Wir haben uns erneut zu einer Fragerunde mit Raffaello Lepratti, Global VP of Industrial Manufacturing bei MendixUm den ganzen Hype beiseite zu lassen und darüber zu sprechen, was heute tatsächlich in der Fabrikhalle passiert.

Raffaello kennt sich bestens mit den sich ständig weiterentwickelnden Fertigungstechnologien aus. Er ist seit 25 Jahren in der Fertigungsindustrie tätig und hatte verschiedene Positionen in der Automobilproduktion, im Produktionsmanagement und in der Geschäftsentwicklung inne. Er besitzt einen Abschluss in Elektrotechnik sowie einen Doktortitel im Bereich der fortgeschrittenen Mensch-Maschine-Kollaboration.

Nutzung von GenAI entlang der gesamten industriellen Wertschöpfungskette

Wo entlang der industriellen Wertschöpfungskette sehen Sie generative KI am weitesten verbreitet oder am häufigsten eingesetzt?

Raffaello Lepratti (RL): Das ist die entscheidende Frage, die eine Million Dollar kostet.

Im Moment sehe ich GenAI Sie werden häufig zur Erstellung oder Vereinfachung von Dokumentationen verwendet. Nehmen wir beispielsweise Anweisungen, die ein Mitarbeiter oder Bediener befolgen und umsetzen muss. Diese sind in der Regel festgelegt und werden vor Beginn jeglicher Arbeitsvorgänge erstellt. Sie sind statisch.

Die Bedingungen in einer Fabrik oder an einer Produktionslinie können sich jedoch schnell ändern. Wird beispielsweise ein neues Werkzeug eingeführt, erfordert dies aktualisierte Sicherheitsvorkehrungen für den Bediener.

GenAI gestaltet die Dokumentation dynamischer. Sie können beispielsweise Änderungen vornehmen, die ein neues Werkzeug berücksichtigen oder sich an neue Gegebenheiten anpassen. Mit GenAI lassen sich Aktualisierungen der Dokumentation schneller einbinden oder neue Dokumente generieren. So werden Ihre Fertigungsanwendungen von statisch und vorgeplant zu dynamisch.

Ein weiteres Anwendungsgebiet von GenAI ist meiner Meinung nach folgendes: B2B2C und Kundenservice. Unternehmen haben üblicherweise einen KPI für die Lösungszeit von Produktproblemen ihrer Kunden. Wenn ein Kunde das Verhalten des Produkts beschreibt, wird diese Information vom Unternehmen an den Hersteller weitergeleitet und dort protokolliert. Die Lösung des Problems kann sich in die Länge ziehen.

GenAI kann helfen, indem es diese Daten analysiert und sofort eine Reihe von Anweisungen erstellt, die eine Organisation befolgen muss, um die Bearbeitungszeit zu verkürzen. Es analysiert Schadensfälle und erstellt anschließend Reparaturprotokolle.

Wir beobachten auch eine frühe Anwendung, bei der GenAI dabei hilft, operative Daten zu interpretieren – Trends, Anomalien oder Vorfälle werden in einfacher Sprache zusammengefasst, um eine schnellere Entscheidungsfindung zu ermöglichen.

GenAI bietet sofortige Hilfestellung, während der zuständige Mitarbeiter des Sozialdienstes weiterhin in den Entscheidungsprozess eingebunden bleibt.

Anwendungsfälle aus der Praxis mit Mendix, Siemensund AWS

Welche Anwendungsfälle beobachten Sie, bei denen Organisationen dies nutzen? Mendix, Siemensund GenAI?

Raffaello Lepratti (RL): Nun, das erste Beispiel, das ich Ihnen genannt habe, war leicht zu finden, weil es genau das ist, was tatsächlich passiert. Mendix Kunden, die Opcenter nutzen.

Diese Kunden nutzen Opcenter. SiemensDas Manufacturing Execution System (MES) dient der Produktionssteuerung, indem es die Bediener durch die Anweisungen ihrer Arbeitsschritte führt. Hier kommt die Möglichkeit zum Einsatz, Anweisungen dynamisch aus beliebigen, für einen Auftrag oder eine Aufgabe benötigten Dokumenten zu generieren.

Mendix Es funktioniert mit vielen verschiedenen Infrastrukturen. Einer unserer Kunden nutzt beispielsweise folgende: AWS-Services Weil AWS ihr Cloud-Anbieter ist. Wir haben überlegt, wie wir AWS mit Opcenter verbinden können, und genau da liegt der Hase im Pfeffer. Mendix kam ins Spiel. Es ermöglicht dem Kunden, den AWS Bedrock-Service einfach in die Anwendung zu integrieren, die diese Anweisungen erstellt.

Dies könnte auch für andere Infrastrukturen wie Azure gelten. Der Vorteil von Mendix ist die Flexibilität, Verbindungen zu Diensten verschiedener Hyperscaler herzustellen.

Ein anderer Ansatzpunkt ist maschinelles Lernen. Bei der statistischen Prozesskontrolle (SPC) werden die Anforderungen, die Ergebnisse, die Trends – kurzum alles, was mit der Vorhersage von Qualitätsabweichungen zu tun hat – analysiert. Maschinelles Lernen kann daraus lernen und dem Hersteller den richtigen Weg aufzeigen oder Warnmeldungen ausgeben.

Das ist eine andere Stufe von GenAI, aber sie wird durch maschinelles Lernen generiert. Dies ist eine wichtige Fähigkeit von Mendix, unser Machine-Learning-Kit. Sie benötigen keinen externen Dienst, um es in einer Anwendung zu verwenden.

Opcenter ist hier die Grundlage, denn es liefert den Kontext. Das MES stellt alle notwendigen Produktinformationen bereit und zeigt den nächsten Produktionsschritt an. Es liefert die Anforderungen an die benötigten Werkzeuge, die geltenden Vorschriften und weitere Details.

Es geht um all die wichtigen Daten und das Know-how, und wenn wir einen beliebigen Dienst verbinden und den GenAI-Dienst trainieren oder unser eigenes ML-Kit verwenden, um all diese Daten im MES zu nutzen, dann kann der Kunde sofort einen Nutzen daraus ziehen.

Entscheidend ist hierbei, dass Mendix Es geht nicht nur darum, einen KI-Dienst aufzurufen – es geht darum, Intelligenz direkt in den operativen Arbeitsablauf einzubetten, in dem Entscheidungen getroffen werden.

Die Kombination von  Mendix und Opcenter oder irgendeine Siemens Xcelerator Bei einem Produkt geht es nicht nur um die Möglichkeit, mehrere Systeme jederzeit miteinander zu verbinden. Es geht vielmehr darum, sicherzustellen, dass die Daten problemlos genutzt werden können, indem jeder vom Kunden gewünschte oder benötigte Dienst in eine bereits vorhandene Infrastruktur integriert wird.