Latest / Ignition / Die KI, die Fehler vor dem Werkstor stoppt
Transcript
- 0:00Welcome to the show!
- 0:01Ich bin Max Quantum, hier mit Eva Cortex.
- 0:04Und Eva, stell dir mal eine ganz normale Verpackungslinie vor.
- 0:07Ein winziges Etikett sitzt nur einen einzigen Millimeter schief,
- 0:10eine unscheinbare Dichtung fehlt komplett, oder ein Metallteil hat einen minimalen
- 0:14Kratzer, der im grellen Bandlicht fast unsichtbar ist.
- 0:17In klassischen Fabriken rutschen genau diese Fehler ständig durch.
- 0:21Weil Menschen bei der stichprobenartigen Prüfung irgendwann müde werden,
- 0:24oder schlicht nicht schnell genug gucken können.
- 0:27Klar, wer acht Stunden am Band steht und im Sekundentakt graue Metallteile anstarren
- 0:31muss, übersieht irgendwann zwangsläufig was.
- 0:35Aber sag mal, wenn dieser winzige Kratzer durchrutscht -- wo genau entsteht dann der
- 0:40echte Schaden?
- 0:41Ist das nur Kosmetik oder brennt es da sofort richtig?
- 0:45Es brennt genau dann, wenn das Teil beim Endkunden ankommt.
- 0:48Der wirtschaftliche Schmerz verschiebt sich nach hinten und wird dadurch extrem
- 0:52teuer.
- 0:52Genau hier setzt ein US-Unternehmen namens Elementary an.
- 0:56Die stellen Kameras direkt ans Band, verbinden sie mit Edge-Rechnern vor Ort und
- 1:01einer Cloud-Software, die jedes einzelne Teil sofort im laufenden Prozess bewertet.
- 1:06Das Entscheidende ist: Die verkaufen dem Kunden im Grunde keine Kamera,
- 1:10sondern sie verkaufen die Garantie für weniger Ausschuss, weniger Reklamationen und
- 1:14im Idealfall null Rückrufe.
- 1:17Okay, warte mal -- wenn ich das richtig verstehe, ist das ja eigentlich ein uraltes
- 1:21Problem.
- 1:23Warum haben die Hersteller diese Prüfungen nicht längst alle automatisiert?
- 1:27Es gibt doch seit Jahrzehnten sogenannte Maschinenvision-Systeme in der Industrie.
- 1:31Warum braucht man dafür jetzt plötzlich KI?
- 1:34Wo ist da der Haken?
- 1:36Der Punkt ist ein anderer.
- 1:37Die alten Systeme sind extrem starr.
- 1:39Wenn du da ein neues Teil prüfen willst, sitzt oft tagelang ein Spezialist dran,
- 1:44um feste Regeln zu programmieren.
- 1:46Jede kleinste Änderung beim Licht oder beim Material wirft das ganze System um.
- 1:51Und genau das ändert sich jetzt, weil die KI nicht mehr starren Regeln folgt,
- 1:55sondern Mustern.
- 1:56Wer am Ende für diese Kosten geradesteht, ist übrigens nicht nur das Qualitätsteam,
- 2:00sondern die Werksleitung.
- 2:02Und wenn der Werksleiter sieht, dass er dadurch sofort harte Euros spart,
- 2:05wird das Gespräch plötzlich sehr einfach.
- 2:08Okay, verstehe.
- 2:09Bei den alten Systemen hieß es also: "Wenn Pixelmuster A, Kante B und Position C
- 2:15exakt übereinstimmen, ist das Teil gut."
- 2:18Und sobald sich das Material auch nur minimal spiegelt, schlägt das System
- 2:23fälschlicherweise Alarm.
- 2:24Aber wie genau läuft das jetzt bei Elementary?
- 2:27Wenn die behaupten, sie können ein neues Prüfobjekt in unter 60 Sekunden anlernen,
- 2:33ohne dass man dafür einen Programmierer braucht -- wie soll das in der echten Praxis
- 2:37funktionieren?
- 2:38Es ist im Grunde eine operative Verschiebung.
- 2:40Statt Code zu schreiben, zeigst du der Kamera einfach gute und schlechte Beispiele.
- 2:44Das System versteht das Muster dahinter selbstständig.
- 2:47Das ist keine Magie, sondern ein völlig anderer Prozess in der Produktion.
- 2:51Und der eigentliche Hebel liegt nicht in der Kamera selbst,
- 2:53sondern in den Fehlerbildern, die das System über die Zeit sammelt.
- 2:57Wenn du Millionen von Teilen über verschiedene Linien hinweg prüfst,
- 3:00lernst du auch die ganz seltenen Defekte zu erkennen, die vielleicht nur einmal im
- 3:04Monat vorkommen.
- 3:06Aber ganz ehrlich, Max -- unter 60 Sekunden anlernen und angeblich 99 Prozent
- 3:11weniger Fehlerdurchschlupf?
- 3:13Das sind doch erstmal nur die Marketingzahlen des Herstellers.
- 3:16Gibt es da verlässliche, neutrale Belege, wie gut sich diese Systeme schlagen,
- 3:21wenn die Linien unter Volllast laufen und die Luft in der Halle voller Ölnebel ist?
- 3:27Da sprichst du einen kritischen Punkt an.
- 3:29Diese extremen Prozentwerte sind tatsächlich Unternehmensangaben und keine
- 3:33unabhängig geprüften Labor-Benchmarks.
- 3:35In einer echten, staubigen Fabrikhalle mit schwankenden Lichtverhältnissen sieht die
- 3:40Realität immer etwas komplexer aus als in der schicken Demo.
- 3:43Die 60 Sekunden beziehen sich meistens auf das reine Laden der Bilder,
- 3:47nicht auf die vollständige Integration in die physische Produktionslinie.
- 3:52Das dachte ich mir fast.
- 3:54[short pause] Aber lass uns mal über das Geschäftsmodell sprechen.
- 3:57Wenn ich so ein System in mein Werk holen will -- wofür bezahle ich da eigentlich
- 4:01konkret?
- 4:02Kaufen die Firmen die Kameras einmalig, oder ist das ein Abo-Modell,
- 4:07wo man monatlich für die KI-Auswertung zahlt?
- 4:10Die genauen Preisstrukturen hält das Unternehmen verständlicherweise unter
- 4:13Verschluss, aber die Branchenlogik läuft meist auf eine Mischung hinaus.
- 4:17Du hast einmalige Kosten für die Hardware und die Installation vor Ort.
- 4:21Der eigentliche, wiederkehrende Wert entsteht aber durch die Software.
- 4:25Je länger das System läuft, desto mehr Daten und Analysen liefert es dir zur
- 4:29Rückverfolgbarkeit.
- 4:30Für den Kunden verschiebt sich die Wahrnehmung: Er kauft kein technisches Tool,
- 4:35sondern eine Versicherung gegen teure Reklamationen.
- 4:38Das leuchtet mir ein.
- 4:39Aber wie läuft der Verkauf in so einer traditionellen Branche ab?
- 4:43Da entscheidet doch bestimmt nicht eine Person alleine.
- 4:46Wer hat denn da am Ende das letzte Wort, wenn es um die Anschaffung geht?
- 4:51Genau das ist die große Hürde.
- 4:52Der typische Einstieg läuft fast immer über ein ganz konkretes,
- 4:56akutes Qualitätsproblem auf einer einzelnen Linie.
- 4:59Man startet mit einem Pilotprojekt, um den Nutzen schwarz auf weiß zu beweisen.
- 5:03Wenn der Fehlerdurchschlupf dort nachweislich sinkt, geht es an den Rollout für das
- 5:07ganze Werk.
- 5:07Aber so ein Pilot scheitert in der Praxis selten an der KI selbst.
- 5:11Er scheitert eher daran, dass die IT-Abteilung wegen Sicherheitsbedenken keine
- 5:15Cloud-Verbindung in die Werkshalle lassen will, oder weil niemand die laufende Linie
- 5:19auch nur für eine Stunde anhalten möchte, um die Kameras zu kalibrieren.
- 5:24Oh ja, "Bloß nicht die Produktion stoppen!"
- 5:26-- das kenne ich.
- 5:27Aber wenn man diese Hürde einmal genommen hat, entsteht ja etwas extrem Spannendes:
- 5:33Ein proprietärer Datenbestand an spezifischen Produktionsfehlern.
- 5:38Wenn ich das richtig verstehe, ist das doch der eigentliche Burggraben,
- 5:42oder?
- 5:42Ein Konkurrent kann vielleicht die Kamera nachbauen, aber er hat nicht diese riesige
- 5:47Bibliothek an echten, physischen Defekten.
- 5:51Genau das ist der Punkt.
- 5:52Wir sprechen hier von einem klassischen Data Network Effect.
- 5:55Jedes fehlerhafte Teil, das das System scannt, macht den Algorithmus für alle
- 5:59zukünftigen Erkennungen präziser.
- 6:01Das ist für mich auch die wichtigste Lektion für Gründer: Sucht euch keine netten,
- 6:05theoretischen KI-Spielereien.
- 6:07Sucht euch eine langweilige, dreckige, aber extrem teure Pflichtaufgabe in der
- 6:11echten Welt.
- 6:12Wenn du dort ein konkretes Problem löst, baust du dir fast automatisch einen
- 6:16Datenvorsprung auf, der für Wettbewerber extrem schwer einzuholen ist.
- 6:21Heißt für mich auch: Verkaufe niemals nur die Technologie selbst,
- 6:24sondern immer das wirtschaftliche Ergebnis.
- 6:27Wer sagt: "Wir haben eine tolle Kamera mit künstlicher Intelligenz",
- 6:31landet sofort im harten Preisvergleich mit asiatischen Hardware-Herstellern.
- 6:35Wer aber sagt: "Wir senken eure Reklamationsrate am Band um dreißig Prozent",
- 6:41der spricht plötzlich über das ganz große Budget für Schadensbegrenzung.
- 6:45Absolut richtig formuliert.
- 6:46Genau darin liegt der eigentliche Hebel.
- 6:48Es verschiebt die gesamte Diskussion von den Anschaffungskosten hin zum Return on
- 6:53Investment.
- 6:54Und das ist vielleicht auch die beste Erkenntnis zum Schluss: Fast jedes
- 6:58erfolgreiche B2B-KI-Modell beginnt nicht mit spektakulärer Science-Fiction,
- 7:03sondern mit einer ganz simplen, fast schon banalen Frage: Welche alltägliche Aufgabe
- 7:08ist für Unternehmen so nervig, teuer und fehleranfällig, dass sie sofort bereit
- 7:13sind, Geld in die Hand zu nehmen, um sie loszuwerden?
- 7:17Ein perfektes Schlusswort, Eva.
- 7:18Vielen Dank fürs Zuhören an alle da draußen -- wir hören uns beim nächsten Mal!
- 7:23Bis zum nächsten Mal!
- 7:24Tschüss.