Inhaltsverzeichnis
1. KI in der Produktion
2. Datenbasierte Services und Produktvorteile durch KI
3. Marktvorteile durch KI
4. Wissen vollumfänglich nutzen
Welche Rolle spielt KI bei Schaeffler – gerade auch in Hinblick auf Produktionsthemen?
Bild: Schaeffler
Patrick Mirring: Bei uns werden beispielsweise physikalische Methoden entwickelt. Diese Berechnungen sind teilweise sehr zeitintensiv. Deshalb geht man unter anderem dazu über, Tausende oder Zehntausende Rechnungen basierend auf physikalischen Methoden durchzuführen und daraus mithilfe von Machine Learning Ersatzmodelle zu entwickeln, die dann deutlich performanter bezüglich der Geschwindigkeit sind. Das wird in Engineering Tools implementiert.
KI in der Produktion
Daniel Merk: Letztendlich unterstützt dies unser Closed Loop Engineering. Von der chronologischen Abfolge her kann man sich die Zusammenhänge so vorstellen, dass sich aus der Validierung – also Vordergründig aus physikalischen Versuchen mit Wälzlagern und Systemen – jene Vielfalt an unterschiedlichen Daten, beispielsweise in Form von Prüfstandsmessdaten oder geometrischen Oberflächenmessungen, ergeben. Diese stellen wiederum wertvollen Input für die Simulationstools dar und optimieren sie nachhaltig. Weitergedacht nimmt die in der R&D entstehende digitale Plattform die gesamte Thematik „KI in der Produktion“ mit – zum Beispiel insofern, als die Wälzlager, die wir auf den Prüfstand nehmen, bereits als digitaler Zwilling dort „ankommen”. Der Anwender der Simulationstools ist wahlweise der Anwendungsingenieur oder auch der Endkunde, womit wir wieder beim Thema sind, KI mehr und mehr ganzheitlich im gesamten R&D-Prozess bis hin zu Smart Products as a Service zu nutzen. Hier sehen wir fließende Übergänge.
Datenbasierte Services und Produktvorteile durch KI
Bild: Schaeffler
Welche datenbasierten Services und Produktvorteile ergeben sich?
Mirring: Mit Data as a Service werden dem Kunden tatsächlich Produktdaten, die über die klassischen Katalogdaten hinausgehen, für seine weitere Nutzung zugänglich gemacht. Teilweise ist eben der Wunsch vorhanden, eine mikroskopische Beschreibung der Produkte wie Oberflächenrauheit oder Laufbahnrundheit zu bekommen. Von Fall zu Fall wird natürlich entschieden, welche Daten weitergegeben werden. Für ein besseres Systemverständnis ist es jedenfalls notwendig, derartige Daten zu haben. Und diese Daten stellen wir je nach Fall entgeltlich oder unentgeltlich zur Verfügung.
Marktvorteile durch KI
Bild: Schaeffler
Welche Marktvorteile können sich Anwender durch KI verschaffen?
Mirring: Worauf KI und Machine Learning einzahlen, sind gerade Aspekte der Effizienzsteigerung und des Time-to-Market. Es macht einfach den Unterschied, in der Lage zu sein, innerhalb von zwei Wochen eine komplette Auslegung durchzuführen, während ein Wettbewerber vielleicht ein bis zwei Monate braucht. Es geht uns eben darum, Entwicklungszyklen im Engineering bestmöglich zu unterstützen. Mit unseren Engineering Tools wollen wir uns zudem in den Entwicklungsprozess unserer Kunden integrieren. Das heißt, der Kunde kann am Ende des Tages Entwicklungsprozesse mit deutlich weniger Personal unterstützen, wenn er mit Schaeffler zusammenarbeitet. Das ist ein deutlicher Marktvorteil, unabhängig vom Produkt selbst. Im Windbereich wird das extensiv praktiziert und stellt tatsächlich ein Alleinstellungsmerkmal dar.
Wissen vollumfänglich nutzen
Bild: Schaeffler
Merk: Wir machen den Unterschied in der Engineering-Power, die wir haben. Durch langjährige Erfahrung und umfangreiche Produktvalidierung haben wir bereits ein tiefes Produkt- und Systemverständnis erlangt. Mittels KI und über unser digitales Plattformdenken heben wir das Ganze jetzt auf die nächste Ebene. Das reine Systemverständnis wird nun um eine ganzheitlich verknüpfte digitale Systemlandschaft ergänzt, die nicht nur eine vollumfängliche Datenbereitstellung, sondern auch eine KI-gestützte Datenanalyse bis hin zu Designoptimierungen ermöglicht. Diese Kombination ist unser klares Differenzierungsmerkmal, das wir gegenüber Wettbewerbern haben.
Wir schöpfen all das Wissen der Vergangenheit, sowie des tagtäglich Erzeugten, unter anderem mittels KI aus und machen es intern sowie für Kunden zugänglich, um den Wertbeitrag signifikant zu steigern. Anders gesagt: Wir schöpfen all das Wissen aus Berechnungen und Versuchen voll aus, unabhängig vom originären Versuchsziel eines Einzelversuchs. Konkret bedeutet das, dass in der Vergangenheit ein Kunde A einen Versuch mit einem spezifischen Thema beauftragt hatte, wobei eine entsprechend spezifische Antwort dabei herauskam. Durch den datenbasierten Ansatz heute, der mit dem Wissen kombiniert werden kann, kann aus diesem Versuch praktisch alles extrahiert werden, was dieser Versuch aus Sicht der erhobenen Messdaten hergibt. Somit kann auch Kunde B,C,D oder E vom Versuch mit teils abweichenden Fragestellungen profitieren, wo früher nur Kunde A profitiert hat. Das ist das Entscheidende, was dafür sorgt, dass wir nicht nur in die Zukunft gerichtet Wissen generieren, was perfekt zugänglich ist, sondern auf einmal besonders von unserem historischen Wissensschatz profitieren können.
Bild: Schaeffler
Das heißt, auch dieses historische Wissen können wir nun zugänglich machen. Das wiederum stellt ein maßgebliches Alleinstellungsmerkmal dar, weil wir stets auf umfangreiche Versuchs- und Validierungsaktivitäten gesetzt haben. Dieses Investment zahlt sich nun durch zunehmendes, digitales Plattformdenken und der sinnvollen Nutzung von KI aus. Dadurch ergibt sich nun das Potential, die Qualität in der Entwicklung deutlich zu verbessern, Aufwände deutlich zu verringern, und unseren Kunden somit in allen Facetten einen Mehrwert zu liefern.
