Wie GenAI die Marge im Maschinenbau steigern kann

10,7 Prozentpunkte mehr Gewinnmarge durch generative KI – im Maschinen- und Anlagenbau ist das laut einer Studie möglich. Bei der KI-Einführung ist jedoch einiges zu beachten.

Künstliche Intelligenz (KI) wird in der Industrie punktuell schon lange beispielsweise für Optimierungen und Qualitätskontrollen genutzt. Mit der Generativen KI (GenAI), die seit ChatGPT ihren Siegeszug begonnen hat, kommt nun eine neue Querschnittstechnologie hinzu, die sich kontinuierlich in nahezu allen Feldern des Privat- und Wirtschaftslebens Anwendung verbreiten wird.

Eine Studie von VDMA und den Beratern von Strategy& rechnet nun vor, dass die Maschinen- und Anlagenbauer in Deutschland durch den Einsatz von GenAI jährlich 28 Mrd. Euro mehr Gewinn erzielen könnten. Das ergab sich aus der Befragung von 247 Unternehmen und der Analyse von 45 Anwendungsfällen für GenAI. "Bereits zehn der insgesamt 45 betrachteten Anwendungsfälle können 58 % des Potenzials der Margenverbesserung ausschöpfen", betont Guido Reimann, stellvertretender Geschäftsführer Software und Digitalisierung und Koordinator Kompetenznetzwerk Künstliche Intelligenz im VDMA. Dabei hat die Studie nur die Optimierung vorhandener Prozesse durch GenAI betrachtet. Das Potenzial, welches GenAI bietet, wenn durch sie neue Produkte oder Services ermöglicht werden, ist noch nicht enthalten.

Nur schnelles Handeln bringt einen Vorsprung

Wer sich den größten Vorteil verschaffen will, sollte allerdings schnell handeln. Denn die Studienautoren gehen auch davon aus, dass sich durch den sogenannten Erosionseffekt der Wettbewerbsvorteil, den GenAI heute noch bieten kann, mehr als halbieren wird. Dahinter steht die Erwartung, dass – auch ohne besondere Anstrengung eines Unternehmens – GenAI im Lauf der Zeit in fast allen IT-Anwendungen Standard wird. Und wenn alle KI einsetzen, bietet sie dem Einzelunternehmen keinen Wettbewerbsvorteil mehr.

Schnell handeln sollten Unternehmen noch aus einem zweiten Grund: Künstliche Intelligenz – und nicht nur sie – braucht massenhaft Daten, auf deren Basis sie agieren kann. Und zwar digitalisierte Daten, die am besten strukturiert und in einheitlichem Format vorliegen und sich nicht in gegeneinander abgeschotteten "Silos" befinden. Deswegen sollten die Betriebe schnellstens beginnen, ihre Daten unter diesen Aspekten "KI-ready" zu machen – selbst falls sie KI noch nicht sofort nutzen wollen oder können.

Bei ihrer Unternehmensbefragung kamen VDMA und Strategy& auch zum Ergebnis, dass GenAI bislang meistens dort eingesetzt wird, wo sie die geringsten Margenverbesserungen bringt, nämlich in Unterstützungsfunktionen wie Finanzen/Buchhaltung, Personal und IT. Denn von berechneten Gesamtpotenzial von 10,7 Prozentpunkten entfallen nur rund 1,2 % auf alle Unterstützungsfunktionen zusammen. Bei den Kernfunktionen sind die möglichen Vorteile deutlich höher. Beispielsweise in Vertrieb und Marketing: 2,4 Prozentpunkte, F&E sowie Planung: jeweils 1,7 Prozentpunkte, Produktion: 1,3 Prozentpunkte.

Checkliste für den Einstieg in Generative KI

Dass GenAI große Chancen bietet, ist also unbestreitbar. Doch wie können Unternehmen die Potenziale auch heben? Denn die Technologie ist nicht nur recht neu, sondern sie entwickelt sich auch rasant weiter.

Hier kann der VDMA für seine Mitglieder eine erste Anlaufstelle sein, wie Guido Reimann gegenüber springerprofessional.de betont. Der Verband hat für den KI-Einstieg beispielsweise eine Checkliste mit allgemeinen Empfehlungen erstellt. Ein VDMA-Whitepaper liefert Beispiele und Anregungen aus der Praxis. In einem Interview stellen zwei VDMA-Mitgliedsunternehmen ihre KI-Erfahrungen vor. Eine ganz konkrete Anwendung, nämlich wie man eine Wissensdatenbank aufbauen kann, beschreibt ein weiteres VDMA-Papier. Darüber hinaus, so betont Reimann, biete der Verband kontinuierlich Webinare zum Thema und auch Präsenzveranstaltungen.

Beim Einstieg in die KI-Nutzung stellt sich für Unternehmen natürlich die Frage, in welchen Bereichen sie Pilotprojekte zum Einsatz von Künstlicher Intelligenz starten sollten. Dabei gilt es verschiedene Aspekte zu berücksichtigen, wie Reimann erläutert. 

