Daten analysieren und bereitstellen
Von intelligentem Wissensmanagement profitieren
Die Automobilindustrie wird häufig als der Motor technischer Innovation bezeichnet, denn High-End-Technologien verschaffen der Branche vielfältige Möglichkeiten. Damit das so bleibt, muss künftig intelligentes Wissensmanagement in den Fokus der Aufmerksamkeit rücken.
Machine Learning, neuronale Netze, Large Language Models – die Automobilindustrie ist heute mit modernsten Technologien ausgestattet. Während die meisten Menschen beim Zusammenhang von Automobilindustrie und KI an selbstfahrende Autos denken, kommt die innovative Technologie in zahlreichen weiteren Business Cases zum Einsatz.
So lassen sich mit intelligenten Technologien beispielsweise in der Produktion Qualitätsprobleme und Wartungsbedarfe frühzeitig erkennen, ein effizientes Stücklistenmanagement durchführen, in der Administration Eingangspost kategorisieren oder im Servicebereich personalisierte Kundenerlebnisse schaffen. Die Basis für all das: intelligentes Wissensmanagement.
Jobangebote+ passend zum Thema
Effektives Wissensmanagement mit Insight Engines
Automobilhersteller besitzen und produzieren tagtäglich eine große Menge an Daten, die in den unterschiedlichsten Applikationen und Anwendungen gespeichert werden. Die verschiedenen Teams und Abteilungen arbeiten dabei häufig isoliert voneinander, wie zum Beispiel Administration und Produktion. So sind wichtige und oftmals geschäftskritische Informationen verborgen in Datensilos, die für Mitarbeiter nur schwer oder gar nicht zugänglich und schon gar nicht übergreifend nutzbar sind.
Hinzu kommt, dass Anwender ihre Daten sowohl strukturiert, in einer definierten und festgelegten Form als auch unstrukturiert speichern, beispielsweise Protokolle, Pläne, E-Mails, Audio- oder Video-Dateien. Um einen echten Mehrwert für das Unternehmen zu generieren, ist es notwendig, dass diese Menge an Daten, unabhängig von Format und Speicherort entsprechend verarbeitet bzw. analysiert wird und zur Verfügung steht.
An dieser Stelle kommen zunehmend sogenannte Insight Engines zum Einsatz. Sie analysieren sämtliche vorhandene Daten aus internen und externen Datenquellen, verknüpfen sie semantisch miteinander und stellen sie den Mitarbeitern je nach Zugriffsberechtigung bereit.
Insight Engines – mehr als eine klassische Enterprise Search
Insight Engines basieren auf Technologien aus dem Bereich der Enterprise Search und ermöglichen auf diese Weise einen raschen, ressourceneffizienten Zugriff auf Unternehmensdaten.
Dazu führen sie alle Informationen aus den unterschiedlichen Unternehmensdatenquellen in einen Suchindex zusammen. Kommt es zu einer Suchanfrage, durchsucht die Insight Engine angebundene Fachanwendungen oder Datenbanken, analysiert die Inhalte, extrahiert Informationen und stellt sie entsprechend aufbereitet dem Anwender zur Verfügung.
Im Gegensatz zu klassischen Suchtechnologien ermöglichen Insight Engines durch Einsatz von künstlicher Intelligenz eine dialogbasierte Kommunikation. Der Einsatz von Large Language Models (LLM) befähigt sie, Inhalte zu verstehen, zusammenzufassen, zu generieren und vorherzusagen.
LLMs basieren auf neuronalen Netzen (Deep Learning) und werden im Vorfeld mit riesigen Daten- und Textmengen trainiert. Anwendungen wie ChatGPT verwenden dafür öffentlich verfügbare Daten. Ihr Ursprung ist daher meist nicht nachvollziehbar, was unter Umständen zu falschen Ergebnissen (Datenhalluzinationen) führt. Insight Engines nutzen die vorhandenen Unternehmensdaten als Basis für maschinelles Lernen. Das intergierte LLM lernt also von den spezifischen im Unternehmen vorhanden Daten sowie von den Anwendern und ihrem Verhalten.
