Skip to main content
main-content

17.01.2018 | Kognitive Roboter | Im Fokus | Onlineartikel

KI setzt in der Automobilproduktion Milliarden frei

Autor:
Andreas Burkert

Wer Verfahren der künstlichen Intelligenz in der Produktion einsetzt, darf enorme Kosteneinsparungen erwarten. Das ist aber nur der Anfang einer Multi-Milliarden-Wertschöpfung, wie eine aktuelle Studie zeigt.

Die Fortschritte durch die künstliche Intelligenz werden das Automobil der Zukunft in seinem Wesen wie nie zuvor prägen. Bereits Verfahren des maschinellen Lernens genügen, um das autonome Fahren zu ermöglichen. Die gesamte Automobilbranche sieht darin ihre größte Chance, die Mobilität der Zukunft erfolgreich zu gestalten und investiert enorme Summe in die KI-Entwicklung. Die Aussichten auf hohe Gewinne sind sehr aussichtsreich. Das haben die zahlreichen Entwicklungen gezeigt, die in Las Vegas auf der CES 2018 vorgestellt wurden. 

Empfehlung der Redaktion

2017 | OriginalPaper | Buchkapitel

Vision digitalisierte Automobilindustrie 2030

Neue Rahmenbedingungen und mit der Digitalisierung einhergehende Möglichkeiten motivieren neue Wettbewerber auch aus anderen Branchen, aggressiv auf den Automobilmarkt zu drängen. Für die etablierten Automobilunternehmen ist es daher überlebenswichtig, die erforderlichen Änderungen mit einer umfassenden Digitalisierungsstrategie und -roadmap anzugehen.

Vor allem von der intelligenten vernetzten Stadt, in der das Automobil eine bedeutende Rolle spielen wird, lassen sich durch komplexe Datenanalysen und künstliche Intelligenz neue Geschäftsmodelle aufsetzen. Die Analysten der Unternehmensberatung McKinsey halten es durch den Einsatz maschinellen Lernens für möglich, innerhalb der kommenden sieben Jahre "bis zu 215 Milliarden US-Dollar an zusätzlichem Wert in der weltweiten Autoindustrie zu schaffen". So schreiben sie es in ihrer aktuellen Studie "Artificial intelligence – Automotive's new value-creating engine“, die der Redaktion vorliegt. Das größte Potenzial allerdings sehen sie in Produktion und Einkauf.

Wandlungsfähigkeit ist der entscheidende Erfolgsfaktor

Hersteller könnten McKinsey zufolge mit dem Einsatz von Verfahren der künstlichen Intelligenz bis zum Jahr 2025 ihre Rendite (EBIT) im Maximalfall um neun Prozentpunkte erhöhen. Den größten Wertbeitrag kann das maschinelle Lernen im Herstellungsprozess leisten: "In der Produktion können bis zu 61 Milliarden Dollar eingespart werden, beispielsweise durch KI-basierte Qualitätskontrolle", schreiben die Analysten. Weitere Potenziale liegen im Einkauf (51 Milliarden Dollar) etwa durch höhere Transparenz im Zulieferermarkt und in der Intralogistik (22 Milliarden Dollar), beispielsweise durch autonome Bandbelieferung.

In Zeiten hochdynamischer Märkte, wie sie derzeit die Automobilbranche durchlebt, gelten eine schnellere Marktreife von Produkten, kürzere Produktlebenszyklen und mehr Produktvarianten als wesentliche Erfolgsfaktoren für den Produktionsstandort Deutschland. Für Dieter Steegmüller und Michael Zürn stehen damit "die deutschen Automobilhersteller vor der Herausforderung, individualisierte Fahrzeuge wirtschaftlich zu produzieren", schreiben sie in "Wandlungsfähige Produktionssysteme für den Automobilbau der Zukunft“. Die "Wandlungsfähigkeit wird zu einem entscheidenden Erfolgsfaktor von Produktionssystemen", erklären die beiden Springer-Autoren und sehen folglich in der Industrie 4.0 die Zukunft.  

Künstliche Intelligenz als Renditeturbo

Der Wandel von der klassischen Produktionssteuerung hin zu einer intelligenten, selbstlernenden Fertigung wird der Rendite einen enormen Schub geben. Davon zeigt sich Andreas Tschiesner, Leiter der europäischen Automobilberatung von McKinsey, überzeugt. "Üblicherweise steigern Autohersteller ihre Produktivität jährlich im Schnitt um rund zwei Prozent pro Jahr. Allein durch maschinelles Lernen ist in den kommenden Jahren ein jährliches Produktivitätswachstum von zusätzlichen 1,3 Prozent machbar. KI wird damit zum Renditeturbo für die Autoindustrie."

