Mensch und KI-Agent Hand in Hand

Die KI entwickelt sich rasant – die nächste Evolutionsstufe in der Fertigung ist die agentenbasierte KI. KI-Agenten werden dort jedoch den Menschen ergänzen, nicht ersetzen. Abhängig ist der Erfolg agentenbasierter KI in der Fertigung von Human-in-the-Loop-Modellen, die den Menschen einbeziehen.

Vor rund zwei Jahren wurde die Fertigung vom Hype-Zyklus der KI erfasst, und jetzt sind alle Augen auf die Umsetzung von Anwendungsfällen gerichtet. In den letzten zwölf Monaten haben sich generative KI-Anwendungen, die auf Large Language Models (LLMs) beruhen, in den Fabrikhallen etabliert, um die Arbeiter zu unterstützen und die Produktivität zu steigern.

Wir sehen nun erste ernstzunehmende Anwendungsfälle für generative KI in der Fertigung. Sie beschleunigen die Erstellung von Dokumenten und deren Konvertierung in leicht verdauliche Formate wie digitale Arbeitsanweisungen und ansprechende Videoanleitungen, reduzieren die Bereitstellungszeit und -kosten und bieten intelligentere Suchfunktionen. Das zeigt, wie generative KI eine heterogene Belegschaft unterstützen kann, indem sie durch die intelligente, mehrsprachige Transkription von Inhalten Sprachbarrieren überwindet und damit für ein besseres Verständnis, mehr Sicherheit und eine höhere Qualität sorgt.

Wir stehen jetzt vor der nächsten Entwicklungsstufe der KI: der Ära der agentenbasierten Systeme. Agentenbasierte KI geht über die generative KI hinaus und schafft eine Art von autonomen digitalen Mitarbeitern, die ihre Umgebung wahrnehmen und analysieren sowie eigenständig Maßnahmen ergreifen. Als KI-Agenten verfügen diese Mitarbeiter über wichtige Fähigkeiten, etwa zur Behebung von Problemen oder zur Frühwarnung – und das bei minimalem menschlichem Eingreifen.

Dem Adobe Agentic Readiness Report zufolge haben derzeit weniger als die Hälfte (46 Prozent) der deutschen Fertigungsunternehmen agentenbasierte KI eingeführt. 31 Prozent beabsichtigen, dies innerhalb der nächsten drei Monate zu tun, 16 Prozent innerhalb der nächsten zwölf Monate. Es gibt aber auch Bedenken: 37 Prozent der Befragten nennen den Datenschutz als Hauptproblem, 35 Prozent verweisen auf den technologischen Reifegrad und 31 Prozent auf die Komplexität der Integration. Hinzu kommt, dass viele deutsche Unternehmen nach wie vor mit einem Mangel an qualifizierten Fachkräften und mit kulturellen Vorbehalten zu kämpfen haben. Dazu zählen unter anderem Misstrauen gegenüber autonomen Entscheidungen und die Angst vor Kontrollverlust.

Die Macht der agentenbasierten KI in der Fertigung

Die Einführung agentenbasierter KI in der Fertigung steckt noch in den Kinderschuhen, weshalb es viele offene Fragen gibt, die im Folgenden betrachtet werden:

KI-Agenten sind zunächst nichts anderes als autonome Softwaresysteme, die KI nutzen, um Aufgaben auszuführen, zu denken und Entscheidungen zu treffen, ohne dass ein Mensch eingreifen muss. Sie nehmen ihre Umgebung wahr, planen Aktionen, führen diese mit Werkzeugen aus und – ganz wichtig – können mit der Zeit lernen und sich anpassen.

