So verlieren Industrieunternehmen im KI-Wettlauf keine Zeit

Spätestens jetzt, da generative KI in der breiten Bevölkerung angekommen ist, KI-Agenten sich in der Testphase befinden und Multi-Agenten-Systeme entwickelt werden, müssen Industrieunternehmen aktiv werden. Wer bisher KI nicht flächendeckend einsetzt, droht ins Hintertreffen zu geraten und abgehängt zu werden. Dabei ist der Aufbau einer KI-Fabrik nicht unbedingt ein langfristiges Projekt: Unternehmen können sie in sechs einfachen Schritten realisieren.

Sechs Schritte zum Aufbau einer KI-Fabrik

Schritt #1: Aufbau einer skalierbaren IT-Architektur

Herzstück und unverzichtbare Basis für die Inbetriebnahme einer KI-Fabrik ist eine passende IT-Architektur. Ist sie offen, IP-basiert und vor allem skalierbar, können Unternehmen auf ihr laufende KI-Systeme nahtlos an bestehende OT (Operational-Technology)-Umgebungen anbinden. Eine Schlüsselrolle spielen dabei standardisierte Kommunikationsprotokolle, die in Verbindung mit einer flexiblen Architektur die Interoperabilität von KI-Anwendungen mit SPS-, Feldbus- und SCADA-Landschaften sicherstellen. Wichtig ist allem voran die Skalierbarkeit, um die typischen Anforderungen industrieller Use Cases zu erfüllen: hohe Verfügbarkeit und lange Lebenszyklen.

Schritt #2: Integration von Sicherheitskonzepten

Je vernetzter die IT- und OT-Umgebungen sind, desto größer ist auch die potenzielle Angriffsfläche für Hacker. Entsprechend steigen die Sicherheitsanforderungen bei fortschreitender IT-OT-Konvergenz. Ein wichtiger Faktor ist, dass viele OT-Infrastrukturen nicht mit heutigen Cybersecurity-Standards konform und dementsprechend kaum auf aktuelle Bedrohungen vorbereitet sind. Konzepte wie Zero Trust, Netzwerksegmentierung und eine zentrale Durchsetzung von Sicherheitsregularien sollten Unternehmen daher bereits beim Aufbau ihrer KI-Infrastruktur berücksichtigen.

Schritt #3: Erhebung und Bereitstellung von Produktionsdaten

Sind alle Systeme miteinander verzahnt und umfassend abgesichert, müssen Unternehmen der industriellen KI auch Zugriff auf relevante Daten bieten, denn nur so entfaltet sie ihren Nutzen. Grundlage dafür sind zunächst einmal Sensoren, die entsprechende Daten entlang der Produktionslinien systematisch erfassen und in das System einspeisen. Auf IT-Seite müssen sie dann kontextualisiert und in Echtzeit ausgewertet werden. Künstliche Intelligenz kann dann Muster erkennen, Anomalien frühzeitig identifizieren und Entscheidungen der Belegschaft unterstützen. So schaffen Unternehmen die Grundlage für ihre KI-Fabrik sowie die prädiktive Wartung und die verbesserte Planung von Produktionsabläufen.

Schritt #4: Schaffung interdisziplinärer Teams

Um eine KI-Fabrik sinnvoll zu betreiben, sind isolierte Teams ein No-Go. Data Scientists, die sich um die Entwicklung, das Training und den Betrieb von KI kümmern, haben von Betriebstechnologie, Zykluszeiten und Wartungsfenstern oft wenig Ahnung. Gleichzeitig wissen OT-Teams selten etwas mit KI-spezifischen Vorgängen wie dem Training, Sensor Fusion oder Data Cleaning anzufangen. Daher sollten Industrieunternehmen die Zusammenarbeit zwischen den Expertenteams forcieren und mittels entsprechender Plattformen interdisziplinäre Teams schaffen.

Schritt #5: Skalierung über Werke hinweg

Um das Maximum aus KI-Modellen herauszuholen, eignen sich isolierte Pilotprojekte eher nicht. Industrieunternehmen sollten ihre KI-Anwendungen daher so entwickeln, dass sie wiederverwendbar sind und sich über mehrere Werke, Regionen oder Partnernetzwerke ausrollen lassen. Industrial Edge, also der Einsatz von KI vor Ort, spielt in diesem Zusammenhang eine zentrale Rolle. Die Cloud sollten Unternehmen hingegen vor allem für das Training oder die Weiterentwicklung von KI-Modellen verwenden.

Schritt #6: Rollout der KI-Fabrik

Sobald alle Schritte durchgeführt sind, ist der letzte Schritt der finale Ausbau der vorhandenen Infrastruktur zur KI-Fabrik: einer holistischen Plattform, die Entwicklung, Training, Deployment und Betrieb von KI-Anwendungen über den gesamten Zyklus hinweg unterstützt. Eine gemeinsame Software-Plattform verbindet Daten aus der OT-Umgebung, KI-Modelle und Edge-Workloads miteinander: über sie können Data Scientists neue Modelle kontrolliert in die Produktionslandschaft ausrollen. Wichtig ist zudem eine spezielle Edge-Plattform, die das Deployment und das Management von IT-Infrastruktur und KI-Anwendungen direkt an Maschinen und Produktionslinien automatisiert, bestenfalls mit Zero-Touch-Provisioning. Hardwareseitig bedarf es dafür KI-Server, Industrial-PCs und Rugged Devices, um KI direkt in die Fabrikhalle zu bringen.

Fazit

„Viele, wenn auch nicht alle Voraussetzungen für industrielle KI sind in den meisten Produktionsunternehmen bereits vorhanden“, erklärt Chris Kramar, Director und General Manager OEM Solutions DACH bei Dell Technologies. „Sie benötigen daher vor allem eine gute Strategie und die letzten Hardware- und Software-Puzzlestücke für die flächendeckende Nutzung von KI. Unternehmen sollten diesen Schritt nicht aufschieben – nur so sichern sie ihre Wettbewerbsfähigkeit im internationalen Vergleich.“