Weil ein Großteil der Wertschöpfungseffekte durch KI für alle Autohersteller ähnlich hoch sein wird, vor allem in der Produktion, wird der harte Wettbewerb im Sektor laut Tschiesner voraussichtlich dazu führen, "dass ein Teil der Kostenvorteile an den Kunden weitergegeben wird." Dennoch kann die Branche auf steigende Umsätze hoffen. Immerhin können bis zu 31 Milliarden Dollar an Wert im Marketing und Vertrieb geschaffen werden. Ein Großteil davon dank "höherer Umsätze durch KI-gestützte Preissetzung und Empfehlungen“, so die Studie, für die McKinsey & Company die Auswirkungen des maschinellen Lernens auf Autohersteller analysiert und über hundert Industrie- und KI-Experten interviewt hat.

Auf unvorhersehbare Änderungen muss eine Produktionsanlage nicht flexibel, sondern wandlungsfähig reagieren können, um wirtschaftlich am Markt zu bestehen. Die Wandlungsfähigkeit einer Anlage beschreibt dabei das Vermögen und das Potenzial, mit minimalem Aufwand beliebig umgestaltet zu werden. Ziel ist es, mit nur geringem finanziellen Aufwand zwischen verschiedenen Zuständen zu wechseln. Im Gegensatz zur Flexibilität kommt die Wandlungsfähigkeit also ohne einzuplanenden Ressourcenvorhalt aus. 

Aus "Wandlungsfähige Produktionssysteme für den Automobilbau der Zukunft", erschienen in "Handbuch Industrie 4.0 Bd1."

Vier Faktoren einer erfolgreichen Transformation

Matthias Kässer, ein weiterer Autor der Studie und Partner im Münchener Büro von McKinsey: "Es ist wichtig, die für KI notwendigen Fähigkeiten jetzt aufzubauen und die Transformation einzuleiten." Der Erfolg hänge von vier Faktoren ab:

  • Vorhandene Daten sammeln und aufbereiten: Werthaltige Daten sind die Grundlage für maschinelles Lernen. Unternehmen sollten ihre Daten sammeln und harmonisieren. Denkbar ist auch, Kunden- und Fahrzeugdaten im Rahmen der gesetzlichen Vorgaben aufzubereiten und Drittanbietersysteme einzubinden, etwa die der Händler.
  • Partner-Ökosystem managen: Autohersteller können nicht alle Fähigkeiten für das maschinelle Lernen alleine aufbauen und vorhalten. Partnerschaften mit Technologieunternehmen im Hard- und Softwarebereich können dabei helfen, schneller zu entwickeln und den eigenen Investitionsbedarf zu verringern.
  • Ein KI-Betriebssystem etablieren: Autohersteller müssen die technischen Grundlagen schaffen, um die große Menge an Daten zu verarbeiten. Die IT-Systeme müssen dafür standardisiert und gegebenenfalls für Drittanbieter geöffnet werden, um neue Anwendungen schnell umzusetzen.
  • Fähigkeiten und Teams aufbauen: Eine zentrale Einheit hilft, alle KI-basierten Projekte innerhalb der Organisation aufzusetzen, zu begleiten und die Partnerschaften mit Drittanbietern zu betreuen. Notwendig ist auch, spezielle Talente an Bord zu holen – beispielsweise Datenspezialisten, Programmierer und Experten für maschinelles Lernen.

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

Premium Partner

Neuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Product Lifecycle Management im Konzernumfeld – Herausforderungen, Lösungsansätze und Handlungsempfehlungen

Für produzierende Unternehmen hat sich Product Lifecycle Management in den letzten Jahrzehnten in wachsendem Maße zu einem strategisch wichtigen Ansatz entwickelt. Forciert durch steigende Effektivitäts- und Effizienzanforderungen stellen viele Unternehmen ihre Product Lifecycle Management-Prozesse und -Informationssysteme auf den Prüfstand. Der vorliegende Beitrag beschreibt entlang eines etablierten Analyseframeworks Herausforderungen und Lösungsansätze im Product Lifecycle Management im Konzernumfeld.
Jetzt gratis downloaden!

Bildnachweise