Erfolgsfaktor künstliche Intelligenz – immer mehr Maschinenbauer und Startups finden zusammen

Immer mehr Unternehmen im Maschinen- und Anlagenbau setzen auf künstliche Intelligenz (KI), um ihre Produkte mit datenbasierten Mehrwerten anzureichern. Hierbei spielen Startup-Firmen als Kooperationspartner eine immer größere Rolle. In einer Analyse der vergangenen zehn Jahre hat der VDMA zusammen mit dem Datenspezialisten Delphai 825 Startups in 46 Ländern identifiziert, die KI-Lösungen für den Maschinen- und Anlagenbau anbieten. 42 Prozent davon kommen aus Europa – damit übertrumpft der Kontinent in der Anzahl der Gründungen sowohl Nordamerika (33 Prozent) als auch Asien (24 Prozent).
Bild: ©Tierney/stock.adobe.com

Aus der Analyse ergibt sich zudem, dass immer mehr Geld in KI-Startups für den Maschinenbau fließt. Seit dem Jahr 2015 übersteigt hier die Anzahl der Finanzierungsrunden die Anzahl der Gründungen. Knapp 80 Prozent der insgesamt 13,2 Milliarden Euro, die von 2010 bis 2020 weltweit in KI-Startups investiert wurden, entfielen auf den Zeitraum von September 2017 bis September 2020. „Künstliche Intelligenz für den Maschinenbau wird die nächste Stufe der digitalen Transformation. Und dabei kann sich unsere Gründerszene in Europa sehen lassen. Durch den hohen Vernetzungsgrad zwischen regionalen Gründer- und Forschungsnetzwerken mit der vitalen Maschinenbauindustrie ist Europa eine Startup-Schmiede für KI-Innovationen im industriellen Kontext. Deutschland ist dabei Gravitationszentrum in Europa mit mehr als einem Drittel der Startup-Gründungen.“ erläutert Hartmut Rauen, stellvertretender VDMA-Hauptgeschäftsführer. „Unsere starke Maschinenbau 4.0 Domaine zieht an, schafft Dominanz. Als Anwender und Anbieter dieser Startup-Lösungen tragen wir als europäischer Maschinenbau maßgeblich dazu bei, KI breitflächig in die Industrie zu bringen. Damit sind wir bestens positioniert im globalen Wettlauf.“

KI-Startups: Trends für den Maschinenbau im Fokus

Die neue VDMA-Studie ‚Startup-Radar: Künstliche Intelligenz – Navigator durch die globale KI-Startup-Szene für den Maschinen- und Anlagenbau‘ gibt einen Einblick in die KI-Startup-Szene für den Maschinenbau. Darüber hinaus zeigt sie anhand von Praxisbeispielen auch die Bedeutung und die Anwendungspotenziale für die Branche auf. Dabei wird deutlich, dass der Markt der KI-Startups für den Maschinenbau nicht nur durch eine hohe Investment- und Förderdynamik geprägt ist, sondern die Lösungen auch immer stärkeren Einsatz in der Industrie finden.

Schlüsseltechnologie mit breitem Anwendungspotenzial

Wie die Studie weiter zeigt, lassen sich mit künstlicher Intelligenz Effizienzpotenziale in unterschiedlichen Anwendungsfeldern der industriellen Wertschöpfung umsetzen und neue Services und Geschäftsmodelle aufbauen. Dabei zeichnen sich für den Maschinenbau derzeit sechs Innovationscluster in besonderem Maße ab. Diese Innovationscluster umreißen Anwendungsfelder, in denen derzeit ein starkes Gründungsaufkommen verzeichnet werden kann und die von hoher Relevanz für den Maschinen- und Anlagenbau sind:

  • Process Monitoring & Operational Excellence: Datengestützte Überwachung und Optimierung der Produktions- und Geschäftsprozesse mittels digitaler Zwillinge
  • Product Inspection & Quality Control: KI-Lösungen zur Automatisierung der Qualitätssteuerung und -prüfung
  • Predictive Maintenance: KI-basierte vorausschauende Wartung zur Reduzierung ungewollter Stillstandszeiten und Verlängerung der Lebenszyklen betrieblicher Anlagen
  • Autonomous Factory & Process Automation: KI-basierte Automatisierungslösungen und Roboter in und außerhalb der Fabrik
  • Generative Design & Product Simulation: KI-unterstützte Erstellung technischer Entwürfe oder Simulationen von Produktions- und Einsatzumgebungen
  • Supply Chain Intelligence and Demand Forecasting: Optimierung der Lieferketten und Prognose der Produktnachfrage mittels KI

Europa braucht Lösungen für mehr Venture Capital

Obgleich Europa eine gute Wettbewerbsposition bei der Anzahl von innovativen KI-Gründungen für den industriellen Sektor hat, besitzt es Schwächen beim Investitionsökosystem. Die Studie zeigt, dass die USA und China bei der Anzahl von Finanzierungen und den Investitionsvolumina die Spitzenposition innehaben. Von den insgesamt 22 Finanzierungsrunden im dreistelligen Millionenbereich im Erhebungszeitraum 2010 bis 2020 entfielen neun auf chinesische Unternehmen, acht auf amerikanische, zwei auf japanische, und jeweils eine auf ein deutsches (Celonis) und ein israelisches Unternehmen (Innoviz). Europa benötigt daher verstärkt Ansätze, um Corporate Venture Capital in vielversprechende eigene Gründungen fließen zu lassen und damit die europäische Wirtschaft zu stärken. Dies braucht laut der Studie sowohl eine andere Einstellung in den Unternehmen als auch staatliche Maßnahmen zur Förderung des Innovations- und Investitionsökosystems.

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