Industrie
KI im echten Werksbetrieb
Einkauf und Produktion werden in einer Excel-Tabelle geplant, die Historie, Vertriebsgefühl und „was wir letztes Jahr gemacht haben“ vermischt. Ergebnis: Überbestände oder Engpässe bei wichtigen Artikeln.
Maschinen fallen aus, Linien stehen still, Techniker werden gerufen. Die Kosten ungeplanter Stillstände bleiben das Top-Thema im monatlichen Führungskreis.
Fehlerhafte Chargen fallen erst am Ende der Linie auf – oder schlimmer, durch eine Kundenreklamation. Die Prozessdaten enthalten die Ursachen, aber niemand liest sie in Echtzeit.
Wochen- und Monatsabschlüsse erfordern manuelle Konsolidierung über mehrere Systeme. Wenn die Geschäftsleitung die Zahlen sieht, lässt sich nicht mehr darauf reagieren.
01
Modelle, die Ihre Absatzhistorie mit Saisonalität, Kalender und externen Signalen (Rohstoffpreise, Wetter, Feiertage) verbinden. Der Einkauf hört auf zu raten.
Was sich ändert
Typischerweise 20–35 % weniger Überbestand. Engpässe bei wichtigen Artikeln sinken um 40–60 %. Einkaufsentscheidungen fallen Wochen früher als mit dem manuellen Modell.
02
Modelle lernen das normale Verhalten der Linie – Temperaturen, Drücke, Taktzeiten, Vibrationen – und schlagen in Echtzeit Alarm, wenn das Muster bricht. Lange bevor der Bediener es merkt oder die Charge verdorben ist.
Was sich ändert
Fehler werden im Prozess erkannt, nicht im Nachhinein. Messbar weniger Ausschuss und Reklamationen. Ursachen mit Daten belegt statt „Hypothesen des Schichtleiters“.
03
Auf Basis der Ausfallhistorie und der Telemetrie kritischer Anlagen schätzen Modelle das wahrscheinliche Ausfallfenster. Wartung wird vor dem Stillstand geplant – nicht danach.
Was sich ändert
Ungeplante Stillstände sinken an den betreffenden Anlagen um 20–40 %. Die gesamten Wartungskosten sinken, weil Notfälle vermieden werden.
04
Für Werke mit vielen Artikeln und Kapazitätsgrenzen: wöchentliche Vorschläge für den Produktionsmix unter Berücksichtigung von Marge, Lieferterminen, Rohstoffen und Auslastung. Der Mensch entscheidet; das Modell liefert eine datenbasierte Grundlage.
Was sich ändert
Bessere Margen durch bessere Mix-Entscheidungen. Weniger unnötige Rüstwechsel. Termine werden ohne Überproduktion gehalten.
05
Eine zentrale Sicht auf OEE, Qualität, Kosten und Plan vs. Ist, gespeist aus den bestehenden Systemen (MES, ERP, Sensoren). Die Geschäftsleitung sieht den Betrieb dann, wenn es zählt – nicht erst zum Monatsende.
Was sich ändert
Entscheidungen, die eine Woche brauchten, fallen am selben Tag. Besprechungen laufen mit aktuellen Daten – keine Montagspräsentationen mehr mit den Zahlen vom letzten Donnerstag.
3–4 Wochen
Audit der Betriebssysteme, der Datenverfügbarkeit und der kritischen Prozesse. Wir identifizieren die 2–3 Anwendungsfälle mit dem besten ROI über 12 Monate für Ihr Werk.
8–14 Wochen
Durchgängige Umsetzung eines Anwendungsfalls (Prognose, Anomalien, vorausschauende Wartung) in einem abgegrenzten Bereich – eine Linie, ein Schlüsselartikel oder eine Anlagenfamilie.
6–9 Monate
Für Industriegruppen, die mehrere Anwendungsfälle auf einer gemeinsamen, laufend aktualisierten Daten- und Modellebene bündeln wollen.
Nein. Sie brauchen einige Daten. Unser erstes Audit zeigt, ob Ihre Daten einen Anwendungsfall tragen. Oft bestehen die ersten Monate aus Arbeit an der Dateninfrastruktur – und das sagen wir Ihnen vor dem Start, nicht danach.
Das hängt ab. Prognosen mit Jahressaisonalität brauchen 2–3 saubere Jahre. Anomalieerkennung startet mit einigen Wochen Normalbetrieb. Vorausschauende Wartung braucht eine Ausfallhistorie plus Telemetrie. Das klären wir in der KI-Readiness-Phase.
Die meisten bieten Reporting mit KI-Etikett. Fragen Sie sich: Treffen Sie dadurch andere Entscheidungen bei Einkauf, Produktion oder Wartung? Wenn nicht, wird deren KI nicht angewendet – meist ein Problem von Einführung oder Konfiguration. Das prüfen wir, bevor Sie etwas Neues kaufen.
Readiness: 6.000–12.000 €. Pilotprojekt für einen Prozess: 30.000–70.000 €. Plattform für mehrere Anwendungsfälle: ab 90.000–180.000 € über mehrere Monate. Die Regel: Jeder investierte Euro braucht einen Business Case mit ROI innerhalb von 18 Monaten.
Eine harte Vorgabe. Wir setzen Architekturen ein, die die Trennung von OT und IT respektieren, bei Bedarf on-premise, und greifen nur kontrolliert, schriftlich vereinbart und rein lesend auf Betriebsnetze zu. Daten verlassen das Werk nur, wenn es gut begründet ist.