Klar ist, dass die agentenbasierte KI in der Fertigungsindustrie durchaus Potenzial hat. In einem ausführlichen Bericht fordern das Weltwirtschaftsforum und die Boston Consulting Group Fertigungsunternehmen dazu auf, sich der nächsten KI-Herausforderung zu stellen: »KI-Agenten verstärken die Vision einer Fertigung mit Echtzeit-Entscheidungen, nahezu autonomen Systemen und einer nahtlosen Zusammenarbeit zwischen Mensch und Maschine. Während die Produktivität in der Fertigung in Märkten wie Deutschland und den Vereinigten Staaten in den letzten zehn Jahren stagniert hat, bietet diese transformative Vision eine bedeutende Gelegenheit, das Produktivitätswachstum wieder anzukurbeln und die Wettbewerbslandschaft industrieller Betriebe neu zu definieren.«

In aktuellen Anwendungsfällen agiert die agentenbasierte KI eher wie ein unterstützender »Assistent« oder ein halbautonomer, zielgerichteter »Agent«. In der Fertigungsindustrie werden wir viel mehr sehen: KI-Agenten, die als eigenständige, autonome Systeme mit menschlichen Arbeitskräften zusammenarbeiten, ihnen Vertrauen in ihre Arbeit geben und ihre Zufriedenheit steigern. Darüber hinaus ermöglichen KI-Agenten es den Menschen, deren eigene Aufgaben auf einem höheren Niveau auszuführen oder sich auf Aufgaben mit Mehrwert zu konzentrieren.

Der Schlüssel dazu ist die symbiotische Natur der Beziehung zwischen Agent und Mensch: Der Endbenutzer unterstützt den Agenten dabei, seine Arbeit besser zu erledigen. Das ist auch eine Möglichkeit, Arbeitskräfte in einer Branche besser zu binden und zu halten, in der die Mitarbeiterbindung sinkt.

»Human in the Loop« ist unerlässlich

Für die Fabrikarbeiter besteht der größte Nutzen darin, dass agentenbasierte KI als digitaler Kollege agiert, der ihre Fähigkeiten ergänzt, anstatt sie zu ersetzen. Kurzfristig wird es realistisch sein, sich wiederholende Aufgaben im Hintergrund zu automatisieren, bei komplexen Aufgaben zu helfen, einfache Aufgaben schneller und effizienter auszuführen, Analysen durchzuführen, für die die Arbeiter keine Zeit haben, und als Co-Pilot bei der Navigation durch komplexe Prozesse zu fungieren.

Aber die Hersteller müssen Leitplanken für die agentenbasierte KI einrichten, damit sie als Teammitglied arbeitet und nicht »aus dem Ruder läuft«. Das ist der Punkt, an dem zwischen selbständigem Handeln und echter Autonomie unterschieden werden muss: KI-Agenten können zwar handeln, aber die Benutzer müssen die finale Kontrolle behalten. »Human in the Loop« ist dabei nicht nur eine Frage der Sicherheit, sondern auch eine Frage der Leistung und des Vertrauens. Ein Human-in-the-Loop-Modell schafft Vertrauen und nutzt das Fachwissen der Mitarbeiter, um ein erfolgreiches Zusammenspiel von maschineller Proaktivität und menschlichem Urteilsvermögen in der Fabrikhalle zu etablieren.

Der Weg zum Aufbau einer vertrauensvollen Beziehung

So sieht für uns ein klarer Evolutionspfad für die Beziehung zwischen KI-Agenten und Arbeitern in der Fertigung aus:

Phase 1: Heute – Assistenten und Automatisierung. Konversationsbasierte Agenten werden eingesetzt, um bei Inhalten und Daten zu unterstützen, regelbasierte Trigger durchzusetzen und Hintergrundaufgaben auszuführen.

Phase 2: Nahe Zukunft – zielgerichtete Autonomie. Es entstehen denkende Agenten, die Absichten interpretieren und Unteragenten und Werkzeuge koordinieren. Bei der Behebung eines Problems leitet ein orchestrierender Agent beispielsweise die richtigen Werkzeuge weiter, erstellt einen Lösungsvorschlag und lässt ihn vom Benutzer freigeben.

