Die deutsche Wirtschaft hat einen neuen Spitzenwert beim Einsatz von Industrie-Robotern erreicht: Der operative Bestand stieg auf 259.636 Einheiten – plus 5 % im Vergleich zum Vorjahr. Mit 25.636 neu installierten Robotern wurde 2022 das drittbeste Jahresergebnis erzielt. Die Verkaufszahlen liegen mit minus 1 % nur knapp hinter dem Vorjahresergebnis. Das Allzeithoch aus dem Jahr 2018 betrug 26.723 Einheiten.

„Der operative Bestand an Industrie-Robotern in Deutschland ist mit einem Anteil von 36% der mit Abstand höchste in der Europäischen Union“, sagt Marina Bill, Präsidentin der International Federation of Robotics. „Der Absatz stieg seit 2017 bis 2022 jedes Jahr durchschnittlich um fünf Prozent.“

Die Automobilindustrie ist traditionell der größte Abnehmer und kommt auf 6.676 Einheiten im Jahr 2022. Damit lag der Absatz um 27 % niedriger als im Vorjahr. In diesem Ergebnis spiegeln sich Lieferkettenprobleme wider: Weil elektronische Bauteile fehlten, mussten mehrere Automobilhersteller die Produktion 2022 vorübergehend einstellen – Investitionen in die Automation wurden entsprechend zurückgestellt.

Die metallverarbeitende Industrie installierte eine neue Höchstzahl von 4.187 Einheiten und erreichte ein Plus von 19 % im Jahr 2022. An dritter Stelle folgen die chemische- und Kunststoffindustrie nahezu auf dem Vorjahresergebnis mit 2.049 installierte Einheiten.

Die Produktion von Industrie-Robotern stieg in Deutschland um 20 % auf 35.616 Einheiten im Jahr 2022 – ein neuer Rekordwert. Dies entsprach 6 % der weltweiten Installationen. Von 2017 bis 2022 wuchs die Produktion von Industrierobotern in Deutschland um durchschnittlich 6 % pro Jahr.

Neue Anbieter drängen seit einigen Jahren auf den Markt, die gezielt kleineren- und mittleren Unternehmen dabei helfen, mit Robotik zu automatisieren. Zum Einsatz kommen beispielsweise Low-Cost-Roboter oder Roboterlösungen, die sich ohne Vorkenntnisse besonders einfach programmieren und bedienen lassen.

Ausblick 

Die deutsche Robotik-Industrie ist stark in das Jahr 2023 gestartet. Die Unternehmen profitieren dabei von der verbesserten Situation in der Lieferkette. Das Umsatzwachstum wird vom Branchenverband VDMA Robotik + Automation für das Gesamtjahr 2023 mit nominal 12 % prognostiziert. Dieser Ausblick berücksichtigt den hohen Auftragsbestand, der die Produktion in diesem Jahr auf hohem Niveau beansprucht, auch wenn der Auftragseingang zurückgeht.

Video: “FACTS about Robots 2023”: https://youtu.be/mtxMYJz4v2Y

Mehr auf: www.ifr.org

Das IFR Statistical Department stellt Branchendaten für folgende statistische Jahrbücher bereit:

World Robotics – Industrieroboter: Dieser einzigartige Bericht liefert weltweite Statistiken über Industrieroboter in einheitlichen Tabellen und ermöglicht aussagefähige Ländervergleiche. Er enthält statistische Daten aus über 40 Ländern, aufgeschlüsselt nach Anwendungsbereichen, Industriesektoren, Roboterarten und anderen technischen und wirtschaftlichen Aspekten. Für ausgewählte Länder sind Produktions-, Export- und Importdaten aufgeführt. Mit der Roboterdichte, d.h. der Anzahl von Robotern je 10.000 Beschäftigten, wird zudem ein Maß für den Automationsgrad angeboten.

World Robotics – Serviceroboter: Dieser einzigartige Bericht liefert weltweite Statistiken über Serviceroboter, Marktanalysen sowie Absatzpotenziale zu Servicerobotern in der betrieblichen und privaten Anwendung.

Aufmacherbild / Quelle / Lizenz

Foto von Pavel Danilyuk: https://www.pexels.com/de-de/foto/kamera-forschung-gerat-innovation-8438976/

Alwin Heerklotz betont: „Unsere Roboter lösen den Schmerz des Fachkräftemangels im Indoor & Outdoor-Warentransport.“

Herr Heerklotz, was ist das Besondere an Ihren Transportrobotern?

Unser Transportroboter Induros basiert auf unserer extrem flexiblen Roboterplattform Innok Heros und anders als fast alle anderen mobilen Roboter sind unsere auch outdoorfähig. Regen, hohe Bodenschwellen, grobe Unebenheiten und Steigungen oder Gefälle sind gar kein Problem. Für alle Anderen nahezu unüberwindbare Hindernisse. Unsere innovative Hybrid Navigation beherrscht den Einsatz rein outdoor, indoor oder kombiniert. Darum setzten z. B. TotalEnergies, Hilti, Infineon, K+S, Daimler oder erfolgreiche Mittelständler auf Innok Robotics.

Welche Anforderungen stehen bei ihren Kunden aktuell besonders im Fokus?

