KI macht‘s möglich: Kundenwünsche von morgen, schon heute eingeplant

Wie lässt sich die Auftragsabwicklung eines Automobilherstellers optimieren? Im Projekt 'KI-basierte Produktionsplanung und -steuerung' entwickeln IPA-Forscher zusammen mit der Porsche AG smarte Lösungen für die Fertigung der Zukunft. Diese helfen schneller auf Kundenwünsche zu reagieren, Ressourcen und Zeit zu sparen.

Vom Kundenwunsch zur Produktionsplanung in drei Phasen.
Vom Kundenwunsch zur Produktionsplanung in drei Phasen.Bild: Fraunhofer IPA

Sie träumen von einem neuen Auto? Einem sportlichen Modell mit Schaltgetriebe vielleicht? Oder einem Cabrio? Während Sie noch nachdenken, hat Ihnen der Hersteller Ihren Wunsch schon von Weitem angesehen. Er beginnt mit der Produktionsplanung und bestellt bei den Zulieferern die notwendigen Bauteile. Das Szenario klingt nach Science-Fiction, doch bei der Porsche AG könnte das bald Realität sein. Künstliche Intelligenz (KI) macht’s möglich. Mit Hilfe eines ‚Konfigurationsgenerator‘ werden Auftragsdaten der Vergangenheit analysiert, um künftige Kundenbedarfe vorauszusehen. „In ersten Projekten haben wir Erfahrungen mit dem Einsatz von KI sammeln können. Deshalb haben wir uns entschlossen, KI auch in anderen Bereichen der Kundenauftragssteuerung einzusetzen“, sagt Simon Dürr, Projektleiter bei der Porsche AG. „Dafür haben wir einen kompetenten Partner gesucht, der sowohl Erfahrung mit Produktionstechnik, als auch mit KI hat.“ Die Wahl fiel auf das IPA. Im Projekt ‚KI-basierte Produktionsplanung und -steuerung‘ analysieren jetzt die Fraunhofer-Ingenieurinnen und -Ingenieure zusammen mit der Porsche AG die komplette Kundenauftragssteuerung des Automobilherstellers. „Das Ziel ist es, durch einen interdisziplinären Ansatz Probleme aufzudecken, Lösungen zu suchen und dann KI-gestützte Werkzeuge zu entwickeln, die alle Schritte von den Planungsprozessen bis zur Auslieferung der Fahrzeuge an die Kunden abdecken“, erklärt der IPA-Forscher und Projektleiter Dr. Hans-Hermann Wiendahl. Die Entwicklung des ‚Konfigurationsgenerators‘ zur Antizipation von zukünftigen Kundenbedarfen ist nur einer von vielen geplanten Teilschritten. Ein anderer ist die Konzeption und Programmierung einer smarten Software für ‚Matching und Rekalibrierung‘. Sie erweitert die Flexibilität in der Zuordnung von Kunden- und Händleraufträgen zu bereits generierten Konfigurationsobjekten im Planungsbereich sowie die Ableitung des dafür benötigten Materialbedarfs. So können geänderte Kundenwünsche noch realisiert werden, ohne dass es zu Verzögerungen bei der Auslieferung kommt.

Schneller, flexibler und effizienter mit KI

In der ersten Phase des Projekts haben die IPA-Experten die einzelnen Schritte der Auftragsabwicklung, ihr Organisationssystem aber auch die IT-Werkzeuge des Sportwagen-herstellers unter die Lupe genommen. Um herauszufinden, wo es Verbesserungspotenziale gibt, wurde dann die Ist-Analyse mit den Zielen des Herstellers, den Soll-Werten, verglichen. „Aus diesem Vergleich ergeben sich acht Themen für eine künftige IT-Entwicklung, bei der KI helfen kann, bessere Ergebnisse zu erzielen“, betont Wiendahl. Als nächstes wollen die Wissenschaftler analysieren, welche KI-Methoden sich am besten eignen und wie sie sich programmieren lassen. „Mit Hilfe der künstlichen Intelligenz lassen sich Muster erkennen und vorausschauende Computermodelle entwickeln. Diese können grundsätzlich alle Schritte der Kundenauftragssteuerung optimieren“, erklärt Professor Marco Huber, Leiter des Zentrums für Cyber Cognitive Intelligence am Fraunhofer IPA. Nachdem das Team am IPA die geeigneten KI-Algorithmen für die verschiedenen Schritte der Auftragsabwicklung identifiziert und getestet hat, beginnt die dritte und letzte Phase des Projekts: die Überprüfung der Ergebnisse mit Hilfe von Demonstratoren. „Mit diesen Software-Prototypen können wir vorausberechnen, in welchem Maße die KI-gestützte Produktionsplanung die Auftragsabwicklung optimiert“, erläutert Wiendahl. Nach erfolgreicher Validierung der Konzepte und Prototypen, sollen diese die Grundlage für die Zukunft der Kundenauftragssteuerung werden. „Ziel ist es, nach Abschluss des Projekts im Jahr 2022, die Stabilität der Produktion zu verbessern und gleichzeitig dem Kunden ein Maximum an Flexibilität und Transparenz zu gewährleisten“, sagt Porsche-Projektleiter Dürr.

Fraunhofer-Institut f. Arbeitswirtschaft

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige