Heutzutage spielt die Integration von Künstlicher Intelligenz eine entscheidende Rolle für die Optimierung des Qualitätsmanagements sowie für die präventive Fehlervermeidung, insbesondere in Kombination mit smarten Cloud-Technologien. Durch den Einsatz einer unterstützenden KI im Hintergrund können Computer-Aided Quality (CAQ) Systeme ihre Performance auf ein vollkommen neues Level heben.
Voraussetzungen für KI im Qualitätsmanagement
Um eine derart hoch performante Entität wie eine Künstliche Intelligenz in das eigene Unternehmen zu integrieren, bedarf es einer flexiblen und skalierbaren digitalen Datenumgebung. Im ersten Schritt ist eine umfassende Digitalisierung notwendig. Dabei ist das Aufbrechen von historisch gewachsenen Datensilos wichtig, um eine ideale Datengrundlage für die Anwendung von KI-Funktionen zu schaffen.
Im Idealfall umfasst die Datenbasis einer KI sowohl interne Unternehmensdaten als auch Daten aus der Lieferkette. Um sogenannte „Halluzinationen“ der KI (sprich falsche Antworten aufgrund eines fehlenden Kontextes) zu vermeiden, ist es wichtig, dass die KI zu jeder Antwort auch die entsprechende Datenquelle angibt. Der Wissensspeicher einer KI ist anfangs leer und muss durch das Analysieren von bereits existierenden Qualitätsdokumenten und durch Training mit kundenspezifischen Daten aufgebaut werden.
Cloud-Technologie als Basis für CAQ
Strukturelle Vorteile haben Produktionsbetriebe, die ihr Daten- und Dokumentenmanagementsystem (DMS) bereits auf einer Cloud-nativen Basis aufgebaut haben. Die Nutzung von Software as a Service bei einem europäischen, zertifizierten Softwareanbieter ermöglicht eine einfache und ganzheitliche Bearbeitung von Qualitätsthemen. Als „Single Source of Truth“ vereint das DMS idealerweise das gesamte Organisationswissen sowie sämtliche Geschäftsprozesse entlang der Lieferkette in einer gemeinsamen Datenumgebung.
Durch die Erweiterung dieser Informationsgrundlage mit KI zur Datenauswertung entsteht ein leistungsfähiges und werksübergreifendes CAQ-System, das in der Lage ist, schnell auf Änderungen entlang der Lieferkette zu reagieren. Darüber hinaus erleichtert es Innovationen im Vergleich zu veralteten On-premises-Systemen.
Medienbruchfreie Workflows
Auf diesem Wege haben nicht nur werksinterne Beteiligte Zugriff auf die relevanten Informationen, sondern es sind auch externe Player (wie Lieferanten oder Kunden) nahtlos in die Qualitätsprozesse eingebunden. Ein im Hintergrund geknüpftes Netz von Rollen und Zugriffsrechten sorgt dafür, dass die richtigen Personen die gewünschten Inhalte sehen und bearbeiten dürfen. Eine leistungsstarke Workflow-Engine vernetzt alle Bearbeitenden und verteilt zu erledigende Aufgaben im persönlichen Arbeitsvorrat.
Mit No-Code-/Low-Code-Funktionen lässt sich das CAQ-System benutzerfreundlich individualisieren. Ein grafischer BPMN 2.0-Editor (Business Process Model and Notation) und ein Formulardesigner geben Fachabteilungen die Möglichkeit, eigenständig Geschäftsprozesse und Eingabemasken zu modellieren. So werden Abläufe wie Abstimmungs-, Prüf- und Freigabeprozesse automatisiert.
Sichere Daten
Datenschutz ist ein essenzielles Thema: In der EU befindliche Rechenzentren, die europäischen Gesetzen bzw. Standards entsprechen und das durch Zertifizierungen nachweisen, schützen sensible Unternehmensdaten. Europäische Anbieter von Cloud-Dienstleistungen sollten idealerweise gemäß den Anforderungen des vom Bundesamt für Sicherheit in der Informationstechnik (BSI) veröffentlichten Anforderungskataloges C5 (Cloud Computing Compliance Criteria Catalogue) zertifiziert sein. Weitere wertvolle Zertifizierungen sind ISO 27001 & ISO 27018 für Informationssicherheit und Datenschutz sowie der EU Cloud Code of Conduct (CoC) in der höchsten Zertifizierungsstufe Level 3.
Anwendungsbereiche im Qualitätsmanagement
Im Grunde sind die Einsatzmöglichkeiten von KI beinahe unbegrenzt. Bereits in der Produktentwicklung kann die KI dabei unterstützen, durch automatische Analysen von Markttrends und Qualitätsdaten ein optimales und innovatives Design für Maschinen oder Anlagen zu entwickeln. In der Qualitätskontrolle werden neuronale Netze eingesetzt, um Fehler in Produkten frühzeitig zu erkennen und die Qualität zu verbessern. „Deep Learning“ hilft dabei, Bilderkennungsalgorithmen zu trainieren, die automatisch Defekte oder Abweichungen in Produkten finden und aussortieren können.
Diese Effizienzsteigerung im Bereich der Datenverarbeitung ist gerade in qualitätsrelevanten Prozessen ein erheblicher Gewinn – Stichwort „Predictive Quality“. Die KI analysiert große Datenmengen mit Leichtigkeit und ist in der Lage, Qualitätsstandards kontinuierlich zu verbessern. Defektmuster lassen sich auf diese Weise automatisch identifizieren, was eine datenbasierte Prognose der zu erwartenden Produkt- und Prozessqualität ermöglicht. Potenzielle Mängel entlang der gesamten Supply-Chain werden so proaktiv vermieden. Auf diese Weise beugt ein reaktionsschnelles Lieferkettenmanagement Stillstandzeiten und Reklamationen vor.