Phase 3: Der Blick nach vorn – Proaktivität und Prognosen. Schließlich entwickeln sich die Agenten von reaktiv zu proaktiv weiter. Ab diesem Zeitpunkt sind sie in der Lage, frühe Signale von Ausfällen, Abweichungen oder Ineffizienzen zu erkennen, bevor diese tatsächlich auftreten. Sie können vorausschauende Analysen durchführen, um vorherzusagen, was passieren wird, und entsprechende Handlungsempfehlungen geben. Mit der Zeit sind KI-Agenten in der Lage, zu lernen und sich zu verbessern, sodass sich ihre Arbeitsabläufe kontinuierlich verbessern.

Drei Anwendungsfälle von KI-Agenten in der Fertigung

»Sieht so aus, als bräuchten Sie Hilfe« – Fehlersuche mit Orchestrator-Agenten: Ein Bediener versucht, ein Problem zu beheben. Der »Supervisor«-Agent (Orchestrator) interpretiert die Absicht (»Bediener will ein Problem beheben«) und leitet die Anfrage an einen wissensbasierten Agenten weiter. Dieser sucht nach möglichen Antworten. Wenn keine Lösung gefunden wird, schlägt der Orchestrator den nächstbesten Schritt vor: »Wollen Sie, dass ich das als Problem in Poka für Sie erfasse?« Poka ist unsere Industrial-AI-gestützte Plattform für vernetzte Mitarbeiter. Der Agent erstellt unter Verwendung des ihm bereits vorliegenden Kontexts (Anlage, Ausrüstung usw.) den Entwurf für einen Problembericht und bittet den Benutzer um eine endgültige Bestätigung, bevor er ihn einstellt.

»Das ist mir gerade aufgefallen« – Frühwarnungen an Vorgesetzte: Statt auf die Überschreitung eines Schwellenwerts zu warten, kann ein KI-Agent proaktiv Trends aufdecken. So kann er beispielsweise wiederkehrende Probleme in den Sicherheitschecklisten von Gabelstaplern feststellen. Der Agent meldet das Muster dem Vorgesetzten: »Ich erkenne häufiger Probleme bei Ihren Gabelstapler-Checks – vielleicht sollten Sie das untersuchen, bevor es eskaliert.«

»Wir müssen das Tempo erhöhen« – Vorhersage der Schichtleistung: Anhand verfügbarer Daten, wie ausgefüllter Checklisten, der Mitarbeiterprofile und der aktuellen Bedingungen an der Produktionslinie, können die Agenten frühzeitig erkennen, wann das Ergebnis einer Schicht gefährdet ist. Zum Beispiel: »Die Schicht läuft seit einer Stunde, aber einige erforderliche Checklisten fehlen, und 30 Prozent des Teams sind für die Maschine nicht voll qualifiziert. Diese Bedingungen führen meist zu einer niedrigeren Gesamtanlageneffektivität (Overall Equipment Effectiveness, OEE) und zu Qualitätsproblemen.« Mithilfe von Prognosefunktionen könnte der Agent Korrekturmaßnahmen vorschlagen, etwa den Austausch eines Mitarbeiters oder die Aufforderung, bestimmte Checklisten auszufüllen.

Hand in Hand zum Erfolg

Es ist jedoch klar, dass die wahre Stärke der agentenbasierten KI darin liegt, eine produktive Partnerschaft zwischen menschlichem Fachwissen und maschineller Proaktivität aufzubauen. Der Entwicklungspfad ist eindeutig: von den hilfreichen Assistenten von heute über die zielgerichteten Agenten der nahen Zukunft bis hin zu proaktiven, Prognosesystemen, die Probleme vorhersehen, bevor sie eskalieren.

Am erfolgreichsten werden Hersteller sein, die neugierig, offen und engagiert mit dieser neuen Technologie umgehen. Die Zukunft der Produktivität in der Fertigung besteht nicht darin, Menschen zu ersetzen, sondern darin, sie mit intelligenten, proaktiven Partnern zu unterstützen.

Matchmaker+ Anbieter zum Thema

zu Matchmaker+

Lesen Sie mehr zum Thema