Der Fachkräftemangel ist der gigantische Schmerz, den wir lösen. Fehlendes Personal zieht sich durch alle Branchen und ist in Tätigkeiten wie dem Materialtransport omnipräsent. So wie Aspirin Kopfschmerzen löst, lösen Innok-Roboter den Schmerz des Fachkräftemangels im Indoor- und Outdoor-Warentransport. Unser Kunde Landgard nennt den Induros seinen Mitarbeitenden gegenüber deshalb auch den neuen Kollegen. Die Mitarbeitenden in den Unternehmen sind entsprechend begeistert gegenüber der neuen innovativen Technologie.

Welche Ziele haben Sie sich noch für dieses Jahr gesteckt?

Innok will sich als eindeutiger Marktführer in der Outdoorrobotik etablieren und bei  vielen weiteren Kund:innen in diversen Branchen zeigen, wie vielfältig die Heros-Plattform ist und wo die mobilen Roboter von Innok überall die Produktivität erhöhen können, vor allem in den Bereichen Transport und Logistik, Bewässerung, Inspektion und Überwachung, Bergbau, Bauwirtschaft, Abfallwirtschaft und/oder Green Energy. Gerne arbeiten wir auch mit weiteren Systemintegratoren.

Für welche Anwendungsfälle kann Ihr Outdoorroboter zum Einsatz kommen?
Basierend auf der Innok-eigenen HEROS-Plattform entwickelt Innok Robotics schnell und kosteneffizient AMRs für verschiedenste Anforderungen. Zu den Anwendungsgebieten, in denen unsere Roboter bereits im Einsatz sind, gehören Fabriken, Logistikzentren, Bergwerke oder Ölraffinerien. Doch unserer Plattform sind kaum Grenzen gesetzt. Wir haben auch außergewöhnliche Lösungen wie die Müllentsorgung realisiert. So leert z.B. die Firma Brantner mit einem Roboter auf der Heros Plattform in einer österreichischen Musterhaussiedlung autonom alle Mülleimer.
Klar ist: Sichere und leistungsfähige autonome mobile Roboter werden in den kommenden Jahren und Jahrzehnten im Alltagsleben so normal werden und eine Durchdringung haben wie andere erfolgreiche disruptive Technologien auch, etwa Smartphones.

Inwieweit kann Ihre Plattform auch für die Forschung genutzt werden?
Wir arbeiten hier bereits mit führenden Universitäten, Hochschulen und Forschungseinrichtungen  zusammen. Sehr viele der Einrichtungen, die sich intensiv mit Robotik befassen, haben bereits eine Lösung auf der Innok Heros Plattform von uns für unterschiedlichste Forschungsanwendungen. Die Uni Braunschweig hat z.B. einen 3D Druckkopf auf dem Heros im Einsatz, der ganze Häuser in 3D drucken kann. Unsere Technik finden Sie auch an der RWTH Aachen oder der TU München und anderen Spitzen-Unis – dort oft sogar mehrfach.

Wie navigiert der Roboter und was ist möglich?
Innok Robotics entwickelt voll integrierte AMR-Systeme, die sowohl Software als auch Fahrzeug-Hardware sowie modernste 2D- und 3D-Sensorik auf Basis Künstlicher Intelligenz umfassen. Unsere Software, die Laserscanner und die hochpräzise GPS- Technologie ermöglichen einen vollständig autonomen Betrieb der AMRs in Innen- wie in Außenbereichen. Wir nennen dies Hybrid Navigation. Durch den Einsatz verschiedenster Navigationstechnologien navigieren wir unter allen Bedingungen immer optimal.

Welche Software benötigen Ihre Kunden und wieviel KI und ML sind mit an Bord?
Die einzige „Software“, die unsere Kunden benötigen ist lediglich ein moderner Webbrowser! Dieser ist die Benutzeroberfläche für unsere Autonomiesoftware  Innok Cockpit^TM das auf den Robotern läuft. Das Innok Cockpit basiert grundsätzlich auf ROS (Robot Operating System – ein Branchenstandard). Über Jahre hinweg haben wir auf dieser Basis eine eigenständige Software-Technologie entwickelt, die es auch einem unerfahrenen Anwender ermöglicht, unsere Roboter einfach und intuitiv einzurichten und zu bedienen.
Mit KI und ML arbeiten wir bislang vor allem um den Einchrichtungsvorgang künftig beim Kunden noch weiter zu vereinfach. In Zukunft werden unsere AMRs, die Hardware, Sensorik und Software stark von KI durchdrungen werden.

Welches Marktpotential machen Sie aus für Outdoorroboter?
Innok Robotics gehört zu den Technologieführern im globalen AMR-Markt, dessen Größe aktuell auf ein Volumen von 3 Milliarden US-Dollar beziffert wird. Marktforscher erwarten, dass der Markt im Zuge der Weiterentwicklung der AMR- Technologie und der weiter steigenden Akzeptanz der Markt in den nächsten Jahren um über 50 Prozent wächst. 2026 soll er schon ein Volumen von insgesamt 14 Milliarden Dollar erreichen. Die Unterbereiche in denen Innok Roboter heute im Einsatz sind werden ein Marktpotential von 10 Milliarden Dollar erreichen. Wir wollen uns in den nächsten Jahren daher als eindeutiger Marktführer in der Outdoor Robotik etablieren und peilen 2030 rund 100 Millionen Euro Umsatz an.

www.innok-robotics.de

Dieser Beitrag ist freigegeben unter einer CC-BY-ND 3.0 DE Lizenz
https://creativecommons.org/licenses/by-nd/3.0/de/

Die Bildrechte unterliegen einem gesonderten Urheberrecht.