Die Technologie „Machine Learning“ ermöglicht Künstlicher Intelligenz, aus Daten zu lernen und Vorhersagen zu treffen, ohne explizit programmiert zu werden. Einsatzgebiete für Maschinelles Lernen sind Empfehlungssysteme in Onlineshops, Spamfilter, Gesichtserkennung in sozialen Medien oder selbstfahrende Autos.
Im Lieferantenmanagement gelingt die Überprüfung der von Lieferanten beigestellten Unterlagen durch den Einsatz von KI noch effizienter. Sie kann beispielsweise Prüfprotokolle validieren und dem Lieferanten direkt Feedback übermitteln, wenn ein falsches Bauteil referenziert wurde. In den Dokumenten enthaltene Metadaten lassen sich dank dieser Technologie ebenfalls automatisiert extrahieren und im System korrekt verknüpfen.
Generative KI zur smarten Kommunikation
Die moderne Anlagendokumentation umfasst umfangreiche Dokumentenansammlungen. Die korrekte Verwaltung und Handhabung dieser Datenmengen stellt eine Herausforderung für die Anwender:innen dar. Ein modernes DMS bietet smarte Interaktionsmöglichkeiten auf Basis von „Natural Language Processing“ (NLP). Mitarbeitende am Shopfloor stellen der Software in einem Chatfenster technische Fragen – die KI antwortet in natürlicher Sprache. Dabei lässt sich das präferierte „Large Language Model“ (LLM) frei wählen – sei es ChatGPT von OpenAI, Llama2 von Meta oder Modelle von Hugging Face. Die KI generiert aus unternehmensinternen Daten Antworten, die von menschlichem Feedback kaum zu unterscheiden sind.
KI-gestützter 8D-Prozess
Der 8D-Prozess ist ein strukturierter Ansatz zur Lösung von Problemen und zur kontinuierlichen Verbesserung. Es ist entscheidend, dass Mitarbeitende genau wissen, was in jedem Schritt zu tun ist. Früher haben Qualitätsfachleute oftmals eigene Lösungen entwickelt. Durch Fluktuation und Pensionierungen gehen diese wertvollen Kenntnisse jedoch verloren. Ohne digitalen Wissenstransfer sind „Lessons Learned“ daher nur begrenzt wirksam.
In diesem Kontext kommt die Künstliche Intelligenz ins Spiel, da sie unter anderem dem Wissensverlust durch alternde Personalstrukturen vorbeugt. Zudem subsummiert sie das gesamte Wissen aus Qualitätssicherungsdaten und der technischen Dokumentation. Die KI macht in jedem Schritt des 8D-Prozesses Vorschläge und bereitet auf den Kontext abgestimmte Antworten vor, die sich direkt in den Prozess integrieren lassen.
Durch die Abarbeitung jedes Schrittes im 8D-Prozess entsteht neues Wissen, das die KI wiederum füttert, sodass ein kontinuierlicher Lerneffekt entsteht. Das Unternehmen profitiert von der Extraktion und Sammlung des Fachwissens aller Mitarbeitenden. Wissen ist nicht nur intern verfügbar, sondern auch extern, beispielsweise von Lieferanten.
KI im Reklamationsmanagement
„Entity Recognition“ ist entscheidend für das Verständnis technischer Daten und Kontexte. Durch kontinuierliches Lernen und Anpassen wird die KI zu einem wertvollen Werkzeug im 8D-Prozess des Reklamationsmanagements.
Obwohl es Initiativen wie den Digitalen Produktpass zur Vermeidung von Medienbrüchen im Produktionsprozess gibt, erfordern Übergabepunkte weiterhin eine umfangreiche Dokumentation. Die KI kann hierbei Zeugnisse oder technische Zeichnungen semantisch analysieren und mit dem gespeicherten Wissen abgleichen. Zudem integriert sie auch kaufmännische Daten aus ERP-Systemen wie SAP.
In der Praxis bedeutet das etwa: In sogenannten „Interactive Exploded Views“ erkennt die KI automatisch Material- oder Produktnummern in technischen PDFs, extrahiert diese, und teilt sie relevanten Parametern zu. So sind zu der konkreten Materialnummer sowohl in der Vergangenheit aufgetretene Mängel als auch Serien- und Bestellnummern, Fehlertypen und -orte bei anderen Bauteilen ersichtlich – die KI liefert eine vollumfängliche 360-Grad-Sicht auf die Qualitätsdaten. Auf diese Weise ziehen Qualitätsmanager:innen Rückschlüsse und setzen proaktive Maßnahmen zur künftigen Fehlervermeidung.
Qualität 4.0 durch KI
Die Integration von KI in ein CAQ-System verbessert das Erkennen von Zusammenhängen bei großen Datenmengen. Neue Technologien bedeuten Veränderung – dabei es ist wichtig, vor allem die Usability im Blick zu behalten. Die Definition konkreter Anwendungsfälle hilft bei der Implementation von KI-Funktionen in der Qualitätssicherung.
Die Industrie hat infolge der digitalen Transformation einen fundamentalen Wandel durchlaufen, der eine tiefgreifende Veränderung in der Funktionsweise des Qualitätsmanagements bewirkt. Dieser Paradigmenwechsel spiegelt sich deutlich in den aktuellen Trends wider, beginnend mit der zunehmenden Integration von Künstlicher Intelligenz bis hin zur verstärkten Nutzung von Cloud-Technologien. Diese Fortschritte eröffnen völlig neue Horizonte zur Verbesserung von Qualitätsstandards.
