Zum Inhalt gehen

Gen AI im Qualitätsmanagement: acht konkrete Anwendungsfälle

Murat Usta
13.03.2024
capgemini-invent

Der traditionelle Ansatz des Qualitätsmanagements steht vor wachsenden Herausforderungen: Die Komplexität der Lieferketten in Verbindung mit den hohen Erwartungen der Verbraucher hat gezeigt, dass reaktive Methoden nicht ausreichen, um Qualitätsprobleme wirksam anzugehen – und nachhaltig abzustellen. Innovative Anwendungen, welche das Potential von generativer künstlicher Intelligenz (Gen AI) nutzen, ermöglichen im Qualitätsmanagement industrieübergreifend unterschiedliche Anwendungsfälle, die das eigene Unternehmen effizienter und profitabler machen.

In einer im April 2023 durch das Capgemini Research Institute veröffentlichten Studie stimmten 96% der befragten Organisationen dem Statement zu, dass Gen AI ein Thema bei Vorstandssitzungen sei. 74% sahen zudem mehr Möglichkeiten als Risiken bei der Nutzung der Technologie. Trotz enormem Interesse und Potenzial findet die Technologie bisher weder im Qualitätsmanagement noch in der Fertigung ihre Anwendung.

Aus Gesprächen mit unseren Kunden wissen wir, dass dies zunächst daran liegt, dass Ideen fehlen, wie Gen AI sinnvoll eingesetzt werden kann. Ein weiterer Grund ist, dass oft falsche Use Cases ausgewählt werden, die weit hinter den Erwartungen zurückbleiben und keinen wirtschaftlichen Mehrwert liefern.

Acht konkrete Anwendungsfälle für Gen AI im Qualitätsmanagement in der Fertigung

Viele Unternehmen haben damit begonnen ihre Fertigungsprozesse vollständig zu digitalisieren. Gerade im Qualitätsmanagement wird eine durchgängige Datenkontinuität immer wichtiger, um z.B. Mängel rückverfolgen zu können. Immer mehr Informationen werden daher in digitaler Datenform in unterschiedlichsten Datenmanagement-Systemen gespeichert. Hieraus ergibt sich ein enormer Datenschatz, der nur darauf wartet vollständig gehoben zu werden. Der Brückenschlag zu Gen AI, einer vollständig datengetriebenen Technologie, liegt auf der Hand. Vor allem auch dadurch, dass Gen AI Anwendungen dabei helfen können die Transparenz unstrukturierter Daten zu verbessern, sowie geringe Datenqualität auszugleichen. Doch wie können Anwendungen in der Fertigung aussehen? An dieser Stelle möchten wir acht konkrete Use Cases vorstellen:

1) Gen AI-basierter Chatbot für Qualitätsvorfälle:

Person 1 ist Produktionsleiterin in einem zukunftsorientierten Fertigungsunternehmen. Sie kämpft nicht mehr mit der Herausforderung, Unmengen von Daten zu durchsuchen, um Qualitätsvorfälle zu verstehen. Stattdessen verlässt sie sich auf einen Gen AI-basierten Chatbot, der auf einem Large Language Model (LLM) basiert. Dieser Chatbot versorgt sie auf Anfrage mit Echtzeitinformationen über das Auftreten, die Verantwortung, die Ursache, die Korrekturmaßnahmen, die Kosten und den Status jedes Qualitätsvorfalls. Sie kann nun schnell fundierte Entscheidungen treffen und so einen proaktiven Ansatz für das Qualitätsmanagement sicherstellen.

2) Berichterstattung über Qualitätsvorfälle in Echtzeit:

Person 2, ein Instandhalter, erlebt die Leistungsfähigkeit von Gen AI bei der Analyse von unstrukturiertem Echtzeit-Feedback von Maschinen und Personal. Die KI meldet einen Qualitätsvorfall, z.B. bei einem stark negativen Qualitätsbereich oder Abweichungen der Maschinenparameter, und ermöglicht sofortige Korrekturmaßnahmen. Diese Echtzeit-Reaktionsfähigkeit stellt sicher, dass der Produktionsprozess nur minimal von Qualitätsproblemen gestört wird.

3) Gen AI-unterstütztes automatisiertes Qualitätsreporting:

Person 3 ist Qualitätskontrollspezialistin, und hat früher Stunden damit verbracht, Qualitätsberichte manuell zu erstellen. Mit der Unterstützung von Gen AI diktiert Person 3 den Bericht jetzt einfach mündlich. Das Gen AI-System filtert irrelevante Informationen heraus und fügt diese in ein definiertes Template ein. Dies spart nicht nur Zeit, sondern erhöht auch die Präzision der Berichte, so dass sich das Unternehmen auf kritische Qualitätsfragen konzentrieren kann.

4) Gen AI-unterstützte Klassifizierung von Nichtkonformitäten:

Person 4, ein Data Analyst, wird von Gen AI befähigt, Nichtkonformitäten auf der Grundlage relevanter Parameter zu gruppieren. Dieses Clustering schafft eine erhöhte Transparenz und ermöglicht eine Priorisierung zur Behebung von häufig auftretenden Problem. Hierdurch werden Daten aus dem Qualitätskontrollprozess genutzt, um die eigenen Prozesse besser zu verstehen.

