Einige scheinen die Schnittstelle bereits gefunden zu haben. Der Einsatz von Künstlicher Intelligenz in Geschäftsabläufen hat positive Auswirkungen auf die gesamte Nachhaltigkeit des Unternehmens (Schulzki-Haddouti, o.J.).

In der Industrie wird Machine Learning genutzt, um Ereignisse vorherzusagen, die korrigiert, angepasst oder sogar vermieden werden können. Dadurch lassen sich Effizienz steigern und Ressourcenverschwendung reduzieren. Laut einer Studie von Jochen Flasbarth und Martin Vogt vom VDI Zentrum Ressourceneffizienz nutzen 42 Prozent der befragten Unternehmen KI-basierte Lösungen in ihren Produktionsabläufen. Zeit- und Kosteneinsparungen sowie Qualitätsverbesserungen scheinen die Hauptgründe dafür zu sein. Zudem sehen fast alle ein relevantes Umweltpotenzial zur Einsparung von Energie und Material (VDI ZRE, 2021).

Haben Sie als Unternehmer bereits darüber nachgedacht? Wie sieht Ihre Klimastrategie aus, und könnte Digitalisierung die Lösung sein, um gleich zwei Herausforderungen auf einmal zu meistern?

In den folgenden Absätzen zeigen wir Ihnen zwei Praxisbeispiele für den Einsatz von KI in der Industrie, die sowohl die Ressourceneffizienz als auch die Kosteneffizienz steigern können.

Um Produktionskosten zu sparen und den Energieverbrauch zu senken, haben einige Unternehmen Machine Learning in ihre Betriebsabläufe integriert. Die Studie "Potenziale der schwachen Künstlichen Intelligenz für die betriebliche Ressourceneffizienz" des VDI ZRE analysiert anhand von Praxisbeispielen die Auswirkungen von Künstlicher Intelligenz auf die Ressourceneinsparung von Unternehmen.

Predictive Maintenance ist ein bewährtes Ergebnis des Einsatzes von KI in der Produktion. Ziel der Studie war es herauszufinden, ob Predictive Maintenance bei Fräsmaschinen positive Auswirkungen auf die Stahlproduktion hat.

Da der Fräskopf einer Fräsmaschine einen hohen Verschleiß aufweist, leidet die Präzision des Schnitts, was sich wiederum auf die Qualität auswirkt und zu mehr Ausschuss führt. Mit Hilfe von KI wird der Zustand der Komponenten überwacht und die verbleibende Lebensdauer der Maschine ermittelt.

Das Ergebnis sind höhere Zuverlässigkeit, geringere Abweichungen und Echtzeit-Erkennung von Anomalien. Die Produktionsanlage verzeichnete weniger Materialausschuss dank der frühzeitigen Erkennung von Ungenauigkeiten. Zudem wurden durch die erhöhte Schnittpräzision zusätzliche Bearbeitungsschritte vermieden, was Energie und Material einsparte. Dies führte auch zu einer Reduzierung der CO2-Emissionen des Unternehmens.

Ein weiteres Beispiel für Predictive Maintenance kommt aus der Automobilbranche, wo ein führender Fahrzeughersteller immer wieder mit Getriebeschäden zu kämpfen hatte. Auf der Suche nach einer Lösung zur rechtzeitigen Vorhersage solcher Störungen stieß das Unternehmen auf craftworks. Ziel war es, die hohen Garantiekosten und die Unzufriedenheit der Kunden zu reduzieren.

Da die Getriebeschäden meist erst nach Inbetriebnahme der Fahrzeuge auftraten, führten sie zu höheren Kosten und zusätzlichen CO2-Emissionen durch den Transport der Fahrzeuge in die Werkstatt. Wir haben diese Herausforderung angenommen, und unser Data Scientist, Tatevik Gharagyozyan, begann an einer Lösung zu arbeiten. Das Ziel war klar: ein System zur frühzeitigen Erkennung von Getriebeschäden, damit der Hersteller präventive Maßnahmen ergreifen und Pannen vermeiden kann. Für den Proof of Concept (PoC) stellte das Unternehmen Betriebsdaten aus einem Zeitraum von zehn Jahren zur Verfügung, die für die Entwicklung eines Predictive-Maintenance-Modells genutzt wurden. Das Modell konnte in 60 Prozent der Fälle Ausfälle erfolgreich vorhersagen. Eine höhere Datenqualität hätte die Modellgenauigkeit weiter verbessert, dennoch waren die Ergebnisse für den Hersteller äußerst positiv. Neben der Reduzierung von Garantiekosten konnte das Unternehmen auch seine CO2-Emissionen verringern.

In einer weiteren Branche hat craftworks ein Predictive-Maintenance-Projekt mit einem der größten Energieversorger Österreichs umgesetzt. Etwa 50 Prozent des Gesamtenergieverbrauchs entfallen auf Wärme, und das Unternehmen stellt die Heizungsinfrastruktur im gesamten Stadtgebiet von Wien bereit. Die Inspektions- und Wartungsarbeiten werden von spezialisierten Mitarbeitern auf dem Unternehmensgelände durchgeführt. Zu Beginn des Projekts gab es bereits ein automatisches Warnsystem, das Störungen meldete, jedoch keine Angaben zur Schwere der Probleme machte. Das bedeutete, dass jede Warnung untersucht werden musste, wodurch das Wartungspersonal regelmäßig seine laufenden Arbeiten unterbrechen musste. Diese Ineffizienz führte zu Zeitverschwendung. Auf der Suche nach einer Lösung zur Steigerung der Effizienz wandte sich der Energieversorger an uns. Unser Lead Data Scientist, Daniel Ressi, übernahm das Projekt und begann, eine Lösung zu entwickeln.

