Neue Studie zum Thema „Adaptionsbarrieren für die industrielle Instandhaltung in Deutschland“

Die Anwendungsszenarien der Künstlichen Intelligenz (KI) sind weitreichend und vielschichtig. Insbesondere im Kontext der politischen Initiative „Industrie 4.0“ bieten sich durch KI-basierte Systeme enorme Potentiale zur Effizienzsteigerung und Automatisierung von Prozessen. Ein konkreter Anwendungsfall sind KI-basierte intelligente Unterstützungssysteme (IUS), welche durch eine vorausschauende Maschinenwartung Unternehmen bei der Instandhaltung von Produktionsanlagen unterstützen können. Dennoch verläuft die Integration solcher KI-Systeme in der deutschen Unternehmenslandschaft aufgrund technischer und sozialer Adaptionsbarrieren oftmals zögerlich. Vor diesem Hintergrund haben Wissenschaftler der Universität Würzburg untersucht, welche konkreten Hemmnisse der Integration solcher Systeme im Wege stehen und welche Anreize gesetzt werden können, um deren Einsatz langfristig zu erhöhen. 

Neue Studie der Universität Würzburg zum Thema Adaptionsbarrieren von KI-basierten Entscheidungssystemen in der Instandhaltung

Aktuelle Forschungsergebnisse legen nahe, dass die technischen Herausforderungen insbesondere im Bereich des langfristigen Abgriffes und der langfristigen Speicherung liegen. Daneben setzt ein Großteil der Unternehmen auf reaktive Maßnahmen, anstatt präventive Ansätze zu verfolgen. Die durchgeführte Studie unterstreicht diese Hemmnisse hinsichtlich der technologischen Bereitschaft. So erfassen aktuell nur 44,18% der befragten deutschen Produktionsunternehmen Maschinendaten. Daneben besteht nur ein geringes Interesse an Datenabgriff (7,98%). Dennoch zeigte sich unter anderem, dass ein Gros der Unternehmen, welche Daten bereits erfassen, diese auch für spätere Auswertungen speichern (Überwiegend=50,39%; Teilweise=37,98%). Daneben setzen viele Unternehmen bereits auf prädikative (26,04%) und präskriptive (15,63%) Wartungsstrategien.

Neben technischen Herausforderungen müssen auch soziale Aspekte betrachtet werden. Dabei stellt insbesondere die Adaptionsbereitschaft von Mitarbeitern ein IUS in den eigenen Entscheidungsprozess einzubeziehen ein wichtiges Kriterium dar. Mögliche Hemmnisse können hier beispielsweise Kontroll- und Arbeitsplatzverlust oder die mangelnde Transparenz des Entscheidungsprozesses sein. Die Studie zeigt, dass viele Mitarbeiter ihr Wissen über KI als schlecht oder moderat einschätzen (sehr niedrig=7,53%, niedrig=29,79%, mittel=42,81%) und viele Mitarbeiter keinerlei Erfahrung im Umgang mit IUS haben (74,66%). Im Zuge der Studie wurde vor diesem Hintergrund ein möglicher Lösungsvorschlag zum Abbau der sozialen Hemmnisse untersucht. So konnte durch Erstellung zweier Dashboards (eines mit hohem Erklärungsgrad, eines ohne Erklärungen) festgestellt werden, dass eine erhöhte Erklärbarkeit der IUS-Berechnungen die Adaptionsbereitschaft unter Mitarbeitern steigern kann (56,36% würden ein Dashboard ohne Erklärung nutzen, 67,30% würden ein Dashboard mit Erklärung nutzen). 

Zusammenfassend kann festgehalten werden, dass die Beschäftigten deutscher Fertigungsunternehmen bereits eine hohe Bereitschaft für den Einsatz von KI haben. Allerdings existieren noch zahlreiche Hürden, welche durch gezielte Maßnahmen abgebaut werden müssen. Die Erklärbarkeit der IUS-Systeme kann hierbei eine wichtige Unterstützung darstellen, um den Weg zu einer KI-basierten Instandhaltung von Produktionsanlagen zu ebnen.