Künstliche Intelligenz: Potenzial für die Automobilindustrie

Künstliche Intelligenz: Potenzial für die Automobilindustrie

Kosteneinsparungen und eine zusätzliche Wertschöpfung von 215Mrd.US$: Laut der Studie ‘Artificial intelligence – automotive’s new value-creating engine’ der Strategie -und Unternehmensberatung McKinsey bringt der Einsatz Künstlicher Intelligenz eben dieses Potenzial für die Automobilindustrie mit sich.

Im Maximalfall könne dies eine Erhöhung der Rendite um neun Prozent bedeuten. Den größten Beitrag könne dabei das maschinelle Lernen leisten: Im Bereich der Produktion können so bis zu 61Mrd.€ eingespart werden – etwa durch KI-basierte Qualitätskontrolle.

Auch in den Bereichen Einkauf und Intralogistik liegen Potenziale. „Üblicherweise steigern Autohersteller ihre Produktivität jährlich im Schnitt um rund zwei Prozent pro Jahr“, sagt Andreas Tschiesner, Leiter der europäischen Automobilberatung von McKinsey. Maschinelles lernen allein verspreche in den nächsten Jahren ein zusätzliches Produktivitätswachstum von 1,3 Prozent.

KI wird zum Wettbewerbsfaktor

Zudem wird künstliche Intelligenz zu einem Wettbewerbsfaktor für die Hersteller – etwa in Bezug auf autonomes Fahren. Laut McKinsey seien bereits heute fast 70 Prozent der Kunden bereit, aufgrund einer besseren KI-basierten Ausstattung (Assistenzsysteme) die Marke zu wechseln. „Es ist wichtig, die für KI notwendigen Fähigkeiten jetzt aufzubauen und die Transformation einzuleiten“, sagt McKinsey-Partner Matthias Kässer. Der Erfolg hänge von vier Faktoren ab:

  • Vorhandene Daten sammeln und aufbereiten: Unternehmen sollten Daten sammeln und harmonisieren.
  • Partner-Ökosystem managen: Partnerschaften mit Technologieunternehmen helfen den Automobilherstellern, Entwicklungen schneller voranzutreiben und verringern den eigenen Investitionsbedarf.
  • Ein KI-Betriebssystem etablieren: Für die Auswertung der großen Datenmengen müssen die Grundlagen im IT-Bereich geschaffen werden. Diese sollten standardisiert und gegebenenfalls auch für Drittanbieter geöffnet werden.
  • Fähigkeiten und Teams aufbauen: KI-basierte Projekte können durch eigens dafür eingerichtete Einheiten innerhalb des Unternehmens besser vorangetrieben werden. Dabei ist auch der Einsatz von Spezialisten notwendig.
Thematik: Newsarchiv
|
Ausgabe:
McKinsey & Company, Inc.
www.mckinsey.de

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