Denken wir einen Moment an das hohe Datenvolumen, das wir Unternehmen generieren. Daten über Kunden, Lieferanten, Produktivität, Personalwesen... Informationen, die in vielen Fällen nicht in allen Geschäftsabteilungen integriert sind, so dass man keinen Gesamtüberblick hat oder, was noch schlimmer ist, die nicht einmal digitalisiert werden. Beide Schwachstellen verlangsamen die Entscheidungsfindung und/oder können zu Fehlentscheidungen führen. Und in diesem neuen digitalen Ökosystem sind die Daten der Rohstoff für die Industrie 4.0.
Jedoch sind wir nicht in der Lage, diese riesige Datenmenge in Echtzeit zu analysieren, um sie optimal zu nutzen. Deshalb ist es notwendig, in unseren Unternehmen ein innovatives Werkzeug einzubauen, das diese Barrieren überwinden kann. Wir sprechen vom Maschinellen Lernen oder Automatischen Lernen, was von dem Beratungsunternehmen Gartner als eine der 10 strategischen Technologien angesehen wird, die Unternehmen revolutionieren werden und einen Paradigmenwechsel in der Art und Weise darstellen werden, wie Fabriken produzieren. Wie General Electric quantifiziert, wird dieser Wegbereiter der Vierten Revolution die Produktionskapazität um bis zu 20 % steigern, erhebliche Einsparungen beim Materialverbrauch und bei den Energiekosten erzielen und die Nacharbeiten um bis zu 20 % reduzieren.
Beim Automatischen Lernen geht es darum, Maschinen mit kognitiver Intelligenz auszustatten. Dafür werden sie durch die Eingabe von historischen Daten unterrichtet, um zukünftige Verhalten vorherzusagen und Antworten auf verschiedene Eventualitäten zu geben... Gleichzeitig werden Algorithmen entwickelt, die selbstständig von den Daten lernen und in der Lage sind, Wege zur Produktionsoptimierung durch diese Informationen zu suchen. Wenn wir beispielsweise das Profil unserer Kunden (Größe, Aufträge, Häufigkeit, Materialien, Preise...) computerisiert haben, ist das System in der Lage, die Nachfrage vorherzusagen, mögliche Rückgänge zu melden, Preise festzulegen, Betrug zu erkennen, Zahlungsverzug zu verhindern oder neue Konsummuster zu erkennen. In einer Welt, in der die Kapazität der Unternehmen, ihre Produktion individuell zu gestalten, einen wachsenden Wert darstellt, ist Maschinelles Lernen insofern ein ideales Werkzeug, um Profile zu segmentieren und die für kundenspezifische Aufträge erforderliche Flexibilität zu bieten.
Selbst bei der Analyse des Kundenverhaltens öffnet diese Technologie die Tür zu neuen Geschäftsmodellen, die aus der "Servitization" der Industrie kommen. Das heißt, die Möglichkeit, Dienstleistungen rund um die von uns hergestellten Produkte anzubieten, dank dieser neuen Werkzeuge der Industrie 4.0. Zum Beispiel, diese bereits erwähnte Möglichkeit, Produkte aus einem Standardprodukt individuell anzupassen, ist eine Dienstleistung, die dem Kunden angeboten wird, oder wenn wir Anwendungen zu einem Artikel entwickeln, werden wir auch neue Geschäftsmodelle entwickeln können.
Dadurch können wir, wenn wir unsere Kunden gut kennen und diese Technologie anwenden, unseren Umsatz deutlich steigern.
Auf die Produktionskette übertragen, können Maschinenstillstandszeiten reduziert, Fertigungsgeschwindigkeiten berechnet, der Arbeitsaufwand dem Bedarf angepasst oder mögliche Ausfälle erkannt werden, bevor sie auftreten. Das heißt, es werden Antworten auf verschiedene Vorfälle in Echtzeit geboten, die den Menschen helfen, bessere Entscheidungen zu treffen, und besagte Antworten können sogar automatisiert werden. Das bringt zweifellos Agilität und Schnelligkeit in die Anlage. Und das alles bei geringeren Kosten. Darüber hinaus ermöglicht das Maschinelle Lernen eine höhere Skalierbarkeit der Produktion durch prädiktive Analysen und die entsprechende Auswahl von Maschinen und Lieferanten.
Diese Innovation wirkt sich nicht nur auf die Produktionsebene aus, sondern auch auf die Organisation der Maschineninstandhaltung, je nach momentanem Bedarf, sowie auf die Bestandsverwaltung. Maschinelles Lernen ist der Schlüssel zur Optimierung der Lagerhaltung, und dafür, keine unnötigen Bestände und/oder Engpässe zu haben. Entscheidend ist dabei ein automatisiertes Tracking-System, das in Echtzeit ein fehlendes Teil, eine fehlende Komponente oder eine beschädigte Charge vorhersagen kann, um so das Problem schnell zu beheben und die Liefertermine des Auftrags einzuhalten.
Aber wir müssen nicht glauben, dass ein hohes Datenvolumen eine unabdingbare Voraussetzung für die Anwendung des Automatischen Lernens ist. Qualität ist besser als Quantität. Und hier ist es wichtig, den Rohstoff herauszufiltern, der wirklich Werte liefert, damit Vorhersagen getroffen werden können. Kurz gesagt, die Auswahl der strategischen Informationen, die – mit einem Analysesystem, das in der Lage ist, über eine Gesamtvisualisierung und Vorhersagekapazität der Produktion zu verfügen – lässt uns mit weniger Kosten produktiver sein. Mit anderen Worten: wettbewerbsfähiger.