Kompetenz extern beziehen
KI-Projekte im Netzwerk anpacken
Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialisten. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.
Bild: ©NDABCREATIVITY/stock.adobe.comViele Maschinenhersteller interessieren sich für künstliche Intelligenz (KI), stehen aber mit ihrer praktischen Erfahrung bei der Durchführung von KI-Projekten oft noch am Anfang. Doch ein Maschinenbauunternehmen braucht meist keinen eigenen Data Scientist, um ein KI-Projekt zu starten. Entscheidend ist es, zunächst einen Anwendungsfall zu identifizieren, der ein hohes Nutzenpotenzial für das Unternehmen darstellt und bei dem Machine Learning eine geeignete Lösungsoption sein kann. Anwendungsfälle im eigenen Unternehmen bieten sich dabei besonders an, um zunächst Erfahrungen mit der Herangehensweise und den Methodiken zu sammeln. Ist gerade kein eigener Data Scientist vorhanden, sollten geeignete Kooperationspartner eingebunden werden. Eine Umfrage des VDMA zeigte: Mehr als 95 Prozent der befragten Maschinenbauunternehmen, die bereits KI-Projekte durchgeführt hatten, haben auf externe Unterstützung gesetzt. Dabei standen die folgenden vier Kooperationsmöglichkeiten besonders im Fokus: Hochschulen/Universitäten, IT-Dienstleister, Startups und Forschungseinrichtungen.
Hochschulen und Universitäten
Zahlreiche Beispiele aus dem Maschinenbau zeigen, dass Kooperationen mit Hochschulen für beide Seiten gewinnbringend sein können - nicht nur als Nachwuchsquelle für das eigene Unternehmen oder bei der Anbahnung oder Unterstützung im Rahmen von KI-Projekten. Haben Unternehmen entsprechende Anwendungsbereiche oder Aufgabenstellungen für KI-Pilotprojekte identifiziert, dann können diese z.B. auch in Verbindung mit Bachelor- oder Masterarbeiten vertieft werden. Studierende bringen im Rahmen des Wissenstransfers neue Ideen und Erfahrungen aus der Wissenschaft in die Unternehmen des Maschinenbaus hinein, die Abschlussarbeiten erhalten gleichzeitig einen deutlich höheren Praxisbezug.
IT-Dienstleister und Startups
Kommen bereits in das Unternehmen eingebundene IT-Dienstleister als Kooperationsoption in Frage, ist es naheliegend, dass Unternehmen diesen Weg wählen. Besteht eine langjährige vertrauensvolle Zusammenarbeit, ermöglicht dies einen schnellen Einstieg in die Aufgabe. Auf der anderen Seite bieten sich für die Kooperation auch spezialisierte IT-Dienstleister an, die einen Fokus ihrer Dienstleistungen und Lösungsansätze auf Methoden der künstlichen Intelligenz gesetzt haben oder auf eine Anwendungsdomäne orientiert sind. Auch das Zusammenwirken mit Startups kann sich als sehr fruchtbar erweisen. Ein Erfolgsfaktor für diese Kooperationsform ist zumeist der schlanke und niedrigschwellige Anbahnungsprozess, durch den Lösungen mit einer geringen Time-to-Market erreicht werden können. Zudem wird die Zusammenarbeit dadurch begünstigt, dass beide Parteien sich gegenseitig ergänzende Ziele im Blick haben: Maschinenbauunternehmen bekommen die Chance, neue Produkte zu entwickeln oder bestehende zu verbessern, die Jungunternehmen liefern den Zugang zu komplementärem Domänenwissen und Technologien.
Forschungseinrichtungen
Eine intensive und überregionale Vernetzung zwischen Forschung und Industrie fördert den schnellen Transfer von Forschungsergebnissen und trägt damit zur Weiterentwicklung von Methoden und Lösungsansätzen für die industrielle Praxis bei. Besonders für kleine und mittelständische Unternehmen stellt die industrielle Gemeinschaftsforschung eine einzigartige Innovationsplattform dar.
Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialisten. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.
Bild: ©NDABCREATIVITY/stock.adobe.comViele Maschinenhersteller interessieren sich für künstliche Intelligenz (KI), stehen aber mit ihrer praktischen Erfahrung bei der Durchführung von KI-Projekten oft noch am Anfang. Doch ein Maschinenbauunternehmen braucht meist keinen eigenen Data Scientist, um ein KI-Projekt zu starten. Entscheidend ist es, zunächst einen Anwendungsfall zu identifizieren, der ein hohes Nutzenpotenzial für das Unternehmen darstellt und bei dem Machine Learning eine geeignete Lösungsoption sein kann. Anwendungsfälle im eigenen Unternehmen bieten sich dabei besonders an, um zunächst Erfahrungen mit der Herangehensweise und den Methodiken zu sammeln. Ist gerade kein eigener Data Scientist vorhanden, sollten geeignete Kooperationspartner eingebunden werden. Eine Umfrage des VDMA zeigte: Mehr als 95 Prozent der befragten Maschinenbauunternehmen, die bereits KI-Projekte durchgeführt hatten, haben auf externe Unterstützung gesetzt. Dabei standen die folgenden vier Kooperationsmöglichkeiten besonders im Fokus: Hochschulen/Universitäten, IT-Dienstleister, Startups und Forschungseinrichtungen.
VDMA e.V.
Dieser Artikel erschien in SPS-MAGAZIN 11 (November) 2021 - 29.10.21.Für weitere Artikel besuchen Sie www.sps-magazin.de
