Warum die meisten KI-Piloten in Chemiefabriken scheitern – Lehren von Branchenexperten

Sehr hohe Erwartungen, inkonsistente Daten und isolierte Piloten können den erfolgreichen Einsatz von KI-Piloten in der Praxis verhindern. Die Lösung liegt in industrieller Intelligenz, die den Kreis zwischen Vorhersage und Produktionsstätte schließt, schreibt Stephen Reynolds, Industry Principal, Chemicals bei AVEVA .

Jedes Formel-1-Auto generiert während eines Rennens Hunderte Gigabyte an Telemetriedaten – von Reifenverschleiß und Kraftstoffverbrauch bis hin zu Bremsentemperatur, Wetteränderungen und dem Verhalten der Konkurrenten. Diese Daten werden in Echtzeit an Ingenieure auf der Rennstrecke und in entfernten Laboren gestreamt, sodass diese die Leistung analysieren, Strategien optimieren und sich in einem Sport, in dem jede Millisekunde zählt, einen Wettbewerbsvorteil verschaffen können. Es ist eine Erinnerung daran, dass es beim Erfolg nicht auf die Größe Ihres Datensatzes oder die Ausgereiftheit Ihres Modells ankommt, sondern darauf, ob Erkenntnisse in zeitnahe, operative Entscheidungen umgesetzt werden.

Abonnieren Sie PII und erhalten Sie:

Unser seit langem etabliertes zweimonatliches digitales Magazin Process Industry Informer , mit exklusiven Artikeln, Neuigkeiten und Updates aus der gesamten Prozessindustrie sowie Kommentaren unserer drei Branchenexperten:

Sean Moran

Gavin Smith

Dave Green

PLUS:

• Process Industry Update – unser wöchentlicher E-Newsletter
• PII-Podcast
• Besondere Nachrichten unserer Werbepartner

Chemiefabriken können den Markt übertreffen, indem sie KI wie einen Hochleistungsrennwagen behandeln. Sie generieren bereits Milliarden von Datenpunkten aus Sensoren, Laboren und ERP-Systemen. Unternehmen führen KI-Pilotprojekte durch, testen Modelle und starten Proof-of-Concepts. McKinsey berichtet, dass 78 % der Unternehmen KI in mindestens einer Geschäftsfunktion einsetzen.

Die meisten KI-Piloten bleiben stehen

Doch die überwiegende Mehrheit der Piloten zögert, bevor sie einen Mehrwert liefern. Eine aktuelle Umfrage zeigt, dass 88 % der KI-Pilotprojekte nie in Produktion gehen, und das MIT berichtete im August, dass 95 % der generativen KI-Initiativen, die auf eine schnelle Umsatzgenerierung abzielen, scheitern.

Dieses „KI-Fegefeuer“ ist kein Mangel an Vorstellungskraft – es ist ein Mangel an Strategie und Handeln. Es ist unerlässlich, Erkenntnisse in reale Aktionen umzusetzen, ähnlich wie eine perfekte F1-Strategie ohne Reifenwechsel.

KI ist kein Plug-and-Play

Teams fallen oft dem Shiny-Object-Syndrom zum Opfer und behandeln KI als Plug-and-Play-Lösung. Wenn der Ehrgeiz die Infrastruktur übersteigt, werden Modelle auf Aufgaben angewendet, für die sie nicht entwickelt wurden, mit inkonsistenten oder verzögerten Labor- und Sensordaten gespeist werden und bleiben vom Betrieb isoliert. Die daraus resultierenden Erkenntnisse können nicht auf reale Prozesse angewendet werden.

„Erstaunliche 88 % der KI-Piloten scheitern laut einer aktuellen Umfrage daran, die Produktion zu erreichen.“

Selbst wenn KI Verschmutzungen in einem Reaktor oder inaktive Katalysatoren vorhersagt, verschwindet der Wert, wenn Bediener aufgrund falsch abgestimmter Arbeitsabläufe nicht handeln können. Die Ungeduld auf sofortige Ergebnisse und der Mangel an kontinuierlichem Feedback zu neuen Rohstoffen verschärfen das Problem. Fragmentierte Technologie bedeutet fragmentierte Ergebnisse.

Um die Spitzenposition zu erreichen und der Konkurrenz einen Schritt voraus zu sein, sind funktionsübergreifende Zusammenarbeit und ein vernetztes Ökosystem erforderlich, das industrielle Chemiesysteme vereinheitlicht. Das bedeutet, MES, LIMS, ERP, Historien und Prozessleitsysteme innerhalb einer einzigen Plattform zu verknüpfen und so eine einzige Quelle der Wahrheit zu schaffen, die Datensilos auflöst und intelligente Erkenntnisse in bestehende Regelkreise auf Fertigungs- und Führungsebene einspeist.