Herr Dieckelmann, auf was müssen sich Unternehmen beim Thema Smart Manufacturing einstellen?

Smart Manufacturing gewinnt bei Unternehmen zunehmend an Bedeutung. Wer profitabler wachsen, seine Qualität steigern, oder nachhaltiger produzieren will, der kommt an datenbasierter Intelligenz in der Fertigung nicht vorbei. Entscheidend für die vernetzte Produktion ist dabei ein performantes Produktionsleitsystem, also ein Manufacturing Execution System (MES).

Was sind Ihrer Erfahrung nach die Triebfedern für Entscheidungsträger bei der Einführung intelligenter Fertigungslösungen?

Wir führen bei Rockwell Automation hierzu regelmäßig Gespräche mit unseren Kunden. Rund die Hälfte strebt primär eine Verbesserung ihrer Marktposition an. Die Entscheider suchen Wege, flexibler und schneller auf sich ändernde Marktbedingungen reagieren zu können. Aber auch der nachhaltige Umgang mit Ressourcen und eine nachhaltigere, umweltschonendere Produktion sind für viele Unternehmen von großer Relevanz. Mit Smart Manufacturing, der Nutzung des IoT und intelligenten MES-Ansätzen führen wir bei Rockwell die operative Technologie und die Informationstechnologie zusammen, um diesen Herausforderungen zu begegnen und die Effizienz zu steigern.

Worin sehen Sie die zentralen Vorteile einer intelligenteren Fertigung?

Erfolgreich sind unsere Kunden vor allem aufgrund ihrer Kompetenz im Bereich der operativen Technologie. Nicht wenige aber arbeiten noch sehr analog, teilweise sogar noch mit Stift und Papier. Die Vorteile einer MES-Einführung liegen hier natürlich anders, als bei Kunden, die in ihrer digitalen Transformation schon weiter fortgeschritten sind. Ausnahmslos jedes Unternehmen aber gewinnt durch Smart Manufacturing an Flexibilität, was letztlich geringere Kosten, höhere Erträge und zusätzliche Geschäftsmöglichkeiten bedeutet.

Im Porträt: Malte Dieckelmann leitet seit 2021 das Softwaregeschäft für Rockwell Automation in der gesamten EMEA- Region. Er hat Cloud- und Softwaregeschäfte für große Anbieter wie Oracle, Microsoft, IBM und Dassault Systems in Europa und Australien/Neuseeland geleitet. In den letzten 20 Jahren hat Dieckelmann Unternehmen nahezu aller Branchen dabei unterstützt, ihre Bemühun gen zur digitalen Transformation voranzutreiben.

Ob Mittelständler oder Konzern, bei der Einführung von MES beginnen wir häufig mit einer einzigen Anlage bzw. Fertigungslinie. Im Laufe der Zeit wirken sich die Vorteile der MES-Implementierungen auf das ganze Werk oder sogar mehrere Werke aus. Hier ist es wichtig zu überlegen: Was sind die Veränderungen, die Lehren, und die Technologien, die wir in Zukunft in Betracht ziehen müssen, und wie können die Mitarbeiter erfolgreich in diese Transformation eingebunden werden? Weitere Vorteile ergeben sich dann etwa bei der technischen Befähigung durch Augmented Reality, in Anwendungsfällen des Internet of Things (IoT), oder bei Messungen der Betriebseffizienz (OEE und Production Monitoring).

Wie genau kann ein MES zu mehr Kosteneffizienz und zusätzlichen Einnahmequellen führen?

Mit der Einführung profitieren Unternehmen vor allem durch eine Verringerung des Ausschusses. Zudem bekommen sie bessere Einsicht in die Gesamtanlageneffektivität, möglicherweise sogar in Echtzeit. Durch ein neues Level an Flexibilität in der eigenen Produktion werden automatisch Ressourcen freigeschaufelt, die dann andernorts vorteilhaft eingesetzt werden können.

Worin sehen Sie die zentralen Herausforderungen bei einer MES-Einführung und wie beeinflussen diese den gesamten Prozess?

In der Implementierungsphase sind mehrere Ebenen zu beachten. Zentrale Themen vieler Kunden sind dabei Cybersecurity und Datensicherheit. Bei Rockwell Automation setzen wir daher sowohl auf unsere eigene Cybersecurity- Produkt- und Projektkompetenz als auch auf enge Partnerschaften mit Spezialisten wie Claroty, Fortinet oder Cisco.

Viele unserer Kunden profitieren zudem bereits von der Cloud. Wir haben eine großartige Partnerschaft mit Microsoft, die es ermöglicht, die Stärken verschiedener Partner zu kombinieren. Mit „Plex“ bieten wir ein Rockwell-eigenes, cloudbasiertes MES-Produkt an, das einen offenen und ganzheitlichen Ansatz verfolgt.

Wie genau setzen Sie die Cloud und „Plex“ ein, um Ihre Kunden zu unterstützen?