Auf diese Weise sind Insight Engines in der Lage, ihren Nutzern intelligente aber auch fundierte sowie personalisierte Antworten zu liefern – übersichtlich aufbereitet in individuellen Dashboards. Damit wird die Insight Engine zum effektiven Werkzeug für das gesamte Automobilunternehmen, beispielsweise in der vorausschauenden Wartung, in der in der Qualitätssicherung im Stücklistenwesen oder beim Thema Digital Twin.
Mit digitalen Abbildern Geschäftsabläufe durchspielen
Digitale Zwillinge oder auch Digital Twins bergen ein riesiges Potenzial für die Automobilindustrie. Die digitalen Abbilder der realen Produkte – vom Mikrochip bis zum Motor – eignen sich besonders dafür, ressourcenschonend Abläufe und Prozesse durchzuspielen, Strategien zu entwickeln sowie Optimierungsmöglichkeiten zu ermitteln.
Im Hintergrund arbeitende Insight Engines sorgen dafür, dass diese Digital Twins rasch erstellt sowie die komplexen Zusammenhänge identifiziert und klar ersichtlich aufgezeigt werden können. Etwaige Veränderungen lassen sich so optimal simulieren und mögliche Auswirkungen und Reaktionen vorab testen und prüfen. Statt teure Prototypen zu entwickeln und langwierige Testphasen durchzuspielen, sind Unternehmen auf diese Weise in der Lage, vorhandene Ressourcen wie Material, Zeit und Personal bedarfsgerecht zu steuern und Innovationen frühzeitig zu entwickeln.
Stücklistenmanagement transparent verwalten
Stücklisten bilden in Automobilkonzernen eine überaus wichtige Informationsquelle. Sie dokumentieren, aus welchen unterschiedlichen Teilen bzw. Baugruppen ein Fahrzeug besteht, schaffen damit einerseits die Basis für eine korrekte Zusammensetzung und legen gleichzeitig der Grundstein für Bedarfsermittlung, Beschaffung sowie die Arbeitsablaufplanung.
Neben Stücklisten bzw. Bill of Materials sind dafür zahlreiche zusätzliche Informationen aus unterschiedlichen Datenquellen notwendig – beispielsweise über Lieferanten, Verfügbarkeiten, Qualitätsprüfungen, Bestellungen. Mit dem Einsatz einer Insight Engine lassen sich sämtliche Unternehmensdaten quellenübergreifend verknüpfen und den Anwendern in einer Gesamtsicht (360-Grad-Sicht) bereitstellen. Damit entfällt eine manuelle, zeitaufwendige und mühsame Recherche in allen verschiedenen Systemen.
Betriebsstörungen proaktiv voraussagen
Montagelinien der Automobilindustrie sind nicht selten von unerwarteten Betriebsunterbrechungen betroffen, die teils zu erheblichen finanziellen Verlusten und Produktionsausfällen führen können. Durch den Einsatz von Insight Engines können Hersteller die Verarbeitung großer Datenmengen automatisieren und beschleunigen, Produktionsabweichungen erkennen, mögliche Störungen zukünftig voraussagen und verhindern. Dabei spricht man von vorausschauender Wartung bzw. Predictive Maintenance.
Insight Engines zeigen Wechselbeziehungen zwischen einzelnen Bauteilen bzw. Informationen von Anlagen und Maschinen sowie generell den Produktionsprozessen auf. Dabei erkennen sie nicht nur, ob diese fehlerfrei funktionieren, sondern auch, ob ein Ausfall durch etwaige defekte Komponenten droht. Direkt in den Maschinen verbaute Sensoren messen in Echtzeit relevante Daten wie den Druck, die Temperatur oder Schwingungen.
Angereichert mit relevanten Zusatzinformationen aus beispielsweise Wartungsprotokollen, Plänen, technischen Dokumentationen sowie persönlichen Erfahrungen von Experten, verschaffen Insight Engines Anwendern eine detaillierte Darstellung aller verfügbaren Informationen zur Wartung und Logistik des Bauteils. Anstelle von starren Wartungsintervallen können Unternehmen dynamisch reagieren und ihre Wartungs- sowie Inspektionskosten dadurch minimieren.
Verbesserungspotenziale rasch erkennen
Qualität spielt in der Automobilproduktion eine entscheidende Rolle. Nur so können Endkunden zufriedengestellt, rechtliche Vorgaben erfüllt und letztendlich wirtschaftliche Erfolge erzielt werden.