Prinzipiell könne GenAI ihre Stärken besonders dort gut ausspielen, wo relativ viel mit Texten und Bildern gearbeitet wird, wo es um Kommunikation geht. Vertrieb, Service, Marketing, Konstruktion, Entwicklung und Softwareentwicklung nennt Reimann als typische Beispiele. 

Je mehr Daten, umso größer das Potenzial

Ein Entscheidungskriterium ist auch die Datenverfügbarkeit. Wo viele Daten digital vorliegen und für die KI zugänglich sind, ist die Wahrscheinlichkeit groß, dass KI auf irgendeine Weise die Effizienz steigern kann. 

Ein Beispiel aus dem Maschinenbau könnten Produktdokumentationen oder technische Datenblätter sein, so Reimann. Wenn GenAI solche Daten auswertet, kann sie auf viele Fragen aus dem Bereich Vertrieb oder Service sehr schnell Antworten geben, während ein Mensch dafür viel Zeit in manuelle Recherche hätte stecken müssen. Das entlastet Fachkräfte, die ihre Zeit dann für wichtigere Aufgaben nutzen können. Je nach Produktpalette kann eine KI auf Basis solcher Daten beispielsweise auch Kunden in einem Onlineshop unterstützen.

Nicht zu unterschätzen ist auch das Potenzial der eigenen Mitarbeitenden bei der Suche nach sinnvollen Einsatzfeldern. Weil KI immer mehr Bereiche des Lebens durchdringt, finden sich unter den Mitarbeitenden sicher auch solche, die bereits eigene Erfahrungen mit KI gesammelt haben – und auch schon Ideen im Kopf haben, wie KI ihnen bei ihrer Arbeit helfen könnte. 

Beim KI-Einsatz sind Mitarbeitende scheinbar sogar den Unternehmen voraus: Immer mehr Fachkräfte in den sogenannten MINT-Berufen setzen Künstliche Intelligenz am Arbeitsplatz ohne die Genehmigung des Arbeitgebers ein, wie dpa kürzlich unter Berufung auf eine Umfrage von Yougov berichtete. In Deutschland nutzten demnach drei von vier MINT-Fachkräften bei der Arbeit KI-Tools wie Chat GPT, Google Gemini oder Perplexity, ohne dass die KI-Anwendungen durch die IT-Abteilung oder Geschäftsführung freigegeben worden sind.

Mit schnellen Erfolgen Begeisterung anfachen

Beim Start von KI-Projekten sollten Unternehmen aber auch strategische Überlegungen einbeziehen. Gerade zu Beginn sollte man die Ziele nicht zu hoch stecken. "Um KI im Unternehmen möglichst schnell voranzubringen und eine Begeisterungswelle zu erzeugen, empfehlen wir, zum Start Leuchtturmprojekte auszusuchen, die schnell realisierbar sind und mit großer Wahrscheinlichkeit Verbesserungen bringen, die die Mitarbeitenden deutlich spüren. Das werden in der Regel vor allem Effizienzthemen sein", erläutert Reimann.

Parallel zu solchen ersten Projekten, mit denen man Erfahrungen sammelt, bietet es sich an, eine konkretere und langfristiger ausgerichtete Strategie für den Einsatz von GenAI zu entwickeln. Beispielsweise aus den Projektbeteiligten könnte man ein Kernteam formieren, das über die Pilotprojekte hinaus zusammen mit der Geschäftsleitung den KI-Einsatz voranbringt.

Dabei bringen Beteiligte aus den Fachbereichen ihr Wissen um die konkreten Prozesse und deren Optimierungsmöglichkeiten ein. Die IT- oder Digitalisierungsabteilung mit ihrem technischen Know-how zu den vorhandenen Systemen und den technischen Möglichkeiten der KI ist sozusagen als Enabler im Spiel, während das Top-Management das ganze Unternehmen überblickt und die strategischen Vorgaben macht.

Oft mangelt es an der Datenverfügbarkeit

In ihrer Studie stellten VDMA und Strategy& fest, dass Unternehmen bei der Nutzung von GenAI besonders mit drei Problemen zu kämpfen haben. Fast gleichauf mit jeweils 25 beziehungsweise 24 % der Nennungen lagen: nicht ausreichende Datenverfügbarkeit und -qualität, Mangel an GenAI-Spezialisten und Schulungsmöglichkeiten sowie technische Herausforderungen einschließlich Infrastruktur-, Daten- und Softwaremängel.

Das sind natürlich ernsthafte Probleme. Aber eines, so appelliert Reimann, sollte man auf keinen Fall tun: Die Hände in den Schoß legen. "Wer das tut, verpasst die Möglichkeit, Erfahrungen mit einer Technologie zu sammeln, die auf jeden Fall kommt." Aus der verpassten Chance, sich jetzt Vorteile zu erarbeiten, wird früher oder später ein Wettbewerbsnachteil. 

