Es ist laut und vor allem ist es heiß in der Kemptener Eisengießerei. Das Metall, bis zu sechs Tonnen Eisen und Schrottteile, blubbert in Schmelztiegeln aus Keramik bei 1500 Grad, bis es aus Gusspfannen funkensprühend in die Formkästen gegossen werden kann. Das ist alles andere als einfach, viele Schritte liegen dazwischen, viele Parameter beeinflussen, ob und wie der Guss gelingt. Mit ihrer langjährigen Erfahrung wissen die Arbeiter, was zu tun ist. Doch wäre es nicht auch gut, diese Parameter, Daten also, zu erfassen und auszuwerten? Das Material ist teuer, besonders aber die Energie. Ein Schmelzofen verbraucht in etwa so viel Strom wie 3200 Vier-Personen-Haushalte. Ließe sich da womöglich etwas einsparen?
Hier wird richtig viel Energie verbraucht: Produktion in der Kemptener Eisengießerei.
(Foto: Kemptener Eisengießerei/Kemptener Eisengießerei)Das dachte sich auch Jean-Pierre Hacquin, IT-Leiter bei dem Allgäuer Mittelständler. Also rief er eine Kooperation mit der örtlichen Hochschule ins Leben. Florian Huber, wissenschaftlicher Mitarbeiter im Bereich Datenwissenschaft an der Hochschule, sah sich dafür zusammen mit den Prozessexperten einige Bereiche des Unternehmens an. Wie etwa die Schmelztiegel. Die halten nur eine gewisse Zeit lang durch, dann entwickeln sich Risse, und es besteht die Gefahr, dass die 1500 Grad heiße Schmelze austritt. Andererseits will man die teuren Tiegel auch nicht zu früh ausmustern. Wann also ist es dafür an der Zeit? Das können sie in Kempten nun mit einem Programm vorausberechnen - die uralte Kulturtechnik des Eisenschmelzens verbunden mit Hightech. Die Software wurde mit Daten gefüttert, die bei wiederholten Messungen an einem Tiegel gewonnen wurden. Sie gibt mithilfe von Algorithmen der künstlichen Intelligenz (KI) zuverlässig an, wann ein Tiegel getauscht werden muss.
So wie in Kempten versuchen derzeit viele Firmen, mithilfe von KI-Software ihre Prozesse zu optimieren. Das wäre in normalen Zeiten schon sinnvoll gewesen. Nun aber, mit dem sprunghaften Anstieg der Energiepreise, ist noch mehr Druck dahinter. Von einem Zukunftsthema wird KI zu einem Hilfsmittel, das ganz konkret dabei unterstützt, Probleme zu lösen. Viele Firmen stehen dabei aber noch am Anfang, und oft hat das mit Daten zu tun, weiß Peter Herweck. Herweck ist Chef des in London beheimateten Software-Unternehmens Aveva, zuvor war er bei den Konzernen Siemens und Schneider Electric. Der Manager ist ein eher nüchterner Mensch, keiner, der mit Modewörtern wie künstliche Intelligenz (KI) oder Machine Learning umherwirft. Nur wenn es darum geht, was man eigentlich alles mit Daten bewirken kann, gerät auch er ins Schwärmen, ein bisschen wenigstens. "Wie eine Goldmine" seien Daten, sagt er, meist stünden zwar genügend Informationen zur Verfügung. "Aber der größte Teil ist ungenutzt." Das will er ändern.
Denn die Kunst ist, die Daten nutzbar zu machen. Das Problem: Die Daten, welche die Maschinen und Produktionsanlagen erzeugen, liegen in aller Regel nicht in einem standardisierten Format vor. Jeder Hersteller kocht sein eigenes Süppchen, und manche, vor allem ältere Anlagen müssen überhaupt erst mit Sensoren nachgerüstet werden. Herwecks Firma ist bereits seit Jahrzehnten in Produktionsanlagen auf der ganzen Welt vertreten, etwa 55 000 sind es derzeit. Ein Schwerpunkt ist die chemische Industrie, eine, die zurzeit viel im Gerede ist. Sie verbraucht große Mengen an Rohstoffen und an Energie und steht von zwei Seiten unter Druck: Zum einen sind da die Energiepreise, die extrem steigen. Zum anderen die Menschheitsaufgabe Klimawandel, die es nötig macht, den Ausstoß von CO₂ zu reduzieren und schonender mit den begrenzten Ressourcen umzugehen.
