Hersteller haben Jahre damit verbracht, Maschinen, Anwendungen und Geschäftsprozesse miteinander zu vernetzen. Die nächste Herausforderung besteht nicht einfach darin, mehr Daten zu sammeln, sondern diese Informationen zu nutzen, um die Fertigungsabläufe reaktionsfähiger und intelligenter zu gestalten.
Künstliche Intelligenz eröffnet neue Möglichkeiten. KI-Agenten könnten Produktionsabweichungen untersuchen, Arbeitsabläufe koordinieren und mit Unternehmensanwendungen interagieren. Gleichzeitig schaffen Fortschritte in der Robotik Möglichkeiten, digitale Intelligenz mit physischen Abläufen zu verknüpfen.
Die Einführung dieser Funktionen wirft jedoch eine wichtige Frage auf:
Wie können Hersteller die Zusammenarbeit zwischen Menschen, KI-Agenten und intelligenten Maschinen ermöglichen, ohne die Betriebssicherheit, die Sicherheit oder die Kontrolle zu beeinträchtigen?
Die Antwort liegt nicht nur in der Technologie selbst, sondern auch darin, wie sie in bestehende Fertigungsprozesse und -systeme integriert wird.
Herkömmliche Fertigungssysteme arbeiten größtenteils nach vordefinierten Prozessen. Anwendungen tauschen Informationen aus, Arbeitsabläufe folgen festgelegten Regeln, und Menschen treffen Entscheidungen auf der Grundlage der verfügbaren Daten.
KI-Agenten führen einen dynamischeren Ansatz ein.
Anstatt lediglich einen vordefinierten Arbeitsablauf auszuführen, könnte ein Agent ein Problem erkennen, relevante Informationen abrufen, geeignete Werkzeuge auswählen und innerhalb festgelegter Grenzen Maßnahmen empfehlen oder einleiten.
Beispielsweise könnte ein Agent eine Abweichung in der Produktion erkennen, historische Daten untersuchen und Korrekturmaßnahmen vorschlagen. Ein anderer könnte die Produktionsplanung unterstützen, indem er die Materialverfügbarkeit, die Maschinenkapazität und aktuelle Prioritäten berücksichtigt.
Dies schafft Möglichkeiten für besser vernetzte und reaktionsfähigere Fertigungsabläufe. Allerdings entstehen dadurch auch neue Abhängigkeiten.
Ein KI-Agent ist nur so zuverlässig wie die Informationen, Werkzeuge und Berechtigungen, die ihm zur Verfügung stehen.
In einer SAP-basierten Fertigungsumgebung können diese Informationen aus SAP S/4HANA, SAP Digital Manufacturing, Planungsanwendungen oder Fertigungssystemen stammen.
Eine gut integrierte Landschaft mit standardisierten Prozessen, geregelten Daten und klaren Systemzuständigkeiten bildet daher eine wichtige Grundlage für KI.
KI ersetzt die bestehende Fertigungsarchitektur nicht, sondern baut auf ihr auf.
Eine Entwicklung, die diese Entwicklung unterstützen könnte, ist das Model Context Protocol (MCP).
Das MCP bietet KI-Anwendungen eine standardisierte Möglichkeit, sich mit externen Tools und Informationsquellen zu verbinden.
In der Fertigung könnten MCP-basierte Verbindungen es Agenten potenziell ermöglichen, mit Unternehmensfunktionen zu interagieren, wie zum Beispiel:
Der wesentliche Unterschied zu herkömmlichen Integrationen liegt darin, wie diese Funktionen genutzt werden können.
Während herkömmliche Anwendungen in der Regel vordefinierten Abläufen folgen, kann ein KI-Agent je nach der zu erledigenden Aufgabe potenziell unterschiedliche Werkzeuge auswählen.
MCP ersetzt jedoch keine bestehenden Integrationsplattformen, APIs oder Sicherheitsmechanismen. Es bietet eine Möglichkeit, KI-Anwendungen den Zugriff auf Tools und Informationen zu ermöglichen, wobei Zugriffskontrollen und betriebliche Sicherheitsvorkehrungen weiterhin umgesetzt werden müssen.
Für Hersteller wirft dies praktische Fragen auf:
Diese Fragen gewinnen besonders an Bedeutung, wenn Agenten über das bloße Abrufen von Informationen hinausgehen und beginnen, mit operativen Prozessen zu interagieren.
KI-Agenten sollten innerhalb der Unternehmensarchitektur agieren und diese nicht umgehen.
Stellen Sie sich eine Produktionsumgebung vor, in der eine Maschine Teile produziert, die von den geforderten Qualitätsspezifikationen abweichen.
In einem herkömmlichen Prozess würde möglicherweise ein Bediener die Abweichung feststellen, ein Qualitätsingenieur würde mögliche Ursachen untersuchen, die Instandhaltung würde die Anlage überprüfen und ein Produktionsplaner würde die Auswirkungen auf den Zeitplan bewerten.