Der Vorteil der Cloud ist, dass ein Großteil unserer Kunden sie bereits nutzt. Alle wichtigen Daten sind an einem zentralen Ort gespeichert und können hier abgerufen werden. „Plex“ ist dabei mehr als nur ein cloudbasiertes MES-System. Es ist erfolgreich, weil es über das „klassische“ MES hinaus, auch Enterprise Ressource Planning, Lieferkettenmanagement, die Überwachung der Anlagenleistung, das Qualitätsmanagement und viele weitere Aspekte für Kunden individuell zusammenführt.

Unternehmen erhalten durch Lösungen wie „Plex“ mehr Informationen und damit tiefere Einblicke in die ­Performance ihrer Anlagen. Das ist besonders wichtig mit Blick auf die Skalierung, wenn sie mehrere Fertigungsanlagen in verschiedenen Ländern be­­treiben. Das Ergebnis ist simpel: Als multinationaler Konzern helfen wir Unternehmen dabei, durch eine intelligentere, zeitgemäße Fertigung Wachs­tum zu generieren und zudem die Vorteile einer bestehenden Cloud-Infrastruktur noch besser zu nutzen. Und das Ganze idealerweise schnell, flexibel und mit viel Industriekompetenz.

www.rockwellautomation.com

Dieser Beitrag ist freigegeben unter einer CC-BY-ND 3.0 DE Lizenz
https://creativecommons.org/licenses/by-nd/3.0/de/

Die Bildrechte unterliegen einem gesonderten Urheberrecht.

Für den Güterverkehr gleicht die Mobilitätswende einem nie dagewesenen Kraftakt. Schon jetzt werden im Jahr mehr als 3,7 Milliarden Tonnen über das deutsche Straßennetz transportiert – und die Tendenz ist weiter steigend. Das wird nicht nur für den Verkehr zunehmend zum Problem. Auch das Klima leidet, denn Studien belegen, dass LKWs für rund 10 Prozent der globalen CO2-Emissionen verantwortlich sind. Dank besserer Technik ist der Ausstoß pro Tonnenkilometer in Deutschland zwar gesunken, da der Güterverkehr auf den Straßen aber zugenommen hat, wurden die Einsparungen laut Umweltbundesamt sogar überkompensiert.

Was es braucht, sind also neue Lösungen, die den bestehenden Lieferketten bei gleichzeitig geringen Emissionen gerecht werden können. Eine Möglichkeit, beides miteinander in Einklang zu bringen, sind Fahrzeuge mit Elektroantrieb. Ihre Anzahl ist allein in den vergangenen zwei Jahren um knapp 80 Prozent gestiegen. Allerdings bringt die alternative Antriebsform auch neue Herausforderungen mit sich, auf die das deutsche Straßennetz schlichtweg noch nicht vorbereitet ist. Daran möchte Scania unbedingt etwas ändern. Der weltweit führenden Anbieter von Transportlösungen führt nicht nur LKWs, Busse sowie Industrie- und Schiffsmotoren im Portfolio, sondern bietet darüber hinaus auch datengestützte Dienstleistungen an, deren Ziel es ist, die Mobilitätswende aktiv voranzutreiben.

Wie groß ist die Reichweite einer Batterie?
Wo müssen zusätzliche Ladesäulen installiert werden?
Und auf welcher Route wird am wenigsten CO2 erzeugt?

Daten sind das Rückgrat der Mobilitätswende

Auf den ersten Blick erscheinen E-LKWs als gute Lösung, um den Güterverkehr auf deutschen Straßen umweltfreundlicher zu gestalten. Wie die vergangenen Jahre eindrucksvoll bewiesen haben, handelt es sich bei den Lieferketten jedoch um extrem fragile Verkettungen einzelner Prozesse, in der sich die wohl wichtigste Komponente nicht ohne Weiteres austauschen lässt. In der Praxis besteht deshalb noch immer ein großer blinder Fleck – und dieser muss zunächst durch eine valide Datengrundlage behoben werden. Wie groß ist die Reichweite einer Batterie? Wo müssen zusätzliche Ladesäulen installiert werden? Und auf welcher Route wird am wenigsten CO2 erzeugt? Bevor eine Logistikflotte, die bisher fossil betrieben wurde, auf elektrische Antriebsformen umgesattelt werden kann, gilt es, all diese offenen Fragestellungen zu klären. Scania ist auf ganz unterschiedliche Weise daran beteiligt, belastbare Antworten auf die Herausforderungen zu finden, die mit der Mobilitätswende einhergehen. Einerseits testet das Unternehmen derzeit den Einsatz autonomer Bergbau-LKWs, andererseits ist es am Bau mehrerer E-Straßen beteiligt, auf denen überprüft wird, inwiefern Oberleitungen einen nachhaltigen Gütertransport in Europa ermöglichen können. Konnektivität spielt dabei eine zentrale Rolle. Schon jetzt betreibt Scania über 600.000 vernetzte Fahrzeuge, über die jeden Tag 150 Millionen Meldungen direkt und nahezu in Echtzeit in die Data Cloud von Snowflake einfließen.

Dezentrale Strukturen gewähren tiefere Erkenntnisse

Um innovative Mobilitätsprojekte umsetzen zu können, sind große Datenmengen allein aber noch lange nicht ausreichend. Entscheidend ist die richtige technologische Grundlage, die dabei hilft, diese zu analysieren und Zusammenhänge zu erkennen, um smarte Handlungsempfehlungen abzuleiten. Hierfür setzt Scania auf ein Data Mesh-Konzept. Normalerweise gibt es nur ein einziges Team, das alle Datenquellen in ein zentrales Depot integriert. Über spezifisches Wissen, das sich auf die unterschiedlichen Abteilungen bezieht, verfügt es in der Regel nicht. Für die Qualität der Daten wird dies allerdings häufig zum Problem.