Unser Konzept bestand darin, ein Modell zu entwickeln, das vorhersagt, ob innerhalb eines festgelegten Zeitfensters eine Störung auftreten wird. Ergänzend dazu implementierten wir ein weiteres Modell, das die Art der Störung identifiziert, sobald das erste Modell eine hohe Störungswahrscheinlichkeit prognostiziert. Solche KI-Technologien ermöglichen es Unternehmen, unerwünschte Ereignisse präzise vorherzusagen.

Dadurch werden Zeit und Geld gespart und interne Prozesse optimiert. Durch die fortschreitende Digitalisierung der Betriebsabläufe werden zudem umweltfreundliche Ergebnisse in der Produktion und Wartung erzielt, was zur Reduzierung der CO2-Emissionen in der gesamten Lieferkette beiträgt. Damit rücken Unternehmen ihren Nachhaltigkeitszielen einen entscheidenden Schritt näher.

Wie können Sie das in Ihrem Unternehmen umsetzen?

Zunächst einmal müssen Sie sich ein paar Fragen stellen. Für eine erfolgreiche KI-Implementierung benötigen Sie genügend Daten, die auch den Digitalisierungsgrad Ihres Unternehmens bestimmen. (Deloitte Consulting GmbH - Analytics & Cognitiv et al., 2021). Die Nutzung von Big Datasets und die Vorhersage zukünftiger Ereignisse wird durch Künstliche Intelligenz ermöglicht. Die Frage, die sich Unternehmen zu Beginn ihrer KI-Reise stellen, lautet: Welche Budget- und Zeitressourcen benötige ich?

In der Zusammenarbeit mit unseren Kunden haben wir festgestellt, dass es unabhängig von der Höhe des Budgets Zeit braucht, um Expertise aufzubauen. Selbst wenn Sie über die finanziellen Mittel verfügen, um über Nacht ein umfangreiches Data-Science-Team aufzubauen, muss das Team erst lernen, sich auszutauschen, seine Stärken zu finden und zusammenzuarbeiten. In diesem Fall kann die Zusammenarbeit mit einem erfahrenen Partner für KI-Lösungen wie craftworks die Anfangsphase des Projekts enorm beschleunigen. Mit einem umfangreichen Kundenportfolio in der gesamten Branche haben die Data Scientists von craftworks bereits mehrfach alle Facetten von KI-Projekten kennengelernt und wissen, wie sie effizient zusammenarbeiten können - und das sofort.

Nach der erfolgreichen Einrichtung und Inbetriebnahme eines Projekts bei unseren Partnern bietet craftworks einen umfassenden Wissenstransfer sowie Leitlinien zur Weiterentwicklung und Wartung des Projekts. Darüber hinaus hat craftworks navio entwickelt, eine Plattform zur Automatisierung von Machine-Learning-Prozessen. Dank der benutzerfreundlichen Oberfläche von navio können Kunden Machine-Learning-Modelle nahtlos in der gesamten KI-Landschaft ihres Unternehmens implementieren, verwalten und überwachen.

So kann Machine Learning zu einem festen Bestandteil des täglichen Betriebs werden, ohne dass zusätzliche Ressourcen oder spezielle Schulungen erforderlich sind.

Letztendlich kommt es auf die individuellen Bedürfnisse Ihres Unternehmens an. Wir von craftworks bieten Ihnen maßgeschneiderte KI-Lösungen, die auf Ihre Anforderungen und Ihre Branche zugeschnitten sind und mit denen Sie dann selbst weiterarbeiten können. Wir sind stolz darauf, die Ergebnisse unserer Arbeit zu sehen: eine Steigerung der Ressourceneffizienz, die wiederum einen großen Einfluss auf die generelle Nachhaltigkeit eines Unternehmens hat.

Es ist von entscheidender Bedeutung zu erkennen, dass betriebliche Effizienz und Umweltschutz wichtige Themen sind, mit denen sich Unternehmen und politische Entscheidungsträger befassen müssen. Aktuelle Studien und echte Beispiele aus der Industrie haben gezeigt, dass Künstliche Intelligenz wesentlich zur Schaffung eines ressourceneffizienteren Geschäftsumfelds beitragen kann. Das ist besonders relevant für das Streben nach CO2-Neutralität und die Eindämmung der Auswirkungen des Klimawandels.

Die erfolgreiche Implementierung von KI für mehr Nachhaltigkeit erfordert jedoch ein gewisses Maß an Digitalisierung, das durch externe Ressourcen und Kooperationen beschleunigt werden kann. Mit dem zunehmenden Einsatz und der wachsenden Akzeptanz von KI haben Unternehmen, die hier eine Vorreiterrolle einnehmen, die Möglichkeit, durch ihr vorhandenes Know-how einen entscheidenden Wettbewerbsvorteil zu erzielen. Die interdisziplinäre Zusammenarbeit zwischen Data Science, Nachhaltigkeit und Industrie kann somit den Weg zur CO2-Neutralität beschleunigen und eine nachhaltigere Zukunft ermöglichen.

Wir von craftworks arbeiten sowohl mit Unternehmen als auch mit Forschungseinrichtungen zusammen, um die digitale Transformation und Industrie 4.0 zu unterstützen und mit Innovationen in den Bereichen Software, Big Data und Künstliche Intelligenz am Ball zu bleiben.