Die Ursachenanalyse mit KI ist ein neuer Ansatz, mit dem Unternehmen Problemen in ihrer Produktion auf den Grund gehen und diese nachhaltig abstellen können. Damit können etwa ungeplante Stillstandszeiten vermieden und Qualitätsmängel bei hergestellten Produkten reduziert werden.
Bei der Ursachenanalyse geht es darum, unterliegende Wirkzusammenhänge zu verstehen, die zu Problemen geführt haben. Denn Probleme können nur an ihren ursächlichen Fehlerquellen nachhaltig abgestellt werden. Eine reine Symptombehandlung hingegen löst Probleme nur kurzzeitig und der gleiche Fehler tritt bald wieder auf.
Im Folgenden erfahren Sie
- Warum die Ursachenanalyse für produzierende Unternehmen an Bedeutung gewinnt.
- Warum gängige Methoden in der heutigen Praxis an ihre Grenzen stoßen.
- Warum KI benötigt wird, um den neuen Anforderungen gerecht zu werden.
Die Ursachenanalyse in der Produktion gewinnt an Bedeutung
Die Komplexität von Produktionsanlagen steigt. Grund dafür sind stetig wachsende Anforderungen an
- Günstige Preise
- Höchste Qualität
- Kurze Lieferzeiten
- Hohe Individualisierung von Produkten
Anwendungsexpert:innen sind dafür verantwortlich, ein gutes Produktionsergebnis sicherzustellen. Mit wachsender Komplexität der Produktion werden Probleme im Fertigungsablauf jedoch zunehmend wahrscheinlicher. Hier ist die Ursachenanalyse ein bewährtes Werkzeug, um die Schwachstellen zuverlässig zu erkennen und zu beheben.
Klassische Methoden wie 5 Why, das Fischgrätenmodell oder eine Analyse der Ereignisse im Vorfeld eines aufgetretenen Problems stoßen jedoch heute an ihre Grenzen. Sie basieren auf der Annahme, dass Expert:innen die Kausalkette für das Fehlerereignis herleiten können. Doch was passiert, wenn die Produktion so komplex wird, dass das selbst für die erfahrensten Fachkräfte nicht mehr möglich ist? Dann werden entscheidende Zusammenhänge übersehen oder zufällige Ereignisse als Ursachen eingestuft.
Die Ursachenanalyse mit KI bietet neue Chancen
Ab einem gewissen Komplexitätsgrad reichen menschliche Intuition und Erfahrung alleine nicht mehr aus. Digitale Hilfsmittel der Industrie 4.0 ergänzen gängige Methoden zur Ursachenanalyse daher mit Datenauswertungen, die auf statistische Verfahren oder auch Methoden der Künstlichen Intelligenz (KI) zurückgreifen.
Wie genau kann KI hier beitragen? In produzierenden Unternehmen werden große Datenmengen aufgezeichnet, die Stand heute nur selten für die Ursachenfindung eingesetzt werden. Eine KI kann auf diesen Datenbestand aufsetzen und eigenständig Auffälligkeiten identifizieren, die ein Problem möglicherweise verursacht haben. Natürlich sollten gleichzeitig immer auch die Vermutungen der Anwendungsexpert:innen überprüft werden.
Die wichtigste Voraussetzung für den zweckmäßigen Einsatz von KI, auch zur Ursachenanalyse, ist die Vorbereitung der Daten auf Grundlage einer soliden KI-Datenstrategie. Wenn Sie für die Entwicklung Ihrer KI-Datenstrategie noch passende Angebote suchen, sprechen Sie uns gerne auf unseren bewährten aiXbrain Datenaudit an.
So können Sie Prozesse mit KI kontinuierlich verbessern
Die kontinuierliche Verbesserung von problematischen Prozessen in der Produktion mit KI lässt sich gut in 4 Schritten erklären:
- Probleme beschreiben
Definieren Sie die Probleme eindeutig, deren Ursachen Sie besser verstehen möchten, und beziehen Sie den aktuellen Wissensstand umfänglich mit ein. - Mögliche Ursachen identifizieren
Identifizieren Sie mögliche Ursachen mit einer Kombination aus gängigen Methoden und datenbasierten Erkenntnissen, die eine KI Ihnen liefert. - Korrekturmaßnahmen umsetzen
Nutzen Sie alle Erkenntnisse, um möglichst tiefgreifende Problemursachen abzustellen. - Prozess überwachen und nachbearbeiten
Überprüfen Sie fortlaufend, ob die analysierten Probleme nun weniger werden. Überwachen Sie zudem alle Einflussfaktoren, die in der bisherigen Analyse identifiziert wurden. Treten die gleichen Probleme weiterhin auf, nutzen sie die neu gewonnenen Erkenntnisse, um mit verbessertem Wissensstand erneut bei Schritt 1 einzusteigen.
Abb 1: Kontinuierlicher Verbesserungsprozess auf Grundlage einer Ursachenanalyse
Ein Schlüsselfaktor für den Erfolg der Verbesserungsschleife ist die enge Zusammenarbeit von Anwendungsexpert:innen und KI. Die Anwendungsexpert:innen definieren die Fehlerereignisse und stellen auf Basis ihres Erfahrungswissens erste Vermutungen zu deren Ursachen an. Eine KI untersucht Produktionsdaten rein datengetrieben und bestätigt entweder die Vermutungen oder leitet neue Vermutungen aus den Daten ab. Die neuen Vermutungen werden wiederum von den Expert:innen geprüft und bewertet. Im Wechselspiel werden so neue Erkenntnisse um belastbare Wirkzusammenhänge aufgedeckt und der Wissensstand kontinuierlich erweitert.
Wenn Sie sich intensiver mit den Arbeitsabläufen bei einer KI-basierten Ursachenanalyse beschäftigen möchten, empfehlen wir Ihnen das Whitepaper KI-basierte Root-Cause-Analyse: Verstehen und Optimieren von Produktionsprozessen vom Fraunhofer IAIS oder unsere Artikel zu Wie können Mensch und KI zusammenarbeiten? und KI in der Produktion: Ist KI Ihnen eine Erklärung schuldig?.
Fazit und Ausblick
Unserer Einschätzung nach werden produzierende Unternehmen in Deutschland zum Erhalt und Ausbau ihrer Wettbewerbsfähigkeit in den kommenden Jahren massiv von KI-basierten Ursachenanalysen profitieren können. Sei es, um Probleme in ihren eigenen Betriebsabläufen nachhaltig abzustellen oder auch, um den reibungslosen Einsatz Ihrer Produkte beim Kundeneinsatz zu gewährleisten.
Unsere tägliche Arbeit bei aiXbrain dreht sich darum, diese Möglichkeiten schnell und einfach erschließbar zu machen, zum Beispiel mit aiXbrain Dataray, einer KI-Softwarelösung zur schnellen Diagnose von Problemen in Prozessabläufen. Zudem wirken wir im Rahmen des Projektes GeMeKI aktiv an der menschzentrierten Gestaltung solcher KI-basierten Assistenzwerkzeuge mit.
