Wie agentenbasierte KI menschliches Fachwissen in der Fertigung ergänzen kann
Agentenbasierte KIgeht über die generative KI hinaus und schafft autonome digitale Mitarbeiter, die ihre Umgebung wahrnehmen, analysieren und eigenständig Maßnahmen ergreifen. KI-Agenten werden die Menschen in der Produktion ergänzen, aber nicht ersetzen.
Vor rund zwei Jahren hat die Fertigung ihre Reise durch den Hype-Zyklus der KI begonnen, und jetzt sind alle Augen auf die Umsetzung von Anwendungsfällen gerichtet. In den letzten zwölf Monaten haben sich generative KI-Anwendungen, die auf Large Language Models (LLMs) basieren, in den Fabrikhallen etabliert, um die Arbeiter zu unterstützen und die Produktivität zu steigern.
Ein sachlicher Blick auf diese Technologie könnte beitragen, Ängste abzubauen und einen pragmatischen Zugang finden.
Wir sehen nun erste ernstzunehmende Anwendungsfälle für generative KI in der Fertigung. Sie beschleunigen die Erstellung von Dokumenten und deren Konvertierung in leicht verdauliche Formate wie digitale Arbeitsanweisungen und ansprechende Videoanleitungen erheblich, reduzieren Bereitstellungszeit und -kosten und bieten intelligentere Suchfunktionen. Das zeigt, wie generative KI eine heterogene Belegschaft unterstützen kann, indem sie durch die intelligente, mehrsprachige Transkription von Inhalten Sprachbarrieren überwindet und damit für ein besseres Verständnis, mehr Sicherheit und eine höhere Qualität sorgt.
Begeisterung und Bedenken gegenüber Agentic AI
Nun stehen wir vor der nächsten Entwicklungsstufe der KI: der Ära der agentenbasierten Systeme. Dem Adobe Agentic Readiness Report zufolge haben derzeit weniger als die Hälfte (46 %) der deutschen Fertigungsunternehmen agentenbasierte KI eingeführt. 31 % beabsichtigen jedoch, dies innerhalb der nächsten drei Monate zu tun, 16 % innerhalb der nächsten zwölf Monate. Es gibt aber auch Bedenken: 37 % der Befragten nennen den Datenschutz als Hauptproblem, 35 % verweisen auf den technologischen Reifegrad und 31 % auf die Komplexität der Integration.
Dennoch steckt die Einführung von agentenbasierter KI in der Fertigung noch in den Kinderschuhen, weshalb es viele offene Fragen gibt. Hinzu kommt, dass viele deutsche Unternehmen nach wie vor mit einem Mangel an qualifizierten Fachkräften und mit kulturellen Vorbehalten zu kämpfen haben. Dazu zählen unter anderem Misstrauen gegenüber autonomen Entscheidungen und die Angst vor Kontrollverlust. Ein sachlicher Blick auf das Thema könnte beitragen, Ängste abzubauen und einen pragmatischen Zugang zu dieser Technologie zu finden.
Die Macht der agentenbasierten KI in der Fertigung
KI-Agenten sind zunächst nichts anderes als autonome Softwaresysteme, die künstliche Intelligenz nutzen, um Aufgaben auszuführen, rational abzuwägen und Entscheidungen zu treffen, ohne dass ein Mensch eingreifen muss. Sie nehmen ihre Umgebung wahr, planen Aktionen, führen diese mit Werkzeugen aus und – ganz wichtig – sie können mit der Zeit lernen und sich anpassen.
Eine symbiotische Beziehung zwischen Agent und Mensch ist der Schlüssel zum erfolgreichen Einsatz.
Klar ist, dass die agentenbasierte KI in der Fertigungsindustrie durchaus Potenzial hat. In einem ausführlichen Bericht fordern das Weltwirtschaftsforum und die Boston Consulting Group Fertigungsunternehmen dazu auf, sich der nächsten KI-Herausforderung zu stellen: „KI-Agenten verstärken die Vision einer Fertigung mit Echtzeit-Entscheidungen, nahezu autonomen Systemen und einer nahtlosen Zusammenarbeit zwischen Mensch und Maschine. Während die Produktivität in der Fertigung in Märkten wie Deutschland und den Vereinigten Staaten in den letzten zehn Jahren stagniert ist, bietet diese transformative Vision eine bedeutende Gelegenheit, das Produktivitätswachstum wieder anzukurbeln und die Wettbewerbslandschaft industrieller Betriebe neu zu definieren.“
Gemeinsam besser
In aktuellen Anwendungsfällen agiert die agentenbasierte KI eher wie ein unterstützender „Assistent“ oder ein halbautonomer, zielgerichteter „Agent“. In der Fertigungsindustrie werden wir viel mehr sehen: KI-Agenten, die als eigenständige, autonome Systeme mit den Arbeitern zusammenarbeiten, ihnen Vertrauen in ihre Arbeit geben und ihre Zufriedenheit steigern. Darüber hinaus ermöglichen diese Agenten es den menschlichen Arbeitskräften, ihre eigenen Aufgaben auf einem höheren Niveau auszuführen oder sich auf Aufgaben mit Mehrwert zu konzentrieren.
Der Schlüssel dazu ist die symbiotische Natur der Beziehung zwischen Agent und Mensch: Der Agent unterstützt den Endbenutzer dabei, seine Arbeit besser zu erledigen. Das ist auch eine Möglichkeit, Arbeitskräfte in einer Branche besser zu binden und zu halten, in der die Mitarbeiterbindung sinkt. Anekdotisch haben wir von Kunden erfahren, dass die durchschnittliche Betriebszugehörigkeit in den letzten zehn Jahren von 28 auf etwa vier bis fünf Jahre gesunken ist. Die Arbeiter brauchen Hilfe bei ihrer täglichen Arbeit!
„Human in the Loop“ ist unerlässlich
Für die Fabrikarbeiter besteht der größte Nutzen darin, dass agentenbasierte KI als digitaler Kollege agiert, der ihre Fähigkeiten ergänzt, anstatt sie zu ersetzen. Kurzfristig wird es realistisch sein, wiederkehrende Aufgaben im Hintergrund zu automatisieren, bei komplexen Aufgaben zu helfen, einfache Aufgaben schneller und effizienter auszuführen, Analysen durchzuführen, für die die Arbeiter keine Zeit haben, und als Co-Pilot bei der Navigation durch komplexe Prozesse zu fungieren.
Leitplanken schaffen Vertrauen und ebnen den Weg zum vernetzte Mitarbeiter.
Aber