Ein stillstehendes Fließband kostet ein Automobilwerk mit jeder Minute Geld, weil Personal, Maschinen und die gesamte Lieferkette weiterlaufen, ohne dass ein Fahrzeug die Linie verlässt. Künstliche Intelligenz (KI) verschiebt in der Produktion vor allem einen Zeitpunkt. Ein Defekt fällt jetzt auf, bevor er zum Stillstand führt, nicht erst danach.
Vorausschauende Wartung erkennt Störungen im Voraus
Predictive Maintenance, zu Deutsch vorausschauende Wartung, bezeichnet Systeme, die aus laufenden Maschinendaten erkennen, wann ein Bauteil wahrscheinlich ausfällt, und die Wartung genau dorthin legen. Im BMW-Werk Regensburg überwacht ein KI-gestütztes System seit einigen Jahren die Fördertechnik in der Fahrzeugmontage. Es wertet Daten aus, die Schweißzangen und Förderanlagen ohnehin schon liefern. Zusätzliche Sensoren sind dafür nicht nötig. Die Algorithmen erkennen Abweichungen vom normalen Betrieb und melden sie, bevor daraus ein Ausfall wird. Nach Angaben der BMW Group vermeidet das System dadurch im Schnitt mehr als 500 Störminuten pro Jahr allein in diesem Werk.
Generative KI unterstützt jetzt auch die Wartungsplanung
Siemens hat sein Predictive-Maintenance-Produkt Senseye um generative KI erweitert. Die neue Funktion durchsucht das vorhandene Wissen aus Handbüchern, früheren Störungsfällen und Wartungsprotokollen und schlägt dem Wartungsteam die passende Vorgehensweise vor, sobald eine Anomalie gemeldet wird. Der Unterschied zur klassischen Version liegt im Detail. Früher zeigte das System nur, dass etwas nicht stimmt. Jetzt liefert es zusätzlich einen Vorschlag, was konkret zu tun ist, formuliert in normaler Sprache statt in einer Fehlercode-Tabelle.
Kamerabasierte Systeme prüfen Bauteile schneller als das Auge
Bei der optischen Qualitätskontrolle vergleichen Kamerasysteme jedes gefertigte Teil in Echtzeit mit hinterlegten Referenzbildern und melden Abweichungen sofort, statt wie bei einer Stichprobenprüfung nur einen Teil der Produktion zu erfassen. Verbreitet ist das Verfahren inzwischen in der Automobil- und Elektronikfertigung, wo enge Toleranzen gelten und ein übersehener Fehler erst beim Endkunden auffallen würde. Der Vorteil gegenüber einer manuellen Prüfung liegt in der Konstanz: Eine Kamera ermüdet nicht und prüft die tausendste Einheit einer Schicht genauso genau wie die erste.
Wer die Investition trägt und wer davon profitiert
Ein System wie das in Regensburg braucht historische Maschinendaten, eine Cloud-Anbindung und Fachleute, die die gemeldeten Anomalien einordnen können. Diese Investition zahlt sich für den Hersteller aus, sobald die vermiedenen Stillstandkosten die laufenden Kosten des Systems übersteigen; bei einer Automobilfertigung mit ihren hohen Stillstandkosten ist diese Schwelle schnell erreicht. Für die Beschäftigten in der Instandhaltung verschiebt sich dabei die Aufgabe. Statt nach festem Zeitplan zu kontrollieren, beurteilen sie jetzt vor allem die Meldungen, die das System liefert. Ob sich das für ein einzelnes Unternehmen lohnt, hängt vor allem davon ab, wie viele historische Daten bereits vorliegen, denn ohne eine ausreichende Datenbasis kann ein KI-Modell keine verlässlichen Muster erkennen.
Häufig gestellte Fragen
Wie viele Störminuten vermeidet das KI-System im BMW-Werk Regensburg?
Nach Angaben der BMW Group vermeidet das KI-gestützte Wartungssystem im Werk Regensburg im Schnitt mehr als 500 Störminuten pro Jahr, indem es Daten auswertet, die Schweißzangen und Förderanlagen ohnehin schon liefern. Zusätzliche Sensoren sind für das System nicht nötig.
Was hat sich bei Siemens Senseye durch generative KI verändert?
Siemens hat sein Predictive-Maintenance-Produkt Senseye um eine generative KI-Funktion erweitert, die Handbücher, frühere Störungsfälle und Wartungsprotokolle durchsucht und dem Wartungsteam eine passende Vorgehensweise vorschlägt, sobald eine Anomalie gemeldet wird. Früher zeigte das System nur, dass etwas nicht stimmt, jetzt liefert es zusätzlich einen in normaler Sprache formulierten Vorschlag.
Wovon hängt es ab, ob sich vorausschauende Wartung für ein Unternehmen lohnt?
Die Investition zahlt sich aus, sobald die vermiedenen Stillstandkosten die laufenden Kosten des Systems übersteigen, was bei einer Automobilfertigung mit ihren hohen Stillstandkosten schnell der Fall ist. Entscheidend ist außerdem, wie viele historische Maschinendaten bereits vorliegen, denn ohne eine ausreichende Datenbasis kann ein KI-Modell keine verlässlichen Muster erkennen.
Was bringt kamerabasierte Qualitätskontrolle gegenüber einer manuellen Prüfung?
Kamerasysteme vergleichen jedes gefertigte Teil in Echtzeit mit hinterlegten Referenzbildern und melden Abweichungen sofort, statt wie bei einer Stichprobenprüfung nur einen Teil der Produktion zu erfassen. Der Vorteil gegenüber einer manuellen Prüfung liegt in der Konstanz, denn eine Kamera ermüdet nicht und prüft die tausendste Einheit einer Schicht genauso genau wie die erste.