Neue Geschäftsmodelle finden
mit Künstlicher Intelligenz

Herr Savic, mit welchen Herausforderungen sieht sich der Schweizer Maschinenbau derzeit konfrontiert?

Boris Savic (im Bild): Die ersten Stichworte, die mir hierzu einfallen sind «Trump», «China» und «Brexit». Hinzu kommt der deutsche Markt, in dem der Automotive-Bereich stagniert und was sich auf unseren Maschinenbau auswirkt. Probleme bereiten aber auch die hohen Lohnkosten, die zu bewältigen sind und der starke Franken. Es gibt also mehr als genug Herausforderungen, mit denen unser Maschinenbau derzeit konfrontiert ist.

Und wie kann er diesen Herausforderungen begegnen?

Savic: Mit der Entwicklung neuer Geschäftsmodelle. Ein Bereich, dem wir ein sehr grosses Potential zuschreiben, ist die Künstliche Intelligenz beziehungsweise Machine Learning. Maschinen erfassen hierbei über Sensoren Umweltbedingungen und den Bearbeitungszustand, kommunizieren über kommunikationsfähige Komponenten miteinander und optimieren so Produktionsabläufe. Gerade für lösungsorientierte und innovative Unternehmen, von denen wir in der Schweiz sehr viele besitzen, sehe ich hier viele neue Möglichkeiten.

Vermutlich ist es aber nicht damit getan, Sensoren an die Maschinen zu bringen und Daten zu erheben. Was braucht es darüber hinaus?

Daniel Gottardo: Daten werden schon heute sehr viele erhoben. Die Kunst besteht darin, herauszufinden, welche davon einen Mehrwert bieten können. Wir beobachten häufig, dass Unternehmen, die sich zum ersten Mal mit dieser Thematik befassen, gar nicht wissen, welche erfassten Angaben wirklich relevant sind. Meist decken erst Machine Learning Tools Korrelationen innerhalb von Maschinen auf, die zuvor so gar nicht erkannt wurden. In aller Regel ist es daher auch nicht nur ein Sensor, sondern das Zusammenspiel verschiedener Sensoren, die zu neuen Erkenntnissen führen.

Inwieweit unterstützen Sie hierbei den Maschinenbauer?

Gottardo: Er kennt seine Maschine am besten, schliesslich hat er sie entwickelt und verfügt über das entsprechende Domänenwissen. Wir haben jedoch ein Verständnis davon, wie Maschinenbau funktioniert und mit welchen Herausforderungen dieser bei der Datenanalyse konfrontiert wird. Daher begleiten wir ihn wie im klassischen Projektgeschäft und nehmen in den einzelnen Phasen verschiedene Rollen ein – mal beraten wir ihn, mal leiten wir ihn an, mal sind wir sein Gegenspieler. Erst dieses Zusammenspiel schafft einen Mehrwert.

Mit Industrial Analytics bietet Weidmüller ein Werkzeug, das Wechselbeziehungen in Maschinen herstellt. Braucht es IT-Spezialisten, um diese selbstlernenden KI-Module einsetzen zu können?

Das Gesagte hört sich sehr teuer an. Wie soll der Schweizer Maschinenbauer, der seit Jahren mit schwindender Marge kämpft, das überhaupt bezahlen?

Savic: Wir haben dieses Werkzeug bereits verschiedenen Kunden vorgestellt und alle haben auf Anhieb den damit erzielbaren Mehrwert erkannt. Da der Anwender zudem nur für die Lizenzierung bezahlt und das Werkzeug in seinen betrieblichen Prozessen beliebig oft benutzen kann, bleiben die Kosten kalkulierbar und sind im Vergleich zur traditionellen Projektarbeitsweise oder etwa der Beschäftigung eines eigenen Data Scientisten sehr gering.

Was passiert mit den Firmen, die nicht auf diesen Zug aufspringen werden?

Gottardo: Anbieter in Nischenbereichen können womöglich auf den Einsatz dieses Werkzeugs verzichten. Wer sich mit seinen Produkten und Lösungen jedoch in einem stark umkämpften Feld positioniert, sollte sehr gut abwägen, ob er sich diese Chancen vergeben will.

Savic: Jedes Unternehmen muss für sich selbst entscheiden, inwiefern es auf den Einsatz einer solch Mehrwert schaffenden Technologie verzichten kann. Wir sind aber davon überzeugt, dass durch den Einsatz von Industrial Analytics die Wettbewerbsfähigkeit steigt und sich das Unternehmen als innovativer Lieferant und Partner positionieren kann.