Der Mensch wird zum Auftraggeber

Das Thema künstliche Intelligenz scheint sich derzeit in einer atemberaubenden Geschwindigkeit zu entwickeln. Wie erleben Sie diesen Wandel aktuell bei Siemens?

Johannes Rauer-Zechmeister: Es ist tatsächlich ein extrem schnelllebiges Thema, was wir ganz massiv bei unserer eigenen Produktentwicklung sehen. Dort gibt es teilweise alle zwei Tage einen neuen Release. Auch für uns intern ist das eine komplett neue Herausforderung an die Prozesse. Wir waren in der Vergangenheit Releasezyklen von drei bis sechs Monaten gewohnt. Heute arbeiten unsere Entwickler in Amerika beispielsweise während bei uns Nacht ist an neuen Versionen, die wir hier in Mitteleuropa am nächsten Tag testen, sodass sie beim Aufstehen bereits unser Feedback in die nächste Version einarbeiten. In den letzten zwei Jahren haben wir bei Projekten teilweise viermal die Technologieplattform gewechselt und sind komplett auf andere Anbieter umgestiegen. Das ist eine Geschwindigkeit, die ich bei keiner anderen Technologie zuvor so gesehen habe.

Wie geht es Ihren Kunden damit?

Die Kunden haben auch Probleme, hier mitzuhalten. Das Interesse ist zwar riesig, aber gerade bei spezifischen Industrieanwendungen im Bereich der Large Language Models gibt es am Markt noch relativ wenig Konkretes. Wir sehen in Europa und speziell in Österreich als Hochlohnland das große Potenzial, dass Unternehmen durch KI-Unterstützung mehr Projekte in kürzerer Zeit abwickeln können. Damit können Unternehmen gegen Billiganbieter aus China oder Indien wettbewerbsfähig bleiben. Allerdings darf man nicht vergessen, dass auch der Mitbewerber in China diese Chatbots nutzt, um seine Effizienz zu steigern – wir sind mit dieser Entwicklung also keineswegs alleine. Wichtig ist es daher, früh dabei zu sein um den Anschluss nicht zu verpassen. Zudem stellt sich im Industriekontext immer die Frage des Datenschutzes, da es oft wenig sinnvoll ist, sensible Daten in offene Systeme nach Übersee zu schicken.

Wo ziehen Sie die Grenze zwischen klassischer Statistik und echter KI?

Grundsätzlich muss man sich immer fragen, ob es überhaupt eine KI sein muss, denn aktuell möchte jedes System gerne als KI gelten, selbst wenn es nur ein klassischer statistischer Algorithmus ist. Predictive Maintenance oder Energieoptimierung basieren oft auf der Erkennung von Mustern in Daten, was eher in die Sparte der „alten“ Systeme fällt, auch wenn es heute gerne unter dem Label KI vermarktet wird. Ein großes Thema für uns ist die visuelle Qualitätskontrolle, da dies Arbeiten sind, die eigentlich keiner machen möchte – wenn tausend Brote pro Stunde vom Band laufen, will niemand händisch prüfen, ob jedes richtig eingeschnitten ist. Hier ist die Modellerstellung jedoch ein schwieriges Thema, das viel Know-how erfordert, weshalb wir oft auf spezialisierte Integrationspartner zurückgreifen.

Man hört oft, dass die Bilderkennung heute viel einfacher geworden ist und man keine Hunderttausenden Bilder mehr zum Trainieren braucht. Trifft das auf die Industrie zu?

Das kommt sehr stark auf die Problemstellung und das Objekt an. Wir haben Systeme wie „Inspekto“, die als fertige Case-Lösung mit Kamera, Industrie-PC und Software kommen und bereits mit 15 bis 20 Gutteilen angelernt werden können, um Schlechtteile zuverlässig zu erkennen. Das funktioniert besser für ähnliche Gegenstände wie Frästeile oder Leiterplatten, wo man prüft, ob alle Löcher gebohrt oder alle Teile verlötet sind. Schwierig wird es bei komplexeren Objekten wie Brot, wo für eine Kamera jedes Teil aufgrund der Bestreuung oder des Backgrades anders aussieht. In solchen Fällen benötigen wir weiterhin ein komplexeres Modell und mehrere hundert oder tausend Bilder, damit die KI lernt, dass ein Brot dunkler oder heller sein kann und trotzdem kein Ausschuss ist.

Wie lassen sich Large Language Models konkret in die industrielle Fertigung integrieren?