Die Datenproblematik ist kein neues Phänomen. "Die Problematik verfolgt uns schon länger", erläutert Guido Reimann. Sie ist nicht erst mit dem Aufkommen Künstlicher Intelligenz deutlich geworden und sie betrifft auch andere Bereiche. Auch für die Vernetzung von Maschinen und Unternehmen und für Initiativen zur Optimierung der Lieferkette wie Manufacturing-X müssen nutzbare Daten vorliegen.

Wer also im Bereich der Daten noch nicht gut aufgestellt ist, sollte zweigleisig fahren, empfiehlt Reimann: Erstens nach Bereichen Ausschau halten, in den zumindest halbwegs brauchbare Daten vorliegen und dort mit KI-Pilotprojekten starten. Und zweitens die Datenqualität in Bereichen mit hohem Nutzenpotenzial Stück für Stück steigern. Dort wo Daten fehlen, gilt es mit dem Sammeln von Daten in einer zukunftssicheren Form zu beginnen.

Partnerschaften bringen Know-how ins Haus

Mangelt es im Unternehmen an Spezialisten für Generative KI, können Pilotprojekte mit Partnern, etwa Technologieanbietern, Startups, Forschungseinrichtungen, Hochschulen Beratungsunternehmen und IT-Dienstleistern, die Umsetzung erster Use Cases ermöglichen. Parallel, so empfiehlt der VDMA-Experte, sollten die eigenen Mitarbeitenden durch interne Schulungen oder KI-Tage weiterqualifiziert werden. Schließlich wird es auch hilfreich sein, zunächst möglichst einfach verständliche und bedienbare KI-Tools einzusetzen.

Auch wenn technische Herausforderungen, etwa Schwächen in den IT-Systemen, dem GenAI-Einsatz im Wege stehen, können zunächst externe Lösungen als "Workaround" dienen. Beispielsweise, so erklärt Reimann, könne man für erste Tests außerhalb der produktiven Infrastruktur, beispielsweise auch cloudbasierte Umgebungen nutzen.

Angesichts der Bedeutung, die KI-Nutzung bekommen wird, können auch radikale Lösungen sinnvoll sein. "Man sollte auch Greenfield-Ansätze ins Auge fassen, also den Aufbau neuer Prozesse mit GenAI-Nutzung statt einer erzwungenen Integration in bestehende Systeme", erläutert Guido Reimann. Je nach der konkreten Situation und der Art der angepeilten KI-Lösung könnten auch noch viele andere Lösungen infrage kommen.

Das alles zeigt: Ohne Geld in die Hand zu nehmen, wird die Nutzung von KI nicht gelingen. Guido Reimann betont zwar: "Ein Einstieg ist auch mit begrenzten Mitteln möglich, wenn man gezielt dabei vorgeht." Aber gleichzeitig gelte auch: "Den großen Wurf kann man natürlich nur dann erreichen, wenn man GenAI großflächig im Unternehmen etabliert. Und dafür sind nennenswerte Investitionen nötig." Denen stünden aber, wenn man die richtigen Einsatzfelder auswählt, auch Einsparungen, höhere Wettbewerbsfähigkeit oder zusätzliche Umsätze gegenüber – wie bei jeder Ausgabe für Innovationen.

Mit GenAI neue Services entwickeln

Damit bringt Reimann einen weiteren Aspekt ins Spiel: Wer das volle Potenzial von Generativer KI nutzen will, kann sich nicht nur auf "defensive" Lösungen beschränken, welche die Effizienz vorhandener Prozesse steigern. Es gilt vielmehr weiterzudenken und zu prüfen, wie sich GenAI einsetzen lässt, um neue Produkte, Dienstleistungen oder Geschäftsmodelle zu entwickeln, die den Kunden mehr Nutzen und dem Anbieter daher mehr Umsatz bringen.

Ein Ansatz könnte sein, Daten aus dem Betrieb der Maschinen zu nutzen, um beispielsweise die Wartung und den Maschinenbetrieb zu optimieren, Stichwort Predictive Maintenance. Was natürlich Vertrauen des Kunden erfordert, damit er bereit ist, seine Daten an den Anlagenlieferanten zurückzuspielen. Notfalls, so Reimann, könnten Maschinen- und Anlagenbauer zunächst einmal auch mit Daten arbeiten, die sie selbst im Testbetrieb ihrer Maschinen sammeln.

Was das Teilen von Daten angeht, sieht Reimann die Industrie auf einem guten Weg. Durch Initiativen wie Gaia-X, Manufacturing-X oder Catena-X entstünden Datenräume, die das Teilen von Daten begünstigen, weil dort jeder Herr über seine Daten bleibe.

KI-Initiativen dürfen also keine Eintagsfliegen sein. KI ist gekommen, um zu bleiben. Sie und ihre sich ständig erweiternden Möglichkeiten optimal zu nutzen, muss als kontinuierlicher Innovationsprozess verankert werden.