Künstliche Intelligenz

Künstliche Intelligenz kann Maschinen die Fähigkeit geben, ihr Verhalten auf Basis von Erfahrungen zu verbessern. In der Industrie werden heute überwiegend Lösungen im Bereich des Machine Learning eingesetzt. Hierbei lernt der Computer aus Daten, ohne explizit für eine konkrete Aufgabe programmiert zu werden. Die KI ist in der Lage, Anomalien z. B. bei Maschinengeräuschen, Produktoberflächen) und Daten zu erkennen und dem Menschen zu signalisieren. Typische Anwendungsfälle liegen im Bereich der Werkerassistenz und Instandhaltung, bei denen schnell auf Abweichungen reagiert werden soll. Die Klassifizierung durch KI wird häufig im Bereich der Qualitätssicherung eingesetzt. Anwendungsfälle einer KI-basierten Prognose finden sich bisher überwiegend im Bereich Instandhaltung (Predictive Maintenance) bzw. Qualitätssicherung (Predictive Quality). Die Prognosefähigkeit wird aber auch im Bereich der Ressourcenplanung eingesetzt (z. B. Prognose von Auftragsendeterminen, Rüstzeiten, Maschinen- und Personalverfügbarkeiten etc.).

„Wir sprechen unsere Kunden auf Augenhöhe an“ Norbert Gronau im Gespräch mit Sanjay Brahmawar, CEO von QAD | Redzone, Hannover Messe

Was braucht es, damit ein globales Softwareunternehmen im deutschsprachigen KMU-Markt wirklich ankommt? Sanjay Brahmawar von QAD bringt dafür eine besondere Perspektive mit: Er kennt Deutschland aus eigener Erfahrung und sieht gerade in der EMEA-Region großes Potenzial. Im Interview spricht er darüber, warum frühere Ansätze oft zu kurz gegriffen haben und was sich jetzt verändert. Im Mittelpunkt steht eine Fertigungsplattform, die ERP konsequent von der Produktion her aufbaut.

Der neue Kollege im Shopfloor KI-Assistenzsysteme stärken Fachkräfte im Mittelstand

Viele mittelständische Produktionsunternehmen können ihre Fertigung noch nicht vollständig automatisieren. Gleichzeitig eröffnen Fortschritte in Robotik und KI neue Möglichkeiten. Intelligente Mensch-Technik-Systeme verbinden menschliche Erfahrung mit digitalen Assistenzsystemen im Shopfloor. Sie unterstützen Mitarbeitende, erleichtern den Zugang zu Wissen und steigern Produktivität sowie Qualität –auch in gewachsenen Produktionsumgebungen.

Vom KI-Pilot zur Produktiv-KI Stabile Plattformen sichern den Praxiserfolg

Viele Industrieunternehmen starten derzeit AI-Initiativen im Shopfloor. Doch zahlreiche Projekte bleiben im Pilotstatus stecken. Der Grund liegt selten im Algorithmus, sondern in instabilen Plattformen, unharmonisierten Produktionsdaten und mangelnder Akzeptanz im Werk. Der Beitrag zeigt, warum stabile Architektur, Datenkonsistenz und Vertrauen im Shopfloor entscheidend sind, damit AI den Weg aus Pilotprojekten in den produktiven Betrieb findet.

Smart Manufacturing und KI-gestützte Führung Wie sich mit der intelligenten Fabrik auch Leadership wandelt

Die Smart Factory mit ihren KI-Anwendungen ist das neue Sinnbild wirtschaftlicher Leistungsfähigkeit. Klar definierte Abläufe, optimierte Prozesse und Roboter, die Einzelteile zu einem Ganzen fügen, prägen dieses Bild. Doch auch die intelligenteste Fabrik bleibt kein selbststeuerndes System. Menschen gestalten sie, treffen Entscheidungen, Prozesse und Prioritäten. Damit wird die Frage nach der Leistungsfähigkeit schnell auch zu einer Frage der Führung.