Ein einziges Windrad hat 1000 Sensoren
Aber warum schaut man sich nicht einfach selbst die Stellschrauben an, dreht die Regler runter? Wenn es nur so simpel wäre. Viele Prozesse, von der Heizungssteuerung in einem großen Mehrfamilienhaus über die Lüftung in einem Schwimmbad bis hin zu Großanlagen der chemischen Industrie sind so komplex, besitzen eine derartige Vielzahl an Stellschrauben, dass es nur mithilfe von KI gelingt, sie nutzbringend zu optimieren. Ausgangspunkt sind immer die Daten, die von Maschinen und Anlagen produziert werden. Alleine ein heute übliches Windrad enthält etwa 1000 Sensoren davon. Unternehmen nutzen vielfältigste Maschinen, die Daten müssen also erst einmal so bearbeitet werden, dass sie sich auch gemeinsam auswerten lassen. Aveva hat dafür eine Art Übersetzungsprogramm für Daten entwickelt.
Denn in den Daten schlummert ein gewaltiges Potenzial. Sie machen es möglich, ein digitales Abbild der Produktionsanlage zu bauen, einen sogenannten digitalen Zwilling. Die Detailtiefe ist so groß, dass beispielsweise auch Dinge wie die historischen Daten des Verhaltens von einzelnen Pumpen mit einfließen, auch die Stromversorgung muss exakt nachgebildet werden. Irgendwann, davon ist Aveva-Chef Herweck überzeugt, werde man mit einer Virtual-Reality-Brille vom Schreibtisch aus die die riesigen Anlagen bis zum letzten Ventil in Echtzeit beobachten können.
Ganz so weit ist es heute noch nicht, aber bei einem Projekt mit dem Chemieunternehmen Covestro zapfte Aveva immerhin die insgesamt 4000 Sensoren einer Produktionsanlage an und entdeckte nach Auswertung der Daten einige Prozesse, die viel zu ineffektiv waren. Nachdem man nachgebessert hatte, sank der CO₂-Ausstoß Aveva zufolge um fast 40 Prozent. Dergleichen hat auch Datenexperte Huber schon erlebt: "Sogar ausgewiesene Prozessexperten sind überrascht, wenn wir anhand unserer Erkenntnisse aus den Daten fragen, ob sie dies oder das schon mal bedacht hätten."
Läuft die Heizung richtig?
Auch in der Wohnungswirtschaft hilft künstliche Intelligenz, Energie zu sparen. Der Energiedienstleister Techem mit Sitz in Eschborn schaltet dort Heizungsanlagen auf einen Leitstand auf und erfährt so zeitnah, wenn eine Anlage ineffizient arbeitet. Dazu müssen allerdings die Sensoren in den Anlagen per Funk mit dem Internet verbunden sein. Über geschützte Verbindungen werden die Daten dann in die Zentrale in Eschborn weitergeleitet.
Obwohl es also schon mehrere Beispiele gibt, bei denen künstliche Intelligenz direkt in den Produktionsprozess integriert ist - der Regelfall ist das nicht. Viele Unternehmen verwenden zwar Software, die erfassen kann, wenn es Zeit wird, ein Werkzeug wegen Verschleißes austauschen, vorausschauende Wartung genannt, "doch da ist noch viel Luft nach oben", sagt Frieder Heieck, Leiter des Technologietransferzentrums Sonthofen, das zur Hochschule Kempten gehört. "Das Modell etabliert sich erst nach und nach." Das Interesse aber ist groß, stellt er immer wieder fest, getrieben von Modewörtern wie KI, auch wenn die realen Projekte oft nur Statistik seien. Echte KI brauche es dann, wenn es etwa darum geht, aus verschiedenen Messungen diejenige zu finden, die für den Anwendungsfall relevant sei.
Die am meisten verwendete KI-Anwendung in Unternehmen ist nach wie vor die Spracherkennung, wie aus einer Studie des Leibniz-Zentrums für Europäische Wirtschaftsforschung hervorgeht. Es folgt Robotic Process Automation (RPA), also Software, die Mitarbeitern Routinejobs abnimmt, zum Beispiel beim Übertragen von Adressdaten von einem in ein anderes Formular. Ziemlich selten wird KI dagegen verwendet, um die Bewegung von Maschinen zu steuern, noch seltener im Marketing oder im Management.
Es gibt viele Gründe dafür, dass KI in deutschen Unternehmen ziemlich am Anfang steht. Noch sind viele Verantwortliche von Unternehmen unsicher, ob und wie KI ihnen eigentlich helfen könnte. Fachkräfte, die sich damit auskennen, sind rar, zudem sind sie teuer. Diese Unentschlossenheit könnte sich rächen, glaubt Dirk Pothen, Vorstandsmitglied beim IT-Dienstleister Adesso, mit etwa 5300 Mitarbeitern einer der großen in Deutschland. "Wer nicht ausreichend KI-Profis hat, wird sich schwertun, von der Technologie zu profitieren." Das Rennen um die KI sei zwar gerade erst eröffnet, aber die Fertigungsbranche dürfe sich nicht in falscher Sicherheit wiegen. Jetzt entscheide sich, wer sich mithilfe von KI in den kommenden Jahren vom Wettbewerb absetzen könne.
