Hersteller stehen unter wachsendem Druck, schnell immer komplexere und hochwertigere Produkte herzustellen, um die Nachfrage der Kunden zu erfüllen.
Obwohl KI eine logische Lösung zu sein scheint, zeigt die Realität, dass bis zu 80 % der KI-Projekte entweder nie abgeschlossen werden oder ihre Ziele nicht erreichen, was zu Fehlschlägen oder Abbrüchen führt.
Die Experimente mit KI gehören der Vergangenheit an. Fertigungsunternehmen streben nun danach, KI-Tools dauerhaft in ihre Abläufe zu integrieren. Eine kürzlich durchgeführte Umfrage ergab, dass 88 % der britischen Hersteller bereits in KI und maschinelles Lernen investiert haben, im Vergleich zu 84 % ihrer europäischen Kollegen, oder planen dies innerhalb der nächsten 12 Monate zu tun.
Britische Hersteller verwenden diese Technologien hauptsächlich in vier Schlüsselbereichen: Qualitätskontrolle (38 %), Cybersicherheit (37 %), Logistik (34 %) und Kundenservice (32 %).
Der Hype ist allgegenwärtig, aber was ist die Realität auf dem Fabrikboden? Nachgewiesene Annahmerahmen und Wege sind rar, was Unsicherheit für neue Anwender schafft. Hier kann ein Produktentwicklungs-Fahrplan Herstellern helfen, KI nahtlos auf allen Ebenen ihrer Abläufe zu integrieren.
Eine kürzlich durchgeführte Gartner-KI-Umfrage ergab, dass nur 54 % der Projekte von der Pilotphase in die Produktion übergehen. Was steckt dahinter? Hersteller identifizieren oft Anwendungsfälle für KI und führen einen Proof of Concept oder Pilotprojekte durch, aber diese Bemühungen kommen häufig zum Stillstand – ein Phänomen, das als Piloten-Fegefeuer bekannt ist.
Der Hype-Zyklus von Gartner für KI zeigt, dass wir uns derzeit auf dem Höhepunkt der überhöhten Erwartungen befinden. KI-Projekte scheitern oft, weil sie oft den erwarteten Wert und die wahren Auswirkungen der Implementierung der Technologie in der Organisation übersehen. Wie können Hersteller also vermeiden, in die KI-Leere zu fallen?
Der Wert eines KI-Fahrplans liegt Erfolg bei der KI-Annahme in einem Produktentwicklungs-Fahrplan, der Organisationen hilft, effektiv zu skalieren. Das Ziel besteht darin, frühzeitig Erfolge zu erzielen, indem Geschäftsbereiche identifiziert werden, die bereits für den KI-Erfolg vorbereitet sind und wo bedeutende Auswirkungen möglich sind.
Eine der größten Herausforderungen bei der KI-Annahme für Hersteller ist das Datenmanagement. Organisationen sammeln oft Daten aus mehreren unterschiedlichen Quellen, darunter Excel-Tabellen, manuelle Einträge, lokal gespeicherte Server und Cloud-basierte Systeme.
Um diese Herausforderung zu überwinden, benötigen Hersteller eine robuste Datenstrategie, die eine nahtlose Integration und Zugänglichkeit der Daten gewährleistet. Dies erfordert die Standardisierung von Datenformaten, die Implementierung zentralisierter Datenspeicherlösungen und den Einsatz fortgeschrittener Datenverarbeitungstechniken.
Ein Drittel (33 %) der britischen Hersteller geben an, dass ein Mangel an Fähigkeiten das größte Hindernis für die Implementierung intelligenter Fertigungstechnologien wie KI darstellt. Dies verdeutlicht eine erhebliche Kluft zwischen der Nachfrage nach diesen Technologien und der Fähigkeit, sie effektiv umzusetzen.
Ein Ansatz besteht darin, Schulungsprogramme zu investieren, um vorhandene Mitarbeiter weiterzubilden. IBM-Forschungen ergaben, dass Weiterbildung und Arbeitskräfteentwicklung (39 %) zu den wichtigsten KI-Investitionen für Organisationen gehören, die KI untersuchen oder einsetzen.
Hersteller, die in der Lage sind, auf die vorhandenen Fähigkeiten innerhalb ihrer Belegschaft zurückzugreifen und den neuen Mitarbeitern die notwendige Schulung zu geben, können KI-Technologien reibungsloser integrieren, die betriebliche Effizienz verbessern und letztendlich ihre Wettbewerbsfähigkeit steigern.