KI und outcome-basierte Geschäftsmodelle Vom Stolperstein zum Erfolgsfaktor

„Beherrschtes Risiko übersetzt sich in Marge” – industrielle KI revolutioniert diesen Leitsatz. Von CapEx zu OpEx: Geschäftsführer werden Infrastrukturgaranten. Datensouveränität schafft Vertrauen. Predictive Maintenance und digitale Zwillinge meistern Marktrisiken. Digitale Modelle scheitern an Haltung, nicht Technik. Acht Stolperfallen zeigen den Weg zur Wertschöpfung.

Visuelle Anomalieerkennung in der industriellen Praxis Few-Shot Learning und Human-in-the-Loop machen KI praxisreif

Visuelle Anomalieerkennung gilt als Schlüsseltechnologie für die Qualitätssicherung in der Industrie. Doch hohe Datenanforderungen und komplexe Anpassungen erschweren den Praxiseinsatz. Neue KI-Ansätze wie Few-Shot Learning und Human-in-the-Loop kombinieren Effizienz mit Flexibilität und ermöglichen eine nahtlose Verbindung zwischen Forschung und industrieller Anwendung –ein wichtiger Schritt hin zu robusten, selbstlernenden Qualitätssystemen.

Explainable AI – XAI Damit KI nicht nur clever klingt, sondern auch im Business funktioniert

sponsored

Europas Unternehmen investieren massiv in KI. Doch viele KI-Projekte bleiben in der Pilotphase stecken. Nicht, weil die Systeme schlecht sind, sondern weil sich ihre Ergebnisse niemand erklären kann. „Der Algorithmus hat’s gesagt“ ist keine Basis für teure Entscheidungen. Backwell Tech hat eine KI entwickelt, die nicht nur schlau, sondern auch nachvollziehbar ist. Nur so wird KI zum Marktvorteil.

„KI ersetzt keine Erfahrung – sie macht sie skalierbar!“ Im Gespräch mit Jürgen Schön, Head of Manufacturing Industry GTM EMEA bei ServiceNow

Die Fertigungsindustrie hat große Fortschritte bei der Einführung von KI gemacht – doch meist bleibt es bei Pilotprojekten. Entscheidend wird nun, KI ganzheitlich entlang der Wertschöpfungskette zu verankern, um echte Wirkung zu erzielen: höhere Produktivität, stabilere Prozesse und weniger Ausschuss. Immer mehr Unternehmen entwickeln konkrete Anwendungsfälle und setzen diese um. KI wird damit vom Experiment zum festen Bestandteil operativer Exzellenz.

Eine menschenzentrierte Revolution in der Fertigung Vertrauen, Führung und Human by Design im Zeitalter von Agentic AI

Mit dem Eintritt der Fertigung in die Industrie 4.0 verändert der Einsatz von KI und agentenbasierten Technologien die Produktion, die Qualitätskontrolle und die Dynamik der Belegschaft. Der wahre Wert dieser Innovationen liegt jedoch in ihrer Fähigkeit, das menschliche Potenzial zu verstärken, anstatt es zu ersetzen. Ein menschenzentrierter Ansatz ist für die erfolgreiche Integration von KI und agentenbasierten Technologien in der Fertigung unerlässlich.

Souveräne Technologie für kürzere Produktentwicklungszyklen Wie domänenspezifische generative KI Prozesse beschleunigt und Risiken minimiert

Die Automobilindustrie in Europa steht unter Druck: Kürzere Entwicklungszyklen treffen auf zunehmende Systemkomplexität, während regulatorische Anforderungen steigen. Die präzise, möglichst fehlerfreie Verknüpfung von Anforderungen mit Systemarchitektur und Tests wird dabei anspruchsvoller. Konventionelle Methoden stoßen an ihre Grenzen. Domänenspezifische generative KI kann kritische Engineering-Prozesse entlang des V-Modells beschleunigen und Designqualität verbessern.