Bei einem Data Mesh ist das anders. Da es sich hierbei um einen dezentralen Ansatz zur Verwaltung und Bereitstellung von Daten handelt, gibt es mehrere Datenteams, die für die Belange der verschiedenen Abteilungen verantwortlich sind. Aufgrund des fachlichen Wissens, über das die einzelnen Teams verfügen, können die geschäftlichen Zusammenhänge ihrer Abteilung besser nachvollzogen werden, was letztlich dabei hilft, große Datenmengen gewinnbringender – und damit auch ressourcenschonender – einzusetzen.

So wird dank des Data Mesh-Konzepts zum Beispiel ersichtlich, welche Strecken (noch) nicht für Elektro-LKWs geeignet sind oder wie sie das Maximum aus ihrer Batterielaufzeit herausholen können. Auch Wartungen lassen sich besser planen, um Ausfälle und damit auch Störungen der Lieferkette auf ein Minimum zu reduzieren. Scania und Snowflake wissen, dass Erkenntnisse wie diese unverzichtbar sind, um die Mobilitätswende auf eine solide Basis zu stellen. Deshalb helfen sie mit vereinten Kräften dabei, den größtmöglichen Mehrwert aus den verfügbaren Daten zuziehen. Am Ende ist es nur auf diese Weise möglich, den Güterverkehr umweltfreundlicher zu gestalten, während Planbarkeit und Zuverlässigkeit auf einem gewohnt hohen Niveau bleiben.

www.snowflake.com/de/

Im Portrait: Arjan van Staveren ist heute Country Manager Germany bei Snowflake. Er war 2017 der erste deutsche Mitarbeiter beim Data-Cloud-Unternehmen Snowflake. Heute ist er als Country Manager Germany für den deutschen Markt verantwortlich. Vor Snowflake hatte Arjan van Staveren leitende Positionen im Vertrieb bei Microsoft und Bazaarvoice.

Im Gespräch mit Arjan van Staveren

Herr van Staveren, was bedeutet Data Mesh? 

Ein Data Mesh ist ein dezentraler Ansatz zur Verwaltung und Bereitstellung analytischer Daten. Das bedeutet, dass es sich maßgeblich von anderen IT-Strukturen unterscheidet, in denen alle Datenquellen in einem zentralen Depot zusammenfließen. Während hier ein einziges Datenteam für die Integration und Bereitstellung aller Daten verantwortlich ist, zeichnet sich eine Data Mesh-Architektur durch mehrere Datenteams aus. Anstatt große Datenmengen zentral zu verwalten, kümmern sie sich um die Belange einer einzelnen Abteilung, erstellen hier qualitativ hochwertige Datenprodukte und machen diese unternehmensweit zugänglich.

Welche Vorteile haben Konzerne, die auf eine Data Mesh-Architektur setzen? 

Mit einem Data Mesh hat die klassische „One-fits-all“-Lösung endlich ausgedient. Anders als bei einem zentralen Ansatz haben die Datenteams hier nicht nur genügend Zeit, sich auf die Bedürfnisse ihrer jeweiligen Abteilung zu konzentrieren, sondern verfügen bestenfalls bereits im Vorfeld über das fachliche Know-how, das in ihrem Bereich eine besonders wichtige Rolle spielt. So helfen die Datenteams in einem Data Mesh dabei, typische Bottlenecks zu vermeiden und können stattdessen die Datenagilität und -qualität für ihre jeweilige Abteilung dauerhaft verbessern. So bekommen Unternehmen die Chance, abteilungsübergreifend das Maximum aus ihren Daten herauszuholen.

Welche Rolle spielen dabei Cloud-Plattform-Technologien? 

Völlig unabhängig davon, ob ein Unternehmen einen zentralen oder einen dezentralen Ansatz zur Datenverwaltung und -bereitstellung verfolgt – liegt diesem keine skalierbare und leicht zugängliche Cloud-Plattform zugrunde, wird es sich schon bald in einer Sackgasse wiederfinden. Auch wenn es in einem Data Mesh so wirkt, als wären die Abteilungen voneinander isoliert, so besteht das Ziel doch darin, die Daten übergreifend zugänglich zu machen. Dank Technologien wie der Data Cloud von Snowflake ist genau das möglich. Sie bietet branchenübergreifend die ideale Grundlage, um Daten sowohl innerhalb eines Unternehmens, als auch mit externen Parteien wie Geschäftspartner:innen oder Lieferant:innen zu teilen.

Für welche Branchen können Sie Lösungen anbieten?

Vom Handel bis hin zum Finanzsektor: Daten für smartere Entscheidungen heranzuziehen, ist für jede erdenkliche Branche längst unverzichtbar geworden. Während es in der Produktion dadurch zum Beispiel möglich wird, Lieferengpässe bestimmter Rohstoffe rechtzeitig einzukalkulieren, können in der Medizin datenbasiert bessere und individuellere Behandlungsmethoden angeboten werden. Um bestmöglich auf die Bedürfnisse der verschiedenen Branchen eingehen zu können, bietet Snowflake für jede von ihnen eine schlüsselfertige Data Cloud-Lösung, mit der es möglich ist, Daten in unterschiedlichsten Formaten zu integrieren und praktisch nutzbar zu machen.

