Lena Weirauch wird auf der maintenance meets! einen Vortrag zum Thema "Von Tradition zu Innovation: Wie KI Deutschlands Produktion transformiert" halten. (Bild: Ai-omatic)
Was kann KI heute schon in der Instandhaltung leisten? Sind Ihnen (erprobte) Praxisbeispiele bekannt? Stichwort Fachkräftemangel.
Lena Weirauch: KI-Anwendungen können heute schon einen großen Beitrag dazu leisten, die Instandhaltungsprozesse zu optimieren. Das liegt vor allem daran, dass viele Maschinen heutzutage schon vom Hersteller mit einer Handvoll Sensoren ausgerüstet werden und zusätzlich viele Prozessparameter digital erfasst werden.
So fallen bei den meisten Produktionsunternehmen große Datenmengen an. Damit lassen sich dann Modelle trainieren, um zum Beispiel Anomalien in den Maschinendaten aufzudecken, die auf ein mögliches Problem hindeuten.
So lässt sich KI gut dafür nutzen, den Zustand der Maschinen besser im Blick zu haben und somit das Instandhaltungspersonal zu entlasten und Ausfälle frühzeitig zu erkennen und Wartungskosten zu reduzieren.
Zweifelsfrei ist KI ein wichtiger Treiber zur Sicherung der Wettbewerbsfähigkeit in der Wirtschaft und somit auch innerhalb der industriellen Instandhaltung. Stimmen Sie dieser Aussage zu: ‚Die größte Herausforderung besteht aktuell darin, eine passende Lösung an spezielle Rahmenbedingungen der Branche und des Unternehmens anzupassen sowie eine optimale Datengrundlage zu schaffen.‘?
Weirauch: Ja, eine solide Datengrundlage ist entscheidend für eine effektive Predictive Maintenance Lösung. Nur wer die richtigen Daten erhebt, kann wirklich den vollen Nutzen von KI Lösungen erleben. Daher appelliere ich auch an jedes Unternehmen, sich mit diesem Thema zu beschäftigen. Auch stimmt die Aussage, dass Rahmenbedingungen von bestimmten Branchen den Einsatz von Predictive Maintenance Lösungen herausfordernd machen, zum Beispiel bestimmte Sicherheitsanforderungen, vor allem im Bereich kritische Infrastruktur oder in der Pharmaindustrie.
Gründerin Lena Weirauch über ihr KI-Start-up, Predictive Maintenance und ihr Psychologie-Studium
Eine zusätzliche Herausforderung besteht darin, dass die Use Cases so extrem unterschiedlich sind. Es ist natürlich ein Unterschied, ob man einen Elektromotor überwacht oder einen Extruder. Dazu kommen Themen wie Integration mit bestehenden Systemen, denn die Integration von KI-Systemen in vorhandene Instandhaltungsprozesse und -systeme kann komplex sein und erfordert oft erheblichen Aufwand oder das Thema Akzeptanz solcher Lösungen von den Mitarbeiterinnen und Mitarbeitern.
Wagen Sie einen Blick in die Zukunft: Wie kann die Zukunft von KI im Bereich Instandhaltung, Predictive Analytics, Predictive Maintenance oder Machine Learning aussehen, was ist noch möglich in 10, 20 Jahren?
Weirauch: Der wichtigste Punkt ist wahrscheinlich, dass wir eine viel höhere Präzision erreichen werden. KI-Algorithmen werden also immer präziser bei der Vorhersage von Wartungsbedarf und Ausfallzeiten. Das wird vor allem daran liegen, dass die Integration von KI mit dem Internet der Dinge (IoT) zunehmen wird. Sensoren werden noch mehr Daten liefern als jetzt schon, die von KI-Analysen verwendet werden, um noch genauere Vorhersagen zu ermöglichen.
In einigen Branchen könnten außerdem autonome Roboter oder auch Drohnen eingesetzt werden, um Wartungsarbeiten durchzuführen. Diese könnten automatisch, ganz ohne menschlichen Eingriff Probleme erkennen und beheben, was gerade für das Thema Fachkräftemangel entscheidend ist.
Außerdem kann ich mir das Thema Simulation noch spannend vorstellen. KI kann zukünftig verwendet werden, um komplexe Simulationen von Anlagen und Maschinen durchzuführen, um die Auswirkungen von Wartungsstrategien im Voraus zu bewerten und die besten Entscheidungen zu treffen. Das würde ebenfalls die Effizienz bei der Wartung extrem erhöhen.
(Bearbeitet von Anja Ringel und Sabine Königl.)