Um die häufig benötigte Gesamtsicht auf zum Beispiel ein konkretes Bauteil abbilden zu können, verknüpfen Insight Engines die verfügbaren Informationen wie Expertenmeinungen, Wartungsprotokolle, Pläne sowie Dokumentationen aus den unterschiedlichsten Datenquellen zu einer 360-Grad-Sicht und stellen dem Anwender sämtliche relevante Informationen zur Verfügung.
Diese Ergebnisse erweitern sie wiederum um zusätzliche Informationen, sodass der Nutzer beispielsweise direkt Fakten zu Bestellhäufigkeiten, Qualität oder Kontaktdaten eines Experten erhält. Auf diese Weise ergibt sich die Chance, Verbesserungspotenziale frühzeitig zu erkennen und bei Bedarf einzelne Produktionsabläufe oder gar gesamte Geschäftsprozesse anzupassen. Stellt sich etwa heraus, dass ein defektes Bauteil bei einer Maschine getauscht werden muss, besteht dank der 360-Grad-Sicht ein umfassender Überblick über Informationen wie Hersteller, Lieferanten oder Qualität dieser Komponente, und das defekte Teil kann rasch ausgewechselt werden.
Eingangspost effizient und automatisiert klassifizieren
Unzählige Anfragen gelangen tagtäglich über E-Mail, Social Media oder postalisch in die Büros von Automobilunternehmen. Die Bearbeitung dieser eingehenden Anfragen und das Zuordnen der Dokumente zu den zuständigen Kollegen und Fachbereichen ist zeitintensiv, teuer, fehleranfällig und nimmt darüber hinaus viele Ressourcen in Anspruch – immerhin müssen diese eingehenden Dokumente gelesen, sortiert, kategorisiert und entsprechend weitergeleitet werden.
Durch den Einsatz von Insight Engines lassen sich dieser Prozess beschleunigen, Fehlerquellen minimieren, die Servicequalität optimieren und die Durchsatzrate erhöhen. So sind Unternehmen in der Lage, die manuelle Sortierung und Weiterleitung der Post an den jeweiligen Sachbearbeiter zu automatisieren. Dafür scannen, analysieren und klassifizieren sie die eingehenden Anfragen anhand vordefinierter Merkmale.
Sie erkennen dabei, ob es sich bei dem Dokument um einen Antrag, ein Formular, eine Bestellung, eine Mahnung etc. handelt und welchen Kunden, Lieferanten, Mitarbeiter oder Fachbereich es betrifft und leiten es direkt weiter. Die Basis dafür bietet ein integriertes maschinelles Lernmodell, welches sich stetig selbst optimiert und unkompliziert an die individuellen Geschäftsanforderungen anpassen lässt.
Der Autor
Gerald Martinetz
ist Head of Presales bei Mindbreeze, einem Anbieter von Appliances und Cloud-Services für Information Insight. In seiner Position ist er verantwortlich dafür, »Suchen« in »Finden« zu verwandeln, indem er den Kunden von Mindbreeze die Möglichkeit gibt, einen wesentlichen Geschäftswert aus KI abzuleiten und Unternehmens- prozesse durch intelligentes Wissensmanagement zu optimieren. Er stützt sich auf seine umfassende Erfahrung als Datenanalyst, Mindbreeze-Systemarchitekt, End-to-End Requirements Engineer und Projektmanager, um die künstliche Intelligenz von Mindbreeze InSpire für eine echte Transformation von Geschäftsprozessen zu nutzen
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Digital Cell Twins
Wie virtuelle Modelle die Batterieentwicklung vorantreiben
Ein Plus an Leistung und Komfort
Intelligente Leistungsschalter im Fahrzeug
Escrypt CycurFuzz
Mit schnellen Fuzz-Tests zu mehr Cyberresilienz
Schnellere Konformität mit MISRA C 2023
Automatisierte Testverifikations- und Validierungsmethoden
Die Zukunft des Steckverbinder-Designs
Zukunftssichere Datenkonnektivität im Fahrzeug
Der Fahrrad- und Autoverkehr von Morgen
Mehr Miteinander in der städtischen Mobilität – eine Vision
