Im Mittelpunkt der Veranstaltung „Dine & Discover“ von Magic Software standen praktische Lösungsansätze, die mittelständische produzierende Unternehmen auf ihrem Weg zur digitalen Transformation und beim Erreichen von Operational Excellence unterstützen sollen. Alexander Kouril von der operaize GmbH, Fachreferent für neue Industrie 4.0 und KI-Technologien, konnte neben seinem spannenden Vortrag auch im Interview Einblicke in KI-Verfahren in komplexen industriellen Prozessen vermitteln:
Herr Kouril, was unterscheidet Machine Learning von Machine Reasoning?
Mit Machine Learning sind wir in der Lage, aus Daten Einsichten zu gewinnen. Einsichten heißt hier, ich kann Probleme besser erkennen und verstehen sowie Zusammenhänge rund um das Problem erkennen. Dafür ist Machine Learning geeignet.
Machine-Reasoning-Verfahren hingegen sind ein Entwicklungssprung innerhalb der künstlichen Intelligenz. Künstliche-Intelligenz-Verfahren sind Algorithmen, die in der Lage sind, anhand von Problemstellungen und Problemprofilen optimale Problemlösungsstrategien zu ermitteln. Und das extrem schnell, um diese Problemlösungsstrategien eben auch effizient umzusetzen. Probleme könnten völlig unterschiedlicher Natur sein. Wir haben uns fokussiert auf Produktion und Supply-Chain-Prozesse. Wir nutzen Machine Reasoning speziell für die Prozessoptimierung. Es gibt allerdings auch Machine-Reasoning-Verfahren für ganz andere Bereiche. Um es auf den Punkt zu bringen: Mit Machine Reasoning sind wir in der Lage Probleme zu lösen, optimale Entscheidungen herbeizuführen und umzusetzen.
Die Planung und Steuerung in der Produktion sowie die gesamte Supply Chain werden immer komplexer und zeitaufwändiger – eine große Herausforderung für das gesamte Unternehmen. Welche Gründe sehen Sie dafür?
Planung und Steuerung in der Produktion und Supply Chain werden tatsächlich immer komplexer und immer aufwendiger. Das liegt auch daran, dass wir sehr viel mit der Globalisierung zu tun haben. Globalisierung heißt, ich habe nicht mehr nur meine 20 Werke in Deutschland, sondern 120 Werke weltweit. Ich habe dadurch viel mehr Zulieferer und viel mehr Komplexität im System. Das heißt wiederum für den verantwortlichen Werksleiter oder für den Verantwortlichen für die Produktionsplanung, dass er sich mit einer höheren Komplexität auseinandersetzen muss. Das Kernproblem dabei ist, dass in der Produktion und in der Planung eine Vielzahl von ERP-System eingesetzt werden. Und die verantwortlichen Werksleiter bzw. Produktionsplaner einfach gezwungen sind, unterschiedlichste Planungssysteme zu benutzen. Das ist sehr, sehr zeitaufwändig und damit haben wir aber auch massive Probleme. Im Grunde geht es darum, wie man aus den unterschiedlichen Planungssystemen und ERP-System relevante Daten rausziehen und wie man diese schnell und effizient verarbeiten kann. Das ist einfach extrem aufwändig.
Wo liegen in diesem Zusammenhang die Risiken für ein mittelständisches Unternehmen?
Die Verantwortlichen in der Produktion für Planung und Steuerung nutzen eine Vielzahl von IT-Systemen für die Planung, für die Steuerung, für die Verarbeitung und Buchung und da gibt es eine Vielzahl von Datenmengen und Informationen. Es wird immer schwieriger die relevanten Daten zu akquirieren und daraus Einsichten zu gewinnen. Das ist schon ein großes Risiko für Mittelständler – zumal sie immer mehr unter Wettbewerb stehen durch aggressive Anbieter aus Asien, die zu ganz anderen Konditionen arbeiten und anbieten können.
Im Unternehmen existiert eine wahre Datenflut, oftmals viele Datensilos in vielen Abteilungen (Produktion, Vertrieb, Customer Service etc.) Welchen Stellenwert hat eine reibungslos funktionierende Datenintegration für erfolgreiche KI-Projekte?
In Unternehmen haben Sie immer das Thema, dass es viele Abteilungen gibt und in jeder Abteilung gibt es unterschiedliche Datensilos und eine Vielzahl von Informationen, die allerdings in keinster Weise miteinander in Beziehung oder in Verbindung stehen. Daraus resultieren erhebliche Probleme für das Unternehmen. Das Unternehmen hat alle Informationen – weiß aber nicht, dass es diese Informationen hat. Unternehmen sind dadurch beispielsweise nicht in der Lage effizient zu steuern, weil sie einfach die wichtigsten Informationen teilweise nicht haben. Daher ist es wichtig für Unternehmen, sich darüber Gedanken zu machen und sich damit auseinanderzusetzen, wie man an die unterschiedlichen Datensilos herankommt, wie man sie miteinander kombiniert beziehungsweise in Verbindung setzt und darüber dann aus Daten Einsichten gewinnen kann. Das ist aus meiner Sicht das A und O, um die nächsten Schritte der Digitalisierung zu gehen.
Wie ordnen Sie die Magic Integrationslösungen in diesem Umfeld ein?
Aus meiner Sicht ist Magix xpi, also die Daten-Integrationssoftware von Magic, insbesondere für Mittelständler exzellent geeignet, die versuchen, möglichst viele Daten aus den unterschiedlichsten Bereichen zu akquirieren, diese Daten aufzuarbeiten und daraus Einsichten zu gewinnen. Das hat aus meiner Sicht drei Gründe: Erstens sind die Werkzeuge von Magic Software so ausgereift und so gut, dass man in der Lage ist, selbst komplexe Daten-Integrationsprojekte extrem schnell umsetzen zu können. Wir reden hier nicht über Monate bis Jahre für ein Projekt in der Produktion, sondern über Tage. Soweit ich weiß, ist Magic Software in der Lage, 81 % ihrer Projekte innerhalb von 21 Tagen umzusetzen. Das ist ein bemerkenswertes Alleinstellungsmerkmal.
Zudem ist Magic Software code-free. Code-free heißt, ich gehe zum Kunden, möchte meine Plattform dort integrieren und muss dazu nicht erst umständlich programmieren. Ich muss keine Schnittstellen programmieren, ich muss kein Dashboard programmieren, ich muss für die Datenverarbeitung keine Algorithmen programmieren und einbinden – das ist einfach alles schon vorhanden und kann durch den Anwender extrem schnell umgesetzt werden. Und es ist ein ausgezeichnetes Preis-Leistungs-Verhältnis. Dafür ist Magic Software aus meiner Sicht sehr gut bekannt und daher hervorragend geeignet für Mittelständler.
Klicken Sie hier, um mehr über Magic FactoryEye zu erfahren.