Gerade das neue ESG-Reporting stellt für viele Unternehmen eine Herausforderung dar. Wie kann Snowflakes Data Cloud hier helfen?

Konkrete ESG-Ziele festzulegen, ist nur der erste Schritt. Um einen breiten Überblick zu gewinnen, ist es wichtig, sowohl auf interne als auch auf externe Datenquellen zuzugreifen – und das ist der Punkt, an dem die Probleme oft beginnen. Da ESG-Daten die unterschiedlichsten Formate aufweisen, ist die Integration und Weiterverarbeitung kompliziert und langwierig. Snowflakes Data Cloud kann helfen, diese Herausforderung zu überwinden und bietet eine dauerhafte Lösung für den nahtlosen Zugriff auf alle intern und extern gewonnenen ESG-Daten. Da sie als Single Source of Truth dient, ist es dank der Data Cloud möglich, große Datenmengen besser zu verstehen und aktiv im Sinne der gesetzten ESG-Ziele zu handeln.

Was können Unternehmen noch tun, um ihre Daten im Sinne der Nachhaltigkeit einzusetzen?

Dass Daten selbst große Mengen an Emissionen produzieren, wird oft vergessen – dabei verursacht schon ein Terabyte, das in der Cloud gespeichert ist, rund 210 Kilogramm CO2 pro Jahr. Das Problem: Auch bei Private Cloud-Lösungen bleibt der Großteil der verfügbaren Ressourcen die meiste Zeit ungenutzt, wenn diese keine Skalierung zulässt. Um nachhaltiger zu handeln, macht es deshalb Sinn, eine Public Cloud und noch besser eine Multi-Tenant-Plattform zu wählen. Damit ist ein System gemeint, das gleichzeitig mehrere Nutzende beziehungsweise Unternehmen bedienen kann. Das hat den Vorteil, dass keine Ressourcen ungenutzt bleiben und jederzeit flexibel skaliert werden kann, wodurch die Umwelt deutlich geschont wird.

Dieser Beitrag ist freigegeben unter einer CC-BY-ND 3.0 DE Lizenz
https://creativecommons.org/licenses/by-nd/3.0/de/

Bitte beachten Sie, dass die Bilder und Motive dem Urherrecht unterliegen.

Autorenvorwort: Der Reiz Teile dieses Textes mit einem KI-Textgenerierungstool zu verfassen oder zumindest zu konzeptionieren, lag unbestreitbar auf der Hand, diesem Reiz wurde widerstanden. In naher Zukunft werden Texte dieser Art wohl die Minderheit darstellen.

Künstliche Intelligenz als (Industrielle) Revolution?

Bereits das Wort „künstliche Intelligenz“ (KI) löst aktuell, auch im industriellen Kontext, den Anschein einer Revolution aus, welche mit dem Ausruf der „Industrie 4.0“ bereits im Jahr 2011 erwartet wurde. Künstliche Intelligenz etwa definiert als „[…] the ability of a digital computer or computer-controlled robot to perform tasks commonly associated with intelligent beings” (vgl. Britannica) ist konzeptionell seit der ersten Revolution und Automatisierungswelle im 18. Jhdt. bekannt. Während jedoch vormalige technologische Revolutionen, wie jene der Automatisierung, die Ersetzbarkeit manueller und kognitiver Routinearbeiten aufzeigten, rüttelt die Künstliche Intelligenz nun erstmals an den noch verbleibenden Nicht-Routine-Arbeiten wie Kreativtätigkeiten, welche als unantastbar menschliche gelten. Sogar Charakteristiken wie Empathie oder Leidenschaft werden neuerdings bereits von Algorithmen ununterscheidbar abgebildet. So bewerteten Empfänger:innen von medizinischen Online-Ratschlägen die Konversationen mit einem KI-Tool als empathischer als jene mit menschlichen Mediziner:innen. Dies zeigt, dass philosophische und ethische Aspekte von KI intensiv zu diskutieren sind, etwa ob KI-generierte Inhalte als solche gekennzeichnet werden müssen. Die Chancen stehen jedenfalls gut, dass wir die Lawine an KI-Lösungen ex-post als Start einer industriellen Revolution bezeichnen werden, wie wir uns diese vom Ausruf der Industrie 4.0 erwartet hätten.

Ist die Industrielle KI im Tal der Tränen?

Der bekannte Gartner Hype Cycle prophezeit für jede Technologie eine Phase überzogener Erwartungen, bevor diese nach einer Bereinigung der Erwartungen (Tal der Tränen) die Phase der produktiven Anwendungen startet und Technologien Einzug in den Mainstream finden.

