IDC-Tipps zu Auswahl und Implementierung

So nutzt die Fertigungsbranche GenAI

23.05.2024 von Manfred Bremmer
Auch in der Fertigungsindustrie wird GenAI zunehmend als eine Technologie angesehen, die Innovationen ermöglicht und Hürden überwindet.
Auch in der Fertigung gibt es zahlreiche Einsatzgebiete für GenAI.
Foto: Gorodenkoff - shutterstock.com

GenAI-basierte Technologien bergen branchen- und regionenübergreifend ein immenses Potenzial und bieten Fähigkeiten, die von herkömmlichen Machine-Learning-Algorithmen oder neuronalen Netzen in Breite und Tiefe nur schwer erreicht werden können.

Wie der "GenAI ARC Survey 2023" von IDC ergab, evaluieren oder implementieren daher auch Fertigungsunternehmen aktiv GenAI-Lösungen. Der Studie zufolge haben rund 30 Prozent der befragten europäischen Unternehmen bereits in nennenswertem Umfang in generative künstliche Intelligenz investiert und Ausgaben für Schulungen, den Kauf von GenAI-basierter Software und Beratung geplant. Knapp 20 Prozent führen erste Modellversuche und gezielte Proof of Concepts durch, haben aber noch keinen Investitionsplan erstellt.

Aus Sicht der Analysten deuten diese Ergebnisse auf ein stetiges Wachstum bei der Einführung von GenAI-basierten Werkzeugen und Lösungen in der Fertigungsindustrie hin. Nachdem OpenAI im vergangenen Jahr mit ChatGPT einen regelrechten GenAI-Hype ausgelöst habe, gingen die Unternehmen aber nun pragmatischer vor und nutzten die vermeintliche Wundertechnologie, um aktuelle Herausforderungen wie Arbeitskräftemangel, Qualifikationsdefizite, Sprachbarrieren, Datenkomplexität, Compliance und mehr zu bewältigen, so IDC in einem Blogbeitrag.

In der Fertigung konzentriert sich der Einsatz von GenAI-basierten Werkzeugen und Lösungen laut IDC insbesondere auf die folgenden vier Schlüsselbereiche:

Wie die Anwendungsbereiche zeigen, kann GenAI dabei helfen, Mitarbeiter anzuleiten und so den Herausforderungen einer alternden und/oder unqualifizierten Belegschaft zu begegnen. Laut IDC müssten sich Unternehmen jedoch bei der Einführung mit Blick auf die im Hintergrund ablaufenden IT-Prozesse mit Problemen wie Datenlecks, Bias und der Aufrechterhaltung der Souveränität befassen. Diese Fragen müssten sorgfältig geklärt werden, um einen verantwortungsvollen und ethischen Einsatz generativer künstlicher Intelligenz zu gewährleisten.

Rahmenbedingungen zur GenAI-Implementierung

Um das Potenzial von GenAI-Piloten voll auszuschöpfen, benötigen Fertigungsunternehmen demnach ein umfassendes Rahmenwerk, das Prozesse und Richtlinien umfasst. Zu den wichtigsten Maßnahmen gehören nach Ansicht der Analysten:

Um diese Bedenken auszuräumen, setzen viele Unternehmen auch darauf, formelle KI-Governance-/Ethik-/Risikoräte auf- respektive auszubauen, die den ethischen Einsatz von GenAI überwachen und die Risiken in Bezug auf Datenschutz, Manipulation, Voreingenommenheit, Sicherheit und Transparenz mindern sollen.

Die Qual der Wahl

Die Strategien zur Auswahl der richtigen Lösung für den richtigen Anwendungsfall können sehr unterschiedlich sein. Die Möglichkeiten bei der Auswahl und Einführung sind vielfältig, etwa:

Eine häufig genannte Herausforderung bei solchen Projekten sei die Auswahl des optimalen LLM für unternehmensspezifische Anwendungsfälle aus einer Vielzahl von Möglichkeiten, erklärt Jan Burian, Head of IDC Manufacturing Insights EMEA und Autor des Blogbeitrags. Da ständig neue Modelle und Lösungen auftauchen und verfügbar würden, könne diese Aufgabe entmutigend sein: "Der Auswahlprozess umfasst in der Regel eine gründliche Marktrecherche, Präsentationen von Anbietern und interne Diskussionen über die technologischen Rahmenbedingungen für aktuelle und zukünftige Anwendungsfälle."

Und obwohl die Auswahl der richtigen Lösung ein wichtiger Faktor sei, hänge der Erfolg von GenAI letztlich von der Qualität und Quantität der verwendeten Daten ab, so Burian. Die Kuratierung eines vielfältigen und ausreichenden Datensatzes sei entscheidend, um unverzerrte Ergebnisse zu gewährleisten und die Effektivität von GenAI-Lösungen zu maximieren. Das Datenmanagement bleibe daher ein Eckpfeiler für den erfolgreichen Einsatz von GenAI-Technologien.