI-gestützte Reihenfolge- und Bedarfsplanung. Alle diese Anwendungen setzen voraus, dass die entsprechenden Daten über einen längeren Zeitraum erfasst und miteinander verknüpft wurden.

SUPERUS ist ein MES, also ein System zur Erfassung, Verknüpfung und Auswertung von Fertigungsdaten sowie zur Produktionssteuerung. Es liefert damit die Grundlage, auf der KI-Anwendungen aufsetzen. Einige datengestützte Funktionen und Werkzeuge sind bereits enthalten, an weitergehenden Anwendungsfällen arbeiten wir gemeinsam mit Ihnen und implementieren diese.

Neben den reinen Messwerten braucht es vor allem den Kontext und das Ergebnis. Also nicht nur eine Temperaturkurve, sondern die Information, zu welchem Auftrag, Artikel, Werkzeug und welcher Charge sie gehört und ob das Teil am Ende gut war. Ebenso wichtig sind dokumentierte Ereignisse wie tatsächlich eingetretene Ausfälle, kategorisierte Störgründe und durchgeführte Wartungen sowie Reparaturprotokolle, denn daran lernt ein Modell, was ein Vorzeichen war und was nicht.

Das hängt vor allem davon ab, wie häufig das Ereignis auftritt, das vorhergesagt werden soll, denn ein Modell muss genügend Beispiele kennen, um ein Muster zu erkennen. Bei der Ausschussprognose entstehen täglich viele Teile, erste Ergebnisse sind daher oft schon nach wenigen Monaten möglich. Seltene Ereignisse wie ein Lagerschaden, der nur alle paar Jahre auftritt, erfordern eine lange Historie oder einen anderen Ansatz: Die Anomalieerkennung lernt den Normalbetrieb und meldet Abweichungen, ohne dass vorher ein Ausfall aufgetreten sein muss. Spielen saisonale Einflüsse wie die Hallentemperatur eine Rolle, ist mindestens ein volles Jahr sinnvoll.

Einige Anwendungen kommen ganz ohne Vorlaufzeit aus, etwa die automatische Schichtübergabe oder Fragen in natürlicher Sprache an Ihre Produktionsdaten. Und während die Historie wächst, profitieren Sie bereits von klassischen Auswertungen.

Nur sehr begrenzt. Was nie aufgezeichnet wurde, lässt sich nicht rekonstruieren: Wie lange eine Maschine vorletzten Dienstag stand und warum, weiß später niemand mehr genau. Vorhandene Daten aus ERP, Maschinensteuerungen oder Prüfprotokollen lassen sich dagegen häufig übernehmen, und künstlich erzeugte Daten können eine echte Historie ergänzen, aber nicht ersetzen. Entscheidend ist deshalb der Startzeitpunkt der Erfassung: Wer heute beginnt, hat in zwei Jahren die Datenbasis, die andere dann erst aufbauen müssen.

Vorausschauende Instandhaltung bedeutet, den Zeitpunkt einer Wartung nicht nach Kalender oder nach dem Eintritt eines Schadens festzulegen, sondern nach dem tatsächlichen Zustand einer Anlage. Dazu werden laufend Messwerte wie Vibration, Stromaufnahme, Temperatur oder Zykluszeit mit der dokumentierten Ausfallhistorie verglichen. Erkennt das Modell ein bekanntes Vorzeichen, wird gewartet, bevor der Ausfall eintritt.

Eine Grenzwertüberwachung meldet, wenn ein Wert eine feste Schwelle überschreitet. Die Anomalieerkennung lernt stattdessen das normale Verhalten einer Anlage und meldet Abweichungen von diesem Muster, auch dann, wenn alle Einzelwerte noch innerhalb ihrer Grenzen liegen. Damit werden schleichende Veränderungen sichtbar, die einer klassischen Überwachung entgehen.