Im relativ wenig reglementierten Consumer-Bereich durchlaufen Technologien diesen Zyklus schneller als im Industriebereich, wobei digitale und vor allem datenfokussierte Technologien hier die kürzesten Durchlaufzeiten aufweisen. Im Bereich Künstlicher Intelligenz hat die Technologie der sog. „Large Language Models“, in Produktform intelligenter Chatbots auf frei zugänglichen Webseiten, zu einer rekordverdächtigen Technologieadaption im Consumer-Bereich geführt. So wurde die Technologieverbreitung des aktuell dominierenden KI-Chatbots ChatGPT (Chatbot Generative Pre-trained Transformer) zur Erfolgreichsten bis dato, mit 100 Mio. Nutzer:innen in den ersten 2 Monaten. Diese rasante Entwicklung der KI-Technologien im Consumer-Bereich führen zu einer effizienten Bereinigungsphase im Hype Cycle, und es werden Lösungen mit hohem gesellschaftlichem Beitrag, wie Medizin-KI-Chatbots für Personen ohne Zugang zu medizinischen Ressourcen, absehbar.

Im industriellen Umfeld ist vom Hype der aktuellen KI-Tools noch weniger zu vernehmen, und hier durchlaufen KI-Technologien den Hype Cycle mit dem gewohnten „Industrial Pace“, also der vergleichsweise langsameren industriellen Technologieadaption. Hierfür gibt es gute Gründe:

• Anwendungsfokus: Aktuelle „Out-of-the-box“-KI-Tools fokussieren auf Inhalte, welche im Zusammenhang mit Text, Sprache, Bildern oder Videos stehen – also Inhalte des täglichen Lebens. Getrieben ist dieser Fokus vor allem durch die öffentlich zugänglichen Trainingsdaten, welche für die Entwicklung der Lösungen zur Verfügung stehen. Für spezielle industrielle KI-Tools, wie Planungs-KIs für Anlagenplanungen oder Projektmanagement-KIs zur Abwicklung komplexer Bauprojekte, stehen keine ausreichenden Trainingsdaten dieser Qualität zur Verfügung.
• Anforderungstiefe: Industrielle KI-Anwendungen, etwa zu Verbesserung der Energieflusssteuerung in Fabriken, erfordern zum Training von KI-Lösungen individuelle Daten der zu optimierenden Energiekreisläufe. Daten dieser Detailtiefe einzelner industrieller Prozesse sind nicht öffentlich verfügbar, und so können KI-Tools, welche nur mit öffentlich zugänglichen Daten des Internets trainiert werden, hier keine Ergebnisse in ausreichender Qualität liefern.
• Wissenstiefe: Aktuell betreiben gut ausgebildete Fachkräfte industrielle Anlagen und Prozesse. Hier wirkt ein komplexes Zusammenspiel aus Erfahrung, Intuition und Interaktion mit anderen. Dieses Zusammenspiel können aktuelle KI-Lösungen nicht ausreichend gut abbilden. So sind etwa langjährig tätige Instandhaltungsmitarbeiter:innen in der Lage, Ausfälle von Maschinen verblüffend genau abzuschätzen, ohne dafür stets eine rationale Erklärung zu haben. Hier ist aktuell noch ein unverhältnismäßig hoher Aufwand zur Entwicklung von KI-Lösungen erforderlich, um diese Wissenstiefe und letztendlich Effektivität abzubilden.
• Sicherheitsanforderungen: Industrielle Anlagen stellen unweigerlich einen Gefahrenbereich für Menschen dar, in welchem alle Ursachen und deren Auswirkungen bestmöglich kontrolliert werden müssen. Unternehmen als auch Behörden sind noch nicht bereit, sicherheitsrelevante Entscheidungen an KI-Lösungen auszulagern, da deren Ursache-Wirkungsketten oft nicht validierbar und im Schadensfall rekonstruierbar sind.
• Daten- und IP-Sicherheit: KI-Lösungen nutzen eingegebene Daten sowie erzeugte Ergebnisse, um das Kernmodell weiter zu trainieren und um zukünftige Ausgaben zu verbessern. Industrieunternehmen hantieren mit meist vertraglich geschützten Daten innerhalb des Unternehmens, auch entlang der umliegenden Wertschöpfungskette. Aktuell ist die rechtliche Abbildung dieser Datenströme schlicht noch zu wenig ausjudiziert und stellt damit für Industrieunternehmen ein nicht kontrollierbares Risiko dar.

Zusammenfassend lassen sich also KI-Technologien des Consumer-Bereiches nicht ohne Weiteres auf den industriellen Kontext umlegen, da Industrieunternehmen speziellere Tätigkeiten durchführen und strengere Anforderungen an Technologien setzen müssen.

Die Hypothese, dass sich KI im industriellen Kontext im Tal der Tränen befindet, kann jedoch aufgrund etwa eines simplen Vergleiches mit dem Consumer-Bereich nicht gestützt werden. So gibt es seit Jahrzehnten KI-Lösungen im Produktivbereich industrieller Unternehmen, welche die Anforderungen der Industrie erfüllen: etwa die Steuerung von fahrerlosen Transportsystemen in Logistikhallen über Schwarmintelligenz, die kamerabasierte Inspektion von Elektronikbauteilen über Visual Computing oder die Optimierung der Reihenfolgeplanung in Produktionsanlagen über Machine Learning. Im Unterschied zum Consumer-Bereich durchliefen diese Lösungen den Hype Cycle jedoch langsamer und kontrollierter, was im Vergleich zu aktuellen KI-Entwicklungen den Anschein einer Schockstarre oder sogar Verweigerung erwecken mag. Dies ist jedoch schlicht auf die erforderliche größere Risikoaversion industrieller Unternehmen zurückzuführen und stellt sicher, dass KI-Lösungen kaufmännisch, technisch und sicherheitstechnisch verträglich sind.

