Hersteller nutzen KI-erweitertes IoT für Supply Chain, Produktion, Innovation

IoT-erweitertes KI bringt Herstellern drei Hauptvorteile: Supply-Chain-Optimierung, Smart Manufacturing, Produkt-/Service-Innovation.

Panel auf AI World Conference Boston

Reichlich Daten strömen von zahlreichen IoT-Edges – natürlich, KI für wertvolle Business-Insights anzuwenden. Für Hersteller: Game-Changer, drastische Kostensenkung, beschleunigter Eintritt in Service-Business. Viele aber erst am Anfang.

Impending Convergence IoT/KI erforscht auf Panel bei AI World Boston, moderiert von Les Yeamans (RTInsights Executive Editor).

Siehe auch: Deutschland macht Fertigung zur IoT-Kunstform

Drei Hauptvorteile IoT-erweitertes KI für Hersteller jetzt – Supply Chain Optimization, Smart Manufacturing, Product/Service Innovation, sagt Reid Paquin (IDC Research Director). Aktuell: „Smart Manufacturing = Fokus der meisten Investitionen. Besonders Process Manufacturing, speziell Asset Management.“ Discrete Manufacturing: „Große Chance: Products/Services – Hersteller wollen Produkte schneller rausbringen, aber auch Product-to-Service-Mix ändern, Richtung Servitisierung.“

Herausforderungen: Daten, Skills, Startpunkte

Übergang zu Data-/KI-getriebenem Enterprise braucht Zeit. „Erster Schritt jedes Data-Science/KI-Projekts: Daten sammeln, organisieren“, sagt Zachariah Eslami (IBM Delivery Leader, Data/AI Expert Labs). Challenge: Daten aus disparaten Enterprise-Teilen zusammenbringen. „Issue: Input aus Daten/Collections, Warehouses oft verteilt auf verschiedene IT-Gruppen, Teams die es nutzen ohne Single Repository/Knowledge Catalog für Distribution, Manipulation, Insight-Extraktion.“

Weitere Challenge: Allgemeiner Skills-Mangel, so Eslami. „Sowohl Computer-Science-Adaptierung, Understanding, Python/R-Notebooks lernen/nutzen, als auch klares Verständnis: Data Cleaning, Prep, Analysis → ML-Modelle darauf aufbauen.“

Startpunkt KI-Journey: „Where you stand depends on where you sit“, Ryan Martin (ABI Research Principal Analyst). „Manufacturing Plant ~200k sq ft: Start mit Condition Monitoring oder Asset Tracking. Asset Tracking = bei weitem relevantest – hilft Kosten, hält Organized.“ Predictive Maintenance: „Kein Sinn, jemanden monatlich alle Feuerlöscher prüfen zu schicken, wenn nur 4 ersetzt werden müssen.“

Paquin stimmt: Asset Management guter Startpunkt für IoT-enhanced KI, plus Vision-based Quality Systems. Zusätzlich: „Alle großen ERP-Provider weben KI in Applikationen, besonders Financial/Planning.“

Digital Twins und 5G

Panel diskutierte Digital Twins für Fertigung: Part, Machine, ganze Factory, Products in Factory. „Manufacturing = sehr großer Space für Digital Twins“, Eslami. „NASA startete zuerst, GE für Jet Engines, Siemens für Alternative Energy, Chevron für Oil Field Distribution. Toll: Digital Twins basieren auf Model, nimmt Data, testet Umstände/Situationen. Mit KI: Multiple Variablen real-time input/testen, Performance adjustieren, Reaction über Zeit sehen. Riesige Kosteneinsparung.“

Impending 5G: „5G kommt wie 4G schneller als 3G, 5G schneller als 4G“, Martin. „Interessant: Deterministic Networking – ‚Robot stoppen wichtiger als Vibrationssensor weiterlaufen‘. Kommt mit 5G-Spec 2021-2025.“

Martin: „Dauert noch, bis man wirklich Dinge sieht, aber frühe 5G-Trials sehr compelling – Tech liefert, was versprochen, nur Standards wrappen und to Market.“