Peter Velat, Valantic KI im Produktionsumfeld: Planung optimieren, Working Capital reduzieren

Erstmals seit der Finanzkrise 2008 rückt das Working Capital wieder in den Fokus. Unternehmen möchten Bestände so gering wie möglich halten, ohne die Lieferfähigkeit zu gefährden. Künstliche Intelligenz kann hier den richtigen Weg weisen. Doch es gibt Hürden.

Mit Hilfe von künstlicher Intelligenz sollen Lagerbestände möglichst klein gehalten werden, ohne Lieferungen aussetzen zu müssen. (Bild: picture alliance / Westend61 | Daniel Ingold)

Viele Unternehmen des Maschinen- und Anlagenbaus stehen angesichts der gegenwärtigen Konjunkturlage vor großen Herausforderungen. Wie eine aktuelle Analyse der internationalen Unternehmensberatung Bain & Company ergab, stehen viele der großen Branchenvertreter in Deutschland, Österreich und der Schweiz auf der Kippe. Demnach litten 28 Prozent der börsennotierten Maschinen- und Anlagenbauer mit über 100 Millionen Euro Umsatz unter hohen Schulden und einer starren Kostenstruktur.

In der KI-Beratung zeichnet sich infolgedessen gerade eine Trendwende ab: Waren die Consultants in den letzten Jahren als Bestands- und Prozessoptimierer vor allem deshalb gefragt, weil produzierende Unternehmen mithilfe von KI-Technologien ihre Lieferfähigkeit erhöhen, Durchlaufzeiten verringern oder mit Blick auf den Fachkräftemangel den Automatisierungsgrad ihrer Produktionsabläufe steigern wollten, so rückt aktuell das Working Capital verstärkt in den Fokus. Dass Unternehmen dieses wieder derart reduzieren wollen, wie wir es gegenwärtig erleben, war zuletzt vor rund 15 Jahren der Fall. Damals löste die platzende Immobilienblase in den USA eine globale Finanzkrise aus.

Mit Blick auf die Planungsprozesse vieler produzierender Unternehmen gilt es derzeit also, Bestände möglichst gering zu halten, auch wenn dies im Zweifel zu Lasten der Lieferfähigkeit geht. Hier können Technologien der Künstlichen Intelligenz einen großen Beitrag leisten und Produktions- und Supply-Chain-Planern bei der Entscheidungsfindung unter die Arme greifen.

Von der Zeitreihenanalyse zum Automated Decision Making

Im Kern geht es seit jeher um die eine Frage: Wann brauche ich als produzierendes Unternehmen welche Ressourcen in welchen Mengen, um meine Aufträge abwickeln zu können? Eine Herausforderung besteht hierbei nicht zuletzt in den Schwankungen der Nachfrage, die eine präzise Vorhaltung von Produktionsmitteln erschweren. KI-Technologien, die mit großen Datenmengen arbeiten können, helfen dabei, entsprechende Trends mit einer hohen Wahrscheinlichkeit vorherzuzusagen und dadurch die Lagerbestände optimal auf den Bedarf auszurichten.

Die Erfahrungswerte, auf die wir im Umfeld produzierender Unternehmen zurückgreifen können, reichen im Grunde bereits Jahrzehnte zurück. Automatische Zeitreihenanalysen mit Datenbereinigung, Abweichungserkennung und selbstlernender Verfahrensauswahl werden schon seit 40 Jahren eingesetzt – etwa im Bereich der Absatz- beziehungsweise Bedarfsprognose. Weiterentwickelte, aber vom Grundprinzip her ähnliche Modelle finden inzwischen auch in Bereichen wie Qualitätssicherung, Wartung, Condition-Monitoring oder Produktentwicklung Anwendung.

Vorhersagemodelle unterschiedlichster Ausprägung haben sich inzwischen über die komplette Supply Chain ausgebreitet.

Beim Automated Decision Making greift die KI dem Menschen unter die Arme, indem sie Vorschläge für eine optimale Beschaffungs- und Produktionsplanung auf den Tisch legt. Algorithmen helfen hier dabei, auf Basis von historischen Auftragsdaten, künftige Bedarfe vorherzusehen und daraus Planungsentscheidungen abzuleiten.

Mit Blick auf die konjunkturelle Lage besteht die Zielsetzung vieler Unternehmen gegenwärtig darin, die Bedarfe und die eigenen Durchlaufzeiten möglichst präzise vorherzusagen, um nur geringe Bestände vorhalten zu müssen und sich schlanker aufzustellen. Auch die Sicherheitsbestände werden mit Stabilisierung der Supply Chains wieder genauer betrachtet. Dies wiederum soll das Working Capital gering halten und die Liquidität erhöhen.

