Dennis Rathmann: Das Thema Machine Learning und künstliche Intelligenz ist für Laien, wie ich auch einer bin, nicht so greifbar. Was soll denn eigentlich mit einer KI erreicht werden, zum Beispiel in der Fertigung?
Theo Steininger: Allgemein gesprochen nutzt man KI, um etwa die Fertigung zu optimieren oder um komplett neue Fertigungsverfahren zu entwickeln. Man macht zum Beispiel eine Anlage smart, sodass man weniger Ausschuss hat. Aber der Endkunde kriegt das gar nicht mit. Das ist Szenario eins.
Was wäre Szenario zwei?
Wenn ich mein Produkt mit KI ausbaue, schlauer mache und dadurch meinem Kunden oder meiner Kundin einen größeren Mehrwert als die Konkurrenz bieten kann. Stell dir zum Beispiel vor, dein Auto kann anhand aller Rahmenbedingungen, die gerade vorliegen, ermitteln, was die ideale Einstellung für die Klimatronic, die Sitzheizung und die Temperierung des Lenkrads ist. Und das völlig automatisch. Das ist möglich mit Machine Learning.
Wie, würdest du sagen, ist der aktuelle Stand im Maschinenbau und in der Automatisierungbranche, was Machine Learning, KI und Datenverarbeitung angeht?
Extrem heterogen. Ich habe schon alles gesehen – von der Vollautomatisierung, wo es für Machine Learning Use Cases die richtigen Daten gab bis zu Betrieben, die noch gar keine Daten sammeln. Und dann gibt es noch jene, wo zwar Daten vorhanden sind, aber leider nicht die richtigen. Das kann sehr ernüchternd sein. Da gibt es von Branche zu Branche, aber auch innerhalb der einzelnen Verticals, extreme Unterschiede.
Gibt es so etwas wie eine Vorreiter-Branche?
Automotive ist tendenziell stark digitalisiert und hat dadurch quasi per Zufall Daten, von denen sich damals keiner hätte erträumen lassen, dass sie derart wertvoll werden. Und dann gibt es Branchen, da ist es regulatorisch aufgrund von Sicherheitsaspekten nötig, dass Daten erhoben werden, wie im Pharmabereich.
(Lesen Sie auch: Wie KI helfen kann, Qualität und Produktivität zu steigern)