Industrielle KI – was kommt nun?

Selbst führende Vertreter:innen der KI-Szene sind sich einig, dass aktuelle Entwicklungen rund um Large Language Models keine wirkliche KI-Revolution aus technologischer Sicht darstellen. Die eigentliche Revolution findet in den Köpfen aller Menschen statt, da sich nun ein umfassender Diskurs über das Zusammenspiel zwischen Mensch und Maschine entwickelt, wie man diesen schon seit Jahrzehnten führen hätte sollen. Technologisch wird ein Schneeballeffekt erwartet, da die Vielzahl neuer Lösungen im Zusammenspiel mächtige KI-Lösungen ermöglicht, oder deren Funktionen zumindest die Entwicklungen neuartiger KI-Tools beschleunigt.
Es ist daher Industrieunternehmen geraten, sich aktiv mit KI-Tools zu beschäftigen und diese operativ im Unternehmen zu verankern. Denn genau in der täglichen Arbeit kommen die beiden Hype Cycles, jener des Consumer-Bereiches und jener des Industriebereiches, zusammen. Mitarbeiter:innen lernen aktuell viele neue KI-Tools im privaten Bereich kennen und nutzen diese aktiv, was eine große Chance auch für Industrieunternehmen bietet, diesen Schwung für die Arbeit im Unternehmen zu übernehmen. Ob aktiv im Unternehmen getrieben oder nur verfolgt – eine Vielzahl an Tätigkeiten wird, über ein Zusammenspiel aus Automatisierung und KI über die nächsten Jahre, von Maschinen teilweise ersetzt oder umfassend unterstützt. So werden KI-Copilot:innen und KI-Assistenzen in Office-Software-Tools bereits angekündigt, und spätestens dann werden sich alle Jobprofile verändern.

Eine maßgebliche Barriere zur aktiven Einführung von KI-Lösungen stellt die Angst vor Jobverlusten dar. Aber, legt man den zeitlichen Verlauf der Arbeitslosigkeit mit technologischen Veränderungen übereinander zeigt sich, dass die Arbeitslosigkeit des letzten Jahrhunderts in keiner negativen Korrelation mit technologischem Fortschritt steht. Mit Zukunftsaussagen zu Jobverlusten durch Automatisierung und KI sind bereits renommierte Universitäten und Forscher:innen gescheitert. Denn oftmals wird die Veränderungen von Jobprofilen mit dem Wegfall von Jobs gleichgesetzt. Da diese Entwicklungen jedoch gerade im industriellen Bereich verlangsamt Einzug halten, haben Mitarbeiter:innen Zeit, sich an das eigene veränderte Jobprofil anzupassen oder es sogar mitzuformen. Dass etwa Backoffice-Mitarbeiter:innen in wenigen Jahren keine langwierigen Terminkoordinationen mehr durchführen müssen, ist naheliegend. Dieser wegfallende Anteil des Jobprofiles kann zum Beispiel durch Tätigkeiten zur persönlicheren Betreuung neuer Mitarbeiter:innen beim Onboarding aufgefüllt werden – eine Veränderung des Jobprofiles mit hohem Mehrwert für das Unternehmen, ohne Jobverlust.

Als Industrieunternehmen sollte man seinen individuellen KI-Hype Cycle durchlaufen, um sinnvolle Lösungen zu identifizieren und einzuführen. Von einer pauschalen Verurteilung der KI-Technologien, aus welchen Gründen auch immer, sei dringend abgeraten, da die Gefahr besteht, die wirklich nützlichen Tools zu übersehen.

Über den Autor:

Andreas Schumacher arbeitet seit Januar 2022 bei VTU und ist in unserem Unternehmen der Experte für Digitalisierungsstrategien und deren Umsetzung.
Andreas Schumacher verfügt über mehr als 10 Jahre Erfahrung in den Bereichen Unternehmensberatung, Forschung und Innovation. Als CDO bei VTU entwickelt er eine Digitalisierungsstrategie auf Konzernebene und setzt digitale Lösungen auf allen Ebenen um. In der Digitalisierung der Wertschöpfung, das Feld in dem Schuhmacher auch promovierte, liegt seine Expertise und ist die Grundlage seiner Arbeit. Er publiziert seit mehreren Jahren wissenschaftlich im Bereich Industrie 4.0 und berät Unternehmen bei der Umsetzung von industriellen Digitalisierungsstrategien. Seine Arbeit bei VTU umfasst die Bereiche Internal Digital Work, Digital Project Execution und Customer Digitalization. Andreas treibt die Digitalisierung durch die Integration von Operational und Digital Excellence voran und konzentriert sich auf Competence Center Ansätze, um digitale Agenden nachhaltig in die VTU Organisation einzubetten.
Andreas Schumacher bringt die Digitalisierung aus einer menschenzentrierten Perspektive voran, in der Aspekte wie individuelle Arbeitsstile, unterschiedliche Kompetenzniveaus und die Integration in tägliche Routinen eine zentrale Rolle spielen.

Dr. Andreas Schumacher
Chief Digital Officer
VTU Group

Der Beitrag ist freigegeben unter CC BY-ND

https://creativecommons.org/licenses/by-nd/3.0/de/