„Nur mit diesen drei Elementen – kuratierte Daten, prozessbewusste intelligente Modelle und inspirierte Menschen im Kreislauf – gelangt KI über theoretische Konzepte hinaus zu echten Betriebs- und F&E-Ergebnissen und sorgt für geringere Ausfallzeiten, höhere Erträge und kürzere Innovationszyklen.“

KI steigert, Menschen steigern

Der Ausgangspunkt ist die Kuratierung und Zentralisierung industrieller Daten. Modelle müssen so gestaltet sein, dass sie vor- und nachgelagerte Abhängigkeiten berücksichtigen. Am wichtigsten ist, dass Teams den Informationen, die sie erhalten, vertrauen und in der Lage sein müssen, darauf zu reagieren. Die Vermeidung des KI-Fegefeuers sollte als kultureller Wandel und nicht als bloßer Technologie-Upgrade betrachtet werden.

Nur mit kuratierten Daten, prozessbewussten Modellen und inspirierten Menschen im Kreislauf gelingt der Übergang der KI vom Konzept zu greifbaren betrieblichen und F&E-Vorteilen.

So erreichte SCG Chemicals in nur sechs Monaten eine Anlagenzuverlässigkeit von 99 % und eine neunfache Kapitalrendite. Um eine der größten Chemielieferketten Asiens am Laufen zu halten, hat SCG eine digitale Zuverlässigkeitsplattform entwickelt, die KI in den gesamten Lebenszyklus einbettet.

Durch die Integration prädiktiver Analysen, zentralisierter Daten und digitaler Zwillingsumgebungen an einem Ort ermöglicht die Plattform Teams, Prozessentscheidungen im Handumdrehen zu treffen, vergleichbar mit der Ausstattung von F1-Rennteams mit Echtzeitinformationen.

Mit Dashboards, die von der Ebene der Geschäftsbereiche bis hin zu einzelnen Geräten reichen, greifen die Teams von SCG auf umsetzbare Informationen zu und korrelieren diese innerhalb von 10 Sekunden mit Echtzeitdaten. Die Identifizierung kritischer Punkte zur Vermeidung von Anlagenausfällen hat die Zuverlässigkeitslücke geschlossen und die Wartungskosten sind um 40 % gesunken.

KI-Anwendungsfälle erstrecken sich über den gesamten Chemiesektor und erstrecken sich auf die Verbesserung der Anlagenverfügbarkeit durch prädiktive Analysen, Hybridmodellierung zur Beschleunigung von Produktinnovationen und sogar die Entdeckung von Inhaltsstoffen für umweltverträgliche Materialien.

„Wenn Chemieunternehmen diesen schrittweisen Ansatz übernehmen, gehen sie über die reaktive Fehlerbehebung hinaus.“

Verhinderung des Fegefeuers von KI-Piloten

Erfolg in jedem Bereich erfordert mehr als die Behandlung von KI-Piloten als Technologieexperimente – ein Weg, der die Aufnahme in die 95-Prozent-Fehlerstatistik garantiert. Mit der Einführung digitaler und analytischer Tools benötigen Unternehmen End-to-End-Ansätze, um Analysen in betriebliche Verbesserungen umzuwandeln, wie Deloitte in seinem aktuellen Ausblick für den Chemiesektor hervorgehoben hat.

Die Überwindung des KI-Fegefeuers beginnt mit einem Perspektivwechsel, einschließlich eines kulturellen Wandels. Definieren Sie zunächst den KPI, den Sie ändern möchten, und quantifizieren Sie dessen Auswirkungen auf den Workflow. Piloten, die versuchen, alles zu tun, erreichen nichts.

Als Nächstes bauen Sie ein datenorientiertes vernetztes Ökosystem auf, das Historiker, MES, LIMS und Anbieterprogramme integriert. Der Erfolg beruht auf der Datenqualität, wie Arthur D. Little feststellt; Schemata müssen standardisiert, Metadaten mit Anmerkungen versehen und Laborprotokolle erstellt werden.

Wählen Sie dann die richtige KI aus und machen Sie sie beobachtbar. Mustererkennung kann beispielsweise Geräteausfälle vorhersagen, LLMs können Compliance-Dokumente durchsuchen und Hybridmodellierung kann innovative Anwendungen wie die Formulierung vorantreiben.

Anschließend produzieren und skalieren Sie jeweils einen Anwendungsfall. Schließlich reduzieren funktionsübergreifende Evaluierung und Governance – McKinsey empfiehlt, leitenden Führungskräften die Aufsicht zu übertragen – das Risiko von Modellabweichungen und Akzeptanz.

Wenn Chemieunternehmen diesen schrittweisen Ansatz übernehmen, gehen sie über die reaktive Fehlerbehebung hinaus. Betreiber können Verschmutzungen vorhersehen, Reaktionsbedingungen anpassen und Ausfallzeiten verhindern. Forschungs- und Entwicklungsteams beschleunigen Formulierungen und sorgen gleichzeitig für eine konsistente Skalierung. Die Branche kann endlich einen echten Mehrwert aus ihren KI-Investitionen ziehen, so wie F1-Teams Telemetrie in sekundenschnelle, rennentscheidende Entscheidungen umwandeln.