KI-Beratung im Produktionsumfeld: Die diskrete Fertigung holt auf

Generell finden wir im Produktionsumfeld sehr heterogene Ausgangssituationen vor. Während man in der Serienfertigung schon ein recht breites Toolkit sieht und auf viele Best Practices zurückgreifen kann, sind entsprechende Anwendungsbeispiele in der diskreten Fertigung bis dato noch rarer. Doch auch hier sind KI-Technologien inzwischen auf dem Vormarsch, die Nachfrage steigt. Gemeinsam mit namhaften Fertigern haben wir jüngst etwa erfolgreiche Projekte in der Reihenfolgeplanung oder der Personaleinsatzplanung realisiert. Speziell bei geringen Losgrößen ist eine Verknüpfung von unterschiedlichen Datenquellen aus diversen Abteilungen der Unternehmen jedoch eine große Herausforderung, die es zu meistern gilt, um belastbare Datenanalysen durchzuführen.

Die Verknüpfung unterschiedlicher, bestehender Datenquellen erweist sich unserer Erfahrung nach aber nicht selten als zielführender gegenüber einer vorgelagerten Zusammenführung der Daten in einem zentralen System.

Andernfalls kann die Fähigkeit zur fachspezifischen Interpretation der Daten verloren gehen, Analyseergebnisse werden dadurch unbrauchbar bzw. führen zu falschen Entscheidungen.

Ausblick: Neue Datenquellen, neue Chancen

Fest steht: Die Entwicklungen rund um KI-Technologien im Produktionsumfeld werden höchst spannend bleiben. Neue Einsatzfelder ergeben sich hier nicht nur aus den neuen Datenmengen, sondern auch aus alternativen Datenquellen.

So ist etwa von neuen Technologien im Bereich Bilddatenerkennung – sei es bei Mensch-Maschinen-Interaktion oder der Verhaltensanalyse – in den nächsten Jahren einiges zu erwarten. Erkenntnisse aus der Bilderfassung können zum Beispiel die Produktionssicherheit erhöhen: Maschinen werden von Kameras überwacht, die das Bildmaterial an eine Analyse-Software übermitteln. Werden bei der Auswertung der Bilder Muster oder Anomalien erkannt, die auf einen Störfall hindeuten, kann die Produktion automatisch gestoppt werden, ehe ein größerer Schaden entsteht.

Auch Conversational AI ist stark im Kommen: KI-Technologien der Spracherkennung gewinnen als Datenquelle an Bedeutung und werden die Mensch-Maschine-Interaktion nachhaltig beeinflussen. Hier werden wir sicher in Zukunft vermehrt den Einsatz von Bots und Elementen der Sprachsteuerung im produzierenden Gewerbe sehen.

Fazit: Ohne intelligente Produktionsplanung morgen nicht mehr wettbewerbsfähig

Die eingangs erwähnte wirtschaftliche Lage vieler Produktionsunternehmen macht deutlich, wie wichtig eine optimale und nachhaltige Planung für die künftige Wettbewerbsfähigkeit in einem globalisierten Markt ist. Der wachsende Fachkräftemangel erfordert zudem eine erhöhte Automatisierung. Diese zahlt auf kurze Durchlaufzeiten ein – ein weiteres wichtiges Wettbewerbskriterium mit Blick auf die steigenden Kundenerwartungen.

Außerdem gilt es derzeit vermehrt, eine hohe Lieferfähigkeit mit möglichst geringen Beständen in Einklang zu bringen. Dies erfordert eine absolut belastbare Auftrags- und Bedarfsprognose. Die Auswertung großer Mengen von historischen Auftragsdaten, gepaart mit der KI-gestützten Extrapolation auf die Zukunft, kann die Produktionsplanung entscheidend unterstützen.

CONSULTING.aktuell: der Newsletter der Consultingbranche

News +++ Jobs +++ Whitepaper +++ Webinare
Wir beliefern täglich mehr als 4.000 Abonnenten
 

Über die Person

Peter Velat ist Vice President Business Development bei valantic.

Diskutieren Sie mit!     

Noch keine Kommentare zu diesem Artikel. Machen Sie gerne den Anfang!

Um unsere Kommentarfunktion nutzen zu können müssen Sie sich anmelden.

Anmelden

Weitere Highlights auf CONSULTING.de

Editors Choice

alle anzeigen
Bitte warten, Verarbeitung läuft ...