Ein KI-gestützter Prozess könnte diese Aktivitäten besser koordinieren.
Ein Fertigungsagent könnte die Anomalie anhand von Produktions- und Qualitätsdaten erkennen. Anschließend könnte er historische Informationen abrufen, relevante Maschinenparameter untersuchen und den aktuellen Fertigungsauftrag in vernetzten Systemen wie SAP Digital Manufacturing und SAP S/4HANA überprüfen.
Auf der Grundlage dieser Informationen könnte der Agent mögliche Ursachen identifizieren und Korrekturmaßnahmen vorschlagen. Je nach seinen Berechtigungen könnte er zudem einen genehmigten Qualitätsworkflow einleiten oder eine Wartungsinspektion anfordern.
Der zuständige Bediener oder Techniker wäre weiterhin an der Bewertung und Genehmigung von Entscheidungen beteiligt, die die Produktion betreffen.
In einer fortgeschritteneren Umgebung könnte ein entsprechend konzipiertes Robotersystem möglicherweise bestimmte physische Inspektionen oder Einstellungen durchführen.
Dies veranschaulicht das Potenzial der Zusammenarbeit zwischen Mensch, Agent und Maschine:
Das Ziel besteht nicht darin, Menschen aus den Fertigungsprozessen zu verdrängen, sondern ihnen dabei zu helfen, fundiertere Entscheidungen zu treffen und effektiver auf betriebliche Herausforderungen zu reagieren.
Nicht jeder Fertigungsprozess erfordert denselben Grad an KI-Autonomie.
Der Übergang zu KI-gestützten Abläufen lässt sich anhand verschiedener Kompetenzstufen verstehen:
1. Digitale Prozesse: Geschäftsprozesse sind standardisiert und werden durch vernetzte Anwendungen unterstützt.
2. Automatisierte Prozesse: Regeln und vordefinierte Arbeitsabläufe automatisieren sich wiederholende Tätigkeiten und vorhersehbare Entscheidungen.
3. KI-gestützte Prozesse: KI analysiert Informationen, erkennt Muster und empfiehlt Maßnahmen zur Unterstützung menschlicher Entscheidungen.
4. Agentenbasierte Prozesse: KI-Agenten können Werkzeuge auswählen und definierte Handlungsabläufe im Rahmen festgelegter Berechtigungen und Genehmigungsanforderungen ausführen.
5. Physische KI: Intelligente physische Systeme können ihre Umgebung wahrnehmen und Handlungen innerhalb angemessener Betriebs- und Sicherheitsgrenzen ausführen.
Diese Ebenen stellen nicht zwangsläufig eine feste Umsetzungsreihenfolge dar. Je nach Fertigungsprozess und dessen Anforderungen können verschiedene Fähigkeiten nebeneinander bestehen.
Für Hersteller sollte das Ziel darin bestehen, zu ermitteln, wo zusätzliche Intelligenz messbaren Mehrwert schafft, und festzulegen, wie viel Autonomie angemessen ist.
Da Fertigungsumgebungen immer intelligenter werden, müssen Unternehmen mehr als nur Anwendungen, Integrationen und herkömmliche Geschäftsprozesse verwalten.
KI führt zusätzliche Elemente wie Modelle, Agenten, Tools, Datenquellen, Berechtigungen und Überwachungsanforderungen ein.
Dadurch gewinnen Unternehmensarchitektur und Lebenszyklusmanagement zunehmend an Bedeutung.
Die SAP Integrated Toolchain bietet Funktionen, die diese Grundlage unterstützen können:
Diese Funktionen können Herstellern dabei helfen, Transparenz über die Systeme und Prozesse hinweg zu gewährleisten, in die KI eingeführt wird.
Allerdings ist auch eine KI-spezifische Governance erforderlich, um das Verhalten von Agenten, die Berechtigungen für Tools und die operativen Grenzen zu verwalten.
Unternehmen müssen nicht nur verstehen, welche Anwendungen einen Fertigungsprozess unterstützen, sondern auch, welche KI-Agenten mit diesen Anwendungen interagieren können und welche Aktionen sie ausführen dürfen.
Dies wirft eine neue Frage hinsichtlich der Governance auf:
Welcher KI-Agent darf was tun, in welchem Prozess und unter Verwendung welcher Daten und Werkzeuge?
Die Beantwortung dieser Frage erfordert eine Abstimmung zwischen Unternehmensarchitektur, Geschäftsprozessmanagement, Sicherheit und KI-Governance.
Herkömmliche automatisierte Tests überprüfen in der Regel, ob ein System unter definierten Bedingungen das erwartete Ergebnis liefert.
KI-gestützte Prozesse bringen zusätzliche Komplexität mit sich, da das Verhalten eines Agenten je nach verfügbaren Informationen, Anweisungen und Werkzeugen variieren kann.
