Wann kann die KI Kosten kalkulieren?

Bild: ©phonlamaiphoto/AdobeStock.com

Technologische Entwicklungen, etwa im Bereich der künstlichen Intelligenz, haben das Potenzial, die Risiken volatiler Weltmärkte zu reduzieren, indem Kosten beeinflussende Veränderungen früh antizipiert werden. Entscheidungen auf Basis statischer Analysen zu treffen, ist in einer digitalisierten Wirtschaft, in der Vernetzung, Echtzeitdaten und Automatisierung immer wichtiger werden, oft nicht mehr zielführend. Das hohe Datenaufkommen macht Analysen komplexer. Hier können KI-Lösungen zum Einsatz kommen, da sie sehr gut wiederholende Tätigkeiten übernehmen können. So wird etwa künftig das Stammdatenmanagement im Einkauf von KI abgedeckt oder der Abgleich eines Vertrags mit den Rechnungen von intelligenten Algorithmen übernommen. Die gesamten Abläufe im Unternehmen werden sich verändern, weil KI die digitalen Geschäftsprozesse vorantreibt – so auch im Kostenmanagement: Predictive Costing, also ‚vorausschauende Kostenkalkulation‘ mit künstlicher Intelligenz, vereinfacht künftig Entscheidungen für eine schnelle Preiskalkulation und -anpassung.

Von Science-Fiction zur Produktkostenkalkulation

Wenn man mit dem Begriff künstliche Intelligenz konfrontiert wird, denken viele wahrscheinlich zunächst an den Kino-Androiden Terminator oder den ‚menschlichen‘ Computer HAL 9000 aus dem Film ‚2001: Odyssee im Weltraum‘. Unmittelbar danach kommen vielen autonome Fahrzeuge, (mit-)denkende Roboter oder vielleicht Predictive Maintenance in den Sinn. Im Zusammenspiel mit den richtigen Daten kann künstliche Intelligenz aber noch viel mehr: etwa die Automatisierung von Geschäftsprozessen. Der Hersteller von Product-Costing-Software Facton geht davon aus, dass dies auch die Produktkostenkalkulation beeinflussen wird.

Zwei Anwendungsfälle

Globale Verflechtungen und disruptive, technologische Neuerungen verkomplizieren Kostenstrukturen und begünstigen Kostentreiber. Deren Abschätzung und Bewertung ließe sich bei den folgenden beiden Anwendungsfällen mit Predictive Costing deutlich verbessern:

Frühzeitige Kostenschätzung (Quick Estimation Module): In einem frühen Projektstadium braucht man eine schnelle Kostenschätzung, ohne eine detaillierte Kostenaufstellung der Fertigungsstückliste vorzunehmen. Nur so können Kostentreiber rechtzeitig erkannt und ausgeschaltet werden. Ein Quick Estimation Module basiert auf intelligenten Algorithmen und bestimmt anhand existierender Unternehmensdaten sowie weiterer Parameter die Produktionskosten. Die Anwendung wird als künstliches, neuronales Netz konzipiert und anhand vorgegebener Beispieldaten trainiert. Das Modul ermöglicht es, Produktstück- oder Fertigungskostenkosten im Design Costing anhand einfacher Parameter zu schätzen und Alternativbewertung sowie Kostenstrukturen transparent darzustellen, ohne eine detaillierte Analyse durchzuführen.

Ausreißer-Analyse in Echtzeit: Global agierende Unternehmen standardisieren ihre Ansätze zur Kostenschätzung so weit wie möglich. Sogenannte Ausreißer bezeichnen einen Datenpunkt, dessen Eigenschaften stark von der Norm abweichen. In Unternehmen kommen Ausreißer bei Kostenschätzungen immer wieder vor, sie sind allerdings bei großen Datenmengen manuell kaum zu erfassen. Mit der intelligenten Ausreißer-Analyse wird ein Werkzeug zur Verfügung gestellt, um die Kostendatenbank des Unternehmens entweder strukturell oder kostenmäßig zu analysieren. So werden Kostenstellen identifiziert, die außerhalb des Standards liegen bzw. nicht den Best Practices entsprechen. Dabei untersuchen Machine Learning-Algorithmen die Daten. Über die Verbindung mit einer automatisierten Echtzeitanalyse werden Ausreißer in einer Kostenschätzung direkt aufgedeckt.

Seiten: 1 2 3Auf einer Seite lesen

Facton GmbH
www.facton.com

Das könnte Sie auch Interessieren

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.