In der neuesten Folge des Podcasts „KI in der Produktion“ sprechen wir über eine der praxisnahesten Anwendungen von künstlicher Intelligenz in der Industrie – den Einsatz eines Large Language Models (LLM) im Bereich Instandhaltung.
In diesem Artikel fassen wir die wichtigsten Punkte zusammen. In der vollständigen Episode erfahren Sie jedoch:
- wie der Umgang mit Daten vor der Implementierung aussah,
- wie Sicherheits- und Vertraulichkeitsanforderungen gelöst wurden,
- wie die Integration in die bestehende Infrastruktur des Kunden erfolgte,
- wie die Mitarbeitenden auf das neue System reagiert haben,
- und in welche Richtung sich die Lösung weiterentwickelt (u.a. AR-Integration und Echtzeit-Übersetzungen).
Inhaltsverzeichnis
Worum geht es im Podcast „KI in der Produktion“?
Der Podcast „KI in der Produktion“ ist eine Gesprächsreihe über reale Implementierungen von künstlicher Intelligenz in industriellen Umgebungen. Wir konzentrieren uns nicht auf Theorie oder Schlagworte, sondern zeigen:
- konkrete Herausforderungen von Produktionsunternehmen,
- tatsächliche KI-Implementierungen,
- organisatorische Transformationsprozesse,
- messbare Geschäftsergebnisse,
- sowie das, was wirklich funktioniert – und was nicht.
Wir sprechen mit Expertinnen und Experten, die KI-Projekte in Fabriken umsetzen – von der ersten Idee über die Integration in die IT-Infrastruktur bis hin zu realen operativen Ergebnissen.
Diese Episode ist besonders spannend, da sie sich mit einem Bereich befasst, der in jeder Fabrik enorme Kosten verursacht: Maschinenstillstände.
Worum geht es in dieser Episode?
In dieser Episode sprechen wir über die Implementierung eines Systems auf Basis eines Large Language Models (LLM) im Bereich Instandhaltung eines Pharmaunternehmens. Unser Gast ist Łukasz Borzęcki, CEO/CTO von VM.PL.
Łukasz erläutert die zentralen Herausforderungen, mit denen das Pharmaunternehmen konfrontiert war, darunter:
- häufige Maschinenausfälle,
- Stillstandszeiten von über 1,5 Stunden,
- fragmentierte Dokumentation (PDF-Dateien, Bedienungsanleitungen, Ticketsysteme),
- sowie Wissen, das auf einzelne erfahrene Mitarbeitende verteilt war und nicht zentral verfügbar war.
Eine zusätzliche Herausforderung stellte die Besonderheit der pharmazeutischen Produktionsumgebung dar – Reinräume, strenge Sicherheitsvorschriften sowie die räumliche Distanz zwischen Dokumentation und Produktionslinie.
Was hat sich in der Instandhaltung tatsächlich verändert?
Entscheidend war nicht die LLM-Technologie an sich. Entscheidend war, wie sie eingesetzt wurde.
Das Team entwickelte die Lösung auf Basis einer RAG-Architektur (Retrieval-Augmented Generation), kombiniert mit einer Vektordatenbank für Wissen sowie einem Sprachmodell, das innerhalb der geschlossenen Infrastruktur des Kunden betrieben wird.
Das System wurde ausschließlich mit internen Unternehmensdaten gespeist:
- Maschinenanleitungen,
- Ausfallhistorien,
- Protokolle von RCA-Meetings (Root Cause Analysis),
- Ticketsystem,
- Arbeitsschutz- und Sicherheitsvorschriften.
Das Modell nutzt kein Internet und generiert keine Antworten außerhalb des firmeneigenen Datenbestands. Es antwortet ausschließlich auf Basis des vorhandenen Organisationswissens und verweist auf die jeweiligen Quellen.
In der Praxis bedeutet das: Ein Bediener an der Produktionslinie kann einen Fehlercode eingeben oder ein Symptom beschreiben, und das System:
- analysiert ähnliche Fälle aus der Historie,
- durchsucht die Dokumentation,
- liefert eine Schritt-für-Schritt-Anleitung zur Lösung,
- zeigt an, auf welcher Grundlage die Antwort erstellt wurde.
Das Ergebnis: Die Stillstandszeit wurde von über 90 Minuten auf wenige Minuten reduziert.
Die größte Herausforderung? Menschen, nicht Technologie
In der Diskussion wurde ein sehr wichtiger Aspekt angesprochen – die Sorge der Mitarbeitenden vor dem neuen System.
Die naheliegenden Fragen waren:
- Wird KI mich ersetzen?
- Wird meine Rolle überflüssig?
Łukasz räumte diese Zweifel aus. Er stellte eine praxisnahe Perspektive vor und zeigte, dass die Einführung von KI im Unternehmen:
- es Bedienern ermöglicht, einfachere Probleme selbstständig zu lösen,
- Technikern mehr Zeit für präventive Maßnahmen verschafft,
- die Organisation von einem reaktiven Ansatz hin zu einem prädiktiven Instandhaltungsmodell führt.
Interessant ist auch – das System hilft bei der Zukunftsplanung
Das LLM unterstützt nicht nur bei der Behebung von Störungen.
Auf Grundlage historischer Daten kann es außerdem aufzeigen:
- welche Komponenten am häufigsten ausfallen,
- ob Lagerbestände erhöht werden sollten,
- welcher Lieferant weniger störanfällige Bauteile liefert,
- worauf sich die Maßnahmen im nächsten Quartal konzentrieren sollten.
Damit ist es nicht mehr nur ein operatives Hilfsmittel, sondern ein Bestandteil des strategischen Produktionsmanagements.
Warum lohnt es sich, diese Episode anzuhören?
Weil es ein Gespräch über den realen Alltag in der Produktion ist.
In dieser Episode zeigen wir Schritt für Schritt, wie die Implementierung von KI in einem Produktionsunternehmen tatsächlich abläuft. Ohne Vereinfachungen. Ohne Marketing-Schlagworte. Stattdessen mit konkreten Beispielen aus dem Bereich Instandhaltung.
Łukasz Borzęcki teilt seine Erfahrungen aus der Praxis im Produktionsumfeld und erläutert:
- wie man ein Team von einer neuen Lösung überzeugt,
- wie man das Thema Datensicherheit angeht,
- wie die Integration in bestehende Infrastrukturen gelingt,
- und was erforderlich ist, damit ein Projekt nicht in der „Proof-of-Concept“-Phase stecken bleibt.
Diese Episode richtet sich an Personen, die täglich Verantwortung für Produktion, Instandhaltung oder technologische Entwicklung in der Fabrik tragen. An alle, die Stillstandszeiten reduzieren möchten und verstehen wollen, wie LLMs in der Industrie praktisch eingesetzt werden können.
Wenn Sie wissen möchten, wie KI in der Produktion Menschen wirklich unterstützen — und nicht ersetzen — kann, finden Sie in dieser Folge konkrete Antworten.