Beispielsweise kann ein KI-Agent dasselbe Ziel durch unterschiedliche Abfolgen von Aktionen erreichen oder auf unerwartete Situationen stoßen, die während der Entwicklung nicht ausdrücklich vorhergesehen wurden.
Hersteller müssen daher mehr testen als nur, ob ein Agent eine Aufgabe erfolgreich abschließen kann.
Sie müssen außerdem Folgendes bewerten:
Betrachten wir einen Agenten, der Fertigungsaufträge anlegen oder ändern kann.
Bei den Tests sollte nicht nur überprüft werden, ob der Agent die Transaktion ausführen kann, sondern auch, ob er die Aktion ablehnt oder eskaliert, wenn die erforderliche Autorisierung oder die Geschäftsbedingungen nicht gegeben sind.
Bestehende Ansätze wie prozessbasiertes Testen, automatisierte Regressionstests und das zentralisierte Testmanagement in SAP Cloud ALM können dabei helfen, die zugrunde liegenden Prozesse und Integrationen zu validieren.
Zusätzliche KI-spezifische Auswertungen sind erforderlich, um das Verhalten des Agenten, seine Berechtigungen und Fehlerszenarien zu bewerten.
In der Fertigung ist dies besonders wichtig, da Fehler die Produktionsverfügbarkeit, die Produktqualität und die Lieferleistung beeinträchtigen können.
Das Testen wird somit sowohl zu einer Maßnahme der Qualitätssicherung als auch zu einem wichtigen Bestandteil der KI-Governance.
KI-gestützte Fertigung beschränkt sich nicht auf Softwareanwendungen.
Fortschritte in den Bereichen Robotik, Sensorik und Computer Vision eröffnen neue Möglichkeiten für intelligente physische Systeme, die ihre Umgebung interpretieren und Aufgaben ausführen können.
Langfristig könnten humanoide Roboter in ausgewählten industriellen Umgebungen an Bedeutung gewinnen, insbesondere dort, wo Arbeitsplätze auf menschliche Bewegungen und Interaktionen ausgelegt sind.
Allerdings birgt physische KI zusätzliche Risiken.
Während Software-Agenten in erster Linie mit digitalen Systemen interagieren, können Roboter einen direkten Einfluss auf Anlagen, Materialien und Menschen ausüben.
Eine zunehmende Autonomie muss daher mit geeigneten Sicherheitskonzepten, Maßnahmen zur Cybersicherheit, betrieblichen Grenzen und menschlicher Aufsicht einhergehen.
Sicherheitskritische Funktionen sollten weiterhin durch geeignete industrielle Steuerungs- und Sicherheitsmechanismen geregelt werden, anstatt sich ausschließlich auf von KI getroffene Entscheidungen zu verlassen.
Das Ziel besteht darin, intelligenten Systemen unter kontrollierten Betriebsbedingungen einen Beitrag zu ermöglichen, nicht aber, ihnen uneingeschränkte Befugnisse über physische Fertigungsprozesse zu übertragen.
Je näher die KI an die Fertigung rückt, desto wichtiger wird die Integration von IT, Betriebstechnik und Sicherheitsmanagement.
KI-Agenten, MCP-basierte Werkzeuganbindungen und physische KI könnten die Art und Weise, wie Fertigungsabläufe gesteuert werden, erheblich verändern.
Die Einführung dieser Technologien macht jedoch bestehende Strategien zur digitalen Fertigung nicht überflüssig.
Integrierte Systeme, standardisierte Prozesse, zuverlässige Daten und eine transparente Architektur bleiben unverzichtbar. Was sich ändert, ist die Art und Weise, wie künstliche Intelligenz mit diesen Grundlagen interagieren kann.
Hersteller müssen nicht unbedingt mit komplexen autonomen Szenarien beginnen. Ein praktischer Ansatzpunkt besteht darin, einen klar definierten Geschäftsprozess zu identifizieren, einen zuverlässigen Zugriff auf die erforderlichen Informationen zu gewährleisten und festzustellen, welche Aktivitäten sicher durch KI unterstützt werden können.
Von dort aus können neue Funktionen systematisch getestet und eingeführt werden.
Das Ziel besteht nicht darin, die Fertigung um ihrer selbst willen autonom zu gestalten. Vielmehr geht es darum, die Abläufe reaktionsfähiger, transparenter und anpassungsfähiger zu machen und dabei Zuverlässigkeit, Sicherheit und menschliche Verantwortlichkeit zu gewährleisten.
Die Hersteller, die auf diese Entwicklung am besten vorbereitet sind, werden nicht unbedingt diejenigen sein, die die meisten KI-Experimente durchführen, sondern diejenigen, die über eine digitale Grundlage verfügen, die es ermöglicht, neue Funktionen verantwortungsbewusst und in großem Maßstab einzuführen.