Maschinelles Lernen braucht Mut und lohnt sich

VDMA

Wie maschinelles Lernen den Maschinen- und Anlagenbau verändern kann, diskutierten Experten im Forum „Machine Learning – wohin geht die Reise?“ auf dem Maschinenbau-Gipfel.

Wie steigt man als Unternehmen ein, was ist zu beachten? Am Anfang steht, den Business Case zu analysieren, der  mit Machine Learning angegangen werden soll. „Die Crux dabei ist, den Business Case so zu definieren, dass Ihnen etwas ermöglicht wird, was vorher nicht möglich war“, erläuterte Dr. Zbigniew Jerzak, Entwicklungsleiter Machine Laerning bei SAP. „Entwickeln Sie etwas, was der Kunde tatsächlich nutzen kann, auch wenn das manchmal länger dauert“, riet er. Im zweiten Schritt ist es wichtig, die vorhandenen Daten zu analysieren und auszuwerten. „Es gibt keine Data-Analyse von der Stange, es hängt stark von der Datenverfügbarkeit ab. Wenn Sie Ihr Wissen und Ihre Daten auslagern, leidet die Integrationsfähigkeit“, betonte André Rauschert, Head of Digital Business Processes, Fraunhofer-Allianz Big Data - AI. „Die Herausforderung hierbei ist, eine Datenstruktur zu schaffen, dass der Maschinenbauer in Zukunft vielleicht auch mit einem potentiellen Konkurrenten seine Daten teilt“, sagte er. Auch die Datenhoheit spielt eine wichtige Rolle. Immer wieder fragen Maschinenbauer, wem die Daten gehören und was mit ihnen passiert. Rauschert riet ihnen, wenn das Potential im Unternehmen vorhanden ist, vieles im eigenen Haus zu behalten oder eine Hybrid-Lösung anstreben. „Jeder Cloud-Anbieter, der auf dem Markt ist, hat ein anderes Datennutzungsverhalten, damit muss man sich beschäftigen.“

"Mit maschinellem Lernen können Prozesse optimiert werden und die Gesamtanlageneffektivität gesteigert werden. Die gesamten Abläufe der Produktion werden durch Machine Learning verbessert."

Was bringt Machine Learning dem Maschinen- und Anlagenbau? Zunächst können damit viel komplexere Themen angegangen werden, da die Maschine selbst lernt. „Mit maschinellem Lernen können Prozesse optimiert werden und die Gesamtanlageneffektivität gesteigert werden. Die gesamten Abläufe der Produktion werden durch Machine Learning verbessert“, erklärte Peter Seeberg, Business Development Manager der Softing Industrial GmbH. Aber aller Anfang ist schwer, viele kleine und mittelständische Unternehmen haben noch nicht damit begonnen, Machine Learning im Unternehmen einzusetzen. Es erfordert Mut, vorhandene Geschäftsmodelle abzulegen und neue zu implementieren. Dennoch sollten die Firmen unverzüglich damit beginnen, rieten die Experten in Berlin. „Maschinelles Lernen ist ein Werkzeug! Deshalb: Haben Sie keine Angst, sich neu zu erfinden“, ermutigte André Rauschert die Zuhörer. Geduld ist hierbei gefragt. „Ein solches Projekt erfordert ein kontinuierliches Investment. Aber es lohnt sich. Denn vielleicht ist es der einzige Weg, um künftig erfolgreich zu bleiben“, sagte Peter Seeberg.

Natürlich ist für den Einsatz von neuen Geschäftsmodellen das richtige Team und Rückendeckung der Managementebene wichtig. Deshalb sollten die Unternehmen Personal suchen, das offen ist, neue Wege zu gehen. Im internationalen Vergleich muss der Maschinenbau aus Deutschland der Welt auch künftig zeigen, was er kann: „Wir sind die Nummer eins, wir können es aber nur bleiben, wenn wir unser Potential ausschöpfen“, sagt Peter Seeberg.