Nein. Sie entscheiden, wo Ihre KI-Modelle laufen. Viele Anwendungen wie Anomalieerkennung, Ausschussprognosen oder die Abschätzung von Produktionszeiten lassen sich vollständig auf Ihrer eigenen Infrastruktur betreiben, Ihre Daten verlassen dann das Unternehmen nicht. Wer stattdessen leistungsstarke KI-Assistenten aus der Cloud nutzen möchte, bindet SUPERUS über unseren MCP-Server an den Anbieter an, der am besten zu ihm passt. Auch eine Kombination ist möglich, etwa lokale Modelle für sensible Prozessdaten und einen Cloud-Assistenten für allgemeine Auswertungen. Gern beraten wir Sie, welcher Weg für Ihre Anwendungsfälle sinnvoll ist.

Ja. SUPERUS bringt einen MCP-Server mit. MCP (Model Context Protocol) ist ein offener Standard, über den KI-Assistenten direkt auf Ihre Produktionsdaten zugreifen können. Damit binden Sie SUPERUS unter anderem in Claude, ChatGPT, Mistral Le Chat, Gemini Enterprise und Microsoft Copilot Studio ein und stellen Ihre Fragen in natürlicher Sprache, etwa: „Warum stand Linie 3 gestern so lange still?“ Welche Funktionen zur Verfügung stehen, hängt vom jeweiligen Anbieter und Tarif ab. Gern beraten wir Sie, welcher Assistent am besten zu Ihrem Unternehmen passt.

Ja, und das ist der wichtigste Punkt. Die Erfassung rechnet sich bereits ohne jedes Modell: durch die Analyse von Verlustzeiten, belastbare Kennzahlen, verursachungsgerechte Nachkalkulation, Rückverfolgbarkeit und Wartung nach tatsächlicher Beanspruchung. Die Datenbasis für spätere KI-Anwendungen entsteht dabei als Nebenprodukt.

Ja. Das Alter einer Maschine entscheidet nicht darüber, ob sie Daten liefern kann. Wo keine moderne Steuerung und keine Schnittstelle vorhanden ist, greifen wir die Signale direkt an der vorhandenen Sensorik ab und rüsten bei Bedarf weitere Sensoren nach. Gerade bei älteren Anlagen lohnt sich das: Ersatzteile sind oft schwer zu beschaffen, das Wissen über ihre Eigenheiten liegt bei wenigen Mitarbeitern, und in Auswertungen tauchen sie bisher kaum auf. Mit den erfassten Daten erkennen Sie frühzeitig, wann Wartung nötig ist, verlängern die Lebensdauer Ihrer Anlagen und planen Ersatzinvestitionen auf Basis von Fakten.

Nach heutigem Stand nicht. Modelle liefern Hinweise, Wahrscheinlichkeiten und Vorschläge, sie treffen keine Entscheidungen mit Verantwortung. Der Nutzen liegt darin, dass Fachkräfte ihre Aufmerksamkeit auf die richtigen Stellen richten können, statt sie über die gesamte Halle zu verteilen. Erfahrung wird dadurch nicht überflüssig, sondern gezielter einsetzbar.

Eine pauschale Zahl wäre unseriös, denn die Kosten hängen vor allem von drei Faktoren ab: von Ihrer Datenlage, vom gewählten Anwendungsfall und davon, ob die Modelle lokal oder in der Cloud laufen. Wer bereits Produktionsdaten mit Kontext erfasst, startet deutlich günstiger als ein Betrieb, der die Datenbasis erst aufbauen muss.

Zudem lassen sich viele Vorhaben fördern. Auf Bundesebene kommen etwa zinsgünstige Digitalisierungskredite der KfW, Zuschüsse zur Beratung oder bei echten Forschungs- und Entwicklungsvorhaben das Zentrale Innovationsprogramm Mittelstand (ZIM) und die steuerliche Forschungszulage infrage. Hinzu kommen Programme der Bundesländer, die teilweise gezielt KI-Projekte bezuschussen. Da sich die Förderlandschaft häufig ändert, prüfen wir gern gemeinsam mit Ihnen, welche Programme für Ihr Vorhaben aktuell in Betracht kommen.

Mit einer Bestandsaufnahme, nicht mit einer Software. Wir sehen uns an, welche Daten heute entstehen und welche davon erhalten bleiben, und klären gemeinsam, welche Frage Sie später beantworten möchten. Daraus ergibt sich, welche Daten erfasst werden sollten und in welcher Reihenfolge vorzugehen ist.