5) Gen AI-unterstützte Ursachenvorhersage:

Person 5, eine Qualitätsanalystin, überwacht wie die KI Muster, Trends und Ähnlichkeiten aus Qualitätsberichten analysiert. Für auftretendene Probleme schlägt die KI Ursachen mit Wahrscheinlichkeiten vor und lernt kontinuierlich aus den Live-Daten. Als „Human-in-the-loop“ kann Person 5 die Vorhersagen bewerten und schärfen. Dies ermöglicht es dem Unternehmen die Ursachenfindung stark zu beschleunigen.

6) Maßnahmenvorschläge zur Behebung von Qualitätsproblemen:

Person 6, eine Qualitätsingenieurin, nutzt ein LLM, welches durch eine lokale Datenbank-Abfrage auf die Dokumentation des gesamten Fertigungsprozesses zugreifen kann. Aufgrund dieses erweiterten Kontexts kann die KI Maßnahmen zur Minderung und Behebung von erkannten Qualitätsproblemen vorschlagen. Dieser proaktive Ansatz minimiert nicht nur die Auswirkungen von Qualitätsproblemen, sondern trägt auch zur kontinuierlichen Verbesserung bei.

7) Gen AI-unterstütztes Training für Mitarbeitende:

Person 7, ein neuer Qualitätsmitarbeiter, profitiert von Gen AI-gestütztem Training, das AR- und VR-Technologien nutzt. Die KI erstellt hierbei eigenständig Trainingssituationen mit realistischen Szenarien, die reale Arbeitsumgebungen imitieren. Dieses immersive Training ermöglicht es den Mitarbeitenden, Fähigkeiten zu erwerben und zu verbessern, und trägt so zu einer Belegschaft bei, die nicht nur theoretisch qualifiziert ist, sondern sich auch praktisch an unterschiedliche Produktionsanforderungen anpassen kann.

8) Gen AI-basierte Qualitätskontrolle durch Bildverarbeitung:

Person 8 bedient als Qualitätskontrolleurin ein visuelles Qualitätskontrollsystem. Das auf „Machine Vision“ aufbauende System wurde nur mit einem vergleichsweise kleinen Bild-Datensatz auf den Fehlerkatalog des Unternehmens angelernt. Während klassische KI-basierte Systeme noch große Datensätze mit gelabelten Bildern benötigten, ist durch effektives „finetuning“ ein Gen AI-basiertes System bereits in der Lage mit hoher Präzision Defekte zu erkennen. Anschließend muss Person 8 nur noch Feedback hinsichtlich der detektierten Fehler geben und trägt hiermit kontinuierlich zur Verbesserung der Anwendung bei.

Gen AI ist im Qualitätsmanagement bereits angekommen

All diese Szenarien sind keine Zukunftsvisionen, sondern konkrete Anwendungen, die Capgemini bereits bei Unternehmen im Qualitätsmanagement umsetzt. Gen AI bietet umfassende Möglichkeiten einen intelligenten Qualitätsmanagementprozess mitzugestalten. Entscheidend bei der Umsetzung sind hierbei, neben der Erörterung unternehmensspezifischer Anforderungen, die Auswahl der effektivesten Anwendungen zur Generierung von schnellem Mehrwert.

Unsere Experten

Murat Usta

Director | Intelligent Industry, Capgemini Invent Germany
Seit über 10 Jahren beschäftige ich mich mit der Digitalen Transformation meiner Kunden in den Sektoren Manufacturing, High-tech sowie Luft-und Raumfahrt. Dabei verantworte ich die Themengebiete Smart Quality und After Sales Services. Beide Themen haben eins gemeinsam: Datenbasiert und intelligent gesteuert verhelfen sie zu schlankeren Prozessen und einer höheren Qualität. In dem Zusammenhang unterstütze ich meine Kunden bei der Sicherung und Ausweitung ihrer Wettbewerbsfähigkeit auf dem Markt.

Patrik Sojda

Director | Intelligent Industry, Capgemini Invent Germany
Als Direktor für Intelligent Industry – Smart Plant bringe ich über zehn Jahre Erfahrung in Industrie und Beratung mit Schwerpunkt auf digitaler Transformation im Operationsbereich mit. Mein Fokus liegt darauf, durch digitale Technologien Mehrwert zu schaffen, wobei der Mensch stets im Zentrum der Transformation steht. Mein Arbeitsgebiet umfasst die Optimierung industrieller Systeme und den Einsatz von Generative AI. Ziel ist es Durchlaufzeiten zu verkürzen und die Produktivität durch interdisziplinäre Zusammenarbeit sowie effektive Mensch-Maschine-Interaktion zu steigern.

    Blog-Updates per Mail?

    Abonnieren Sie unseren Newsletter und erhalten Sie alle zwei Monate eine Auswahl der besten Blogartikel.