Unser Ansatz ist es, bestehende Softwarelösungen wie TIA Portal durch KI-Unterstützung wie den “Eigen Engineering Agent” zu erweitern, um die Anwender bei stupiden Aufgaben zu entlasten. Ein klassisches Beispiel ist das Erstellen von Testfällen oder das Schreiben von Kommentaren, was kein Programmierer gerne macht. Auch beim Engineering komplexer Anlagen, wo oft Stücklisten mit tausenden Modulen händisch in die Software übertragen werden müssen, kann die KI enorme Zeitersparnis bringen. Wo die Elektro- und Automatisierungsplaner früher mitunter ein bis zwei Wochen gebraucht haben, um Hardware-Bestellnummern aus Excel-Listen manuell einzupflegen, übernimmt das heute die KI fehlerfrei im Engineering-System. Eine Person mit der entsprechenden Fachausbildung kontrolliert die Ergebnisse der KI, bevor sie umgesetzt werden. Wir sind gewohnt, dass Systeme bei gleichem Input immer den gleichen Output liefern, aber bei KI ist das nicht mehr zwingend so – da müssen wir in der Industrie erst ein gewisses Umdenken lernen.

Heißt das, die KI wird vorerst nicht direkt in die Steuerung der Maschinen eingreifen?

Wir haben bereits Experimente mit virtuellen Maschinenbedienern durchgeführt, stehen aber aktuell noch ein wenig auf der Bremse, was direkte Anweisungen an der Maschine angeht. Es müssen rechtliche Fragen geklärt werden: Wenn eine KI sagt „drück den roten Knopf“ und die Maschine nimmt Schaden oder ein Mensch wird verletzt, wer ist dann verantwortlich? Der Programmierer, der Bediener oder Siemens? Wir setzen KI dort ein, wo sie Empfehlungen geben kann, wie etwa bei einem aktuellen Projekt mit Pringles zur Teigoptimierung. Die KI wertet Umgebungsparameter wie die Luftfeuchtigkeit aus und empfiehlt dem Bediener, wie viel Wasser er dem Teig beigeben soll, damit nicht die Walzen verkleben. Der Mensch behält aber die Gewalt über den Prozess und entscheidet letztlich, ob er die Empfehlung annimmt.

Können Unternehmen auf europäische KI-Lösungen setzen, oder führt an den großen US-Cloud-Anbietern kein Weg vorbei?

Das ist eine schwierige Frage, denn für unsere weltweit vertriebenen Produkte greifen wir sehr häufig auf AWS oder Microsoft zurück, da diese Anbieter die notwendige globale Infrastruktur und Rechenzentren in Europa bieten, die Datensicherheit nach europäischem Recht garantieren. Es gibt derzeit schlichtweg nicht viele europäische Alternativen für diese Skalierung. Man kann natürlich offene Modelle wie Mistral aus Europa lokal betreiben, aber für cloudbasierte Large Language Models sind die globalen Player derzeit führend. Wichtig ist jedoch, den Mitarbeitern im Unternehmen ein sicheres System von einem vertrauenswürdigen Partner zur Verfügung zu stellen. Wenn man das nicht tut, nutzen die Leute die öffentliche Version von ChatGPT und schicken ihre Daten ungeschützt ins EU-Ausland, was für ein Unternehmen viel gefährlicher ist.

Wo wird die Reise in der industriellen KI-Nutzung hingehen?

Ich glaube, wir bewegen uns auf sogenannte agentische Systeme zu. Das bedeutet, dass verschiedene KI-Modelle über offene Schnittstellen künftig selbstständig miteinander kommunizieren und Aufgaben im Hintergrund automatisieren. Der Mensch wird zum strategischen Auftraggeber und Kontrollorgan für KI-basierte Mitarbeiter: Ich sage einem „Dokumentations-Agenten“, er soll eine Unterlage erstellen, und dieser holt sich die nötigen Informationen vollautomatisch beim „Programmier-Agenten“ oder dem „E-Plan-Agenten“ ab. Das geht bis hin zu humanoiden Robotern auf dem Shopfloor, die Material aus dem Lager holen, sobald ein Auftrag per E-Mail eingeht. Echte Digitalisierung in Unternehmen bedeutet nicht nur, Faxe durch E-Mails zu ersetzen, sondern Prozesse grundlegend neu zu denken. Auch bei KI wird kein Weg daran vorbeiführen, unsere Arbeitsweisen zu hinterfragen, und neue Prozesse zu etablieren, bei denen Mensch und KI Hand-in-Hand arbeiten.

Hintergrund
KI-gestützte Qualitätsprüfung
Siemens Inspekto ermöglicht eine sofort einsatzbereite visuelle Qualitätsinspektion und erfordert kein Fachwissen in Bezug auf Bildverarbeitungslösungen oder KI. Es erlaubt Ihnen, schnell und einfach mit den anspruchsvollsten Anwendungsfällen zu beginnen. Inspekto ist einfach zu implementieren und zu bedienen, skalierbar und bietet die notwendige Konnektivität zu bestehenden Automatisierungssystemen.
https://automation.alexander-buerkle.com/inspekto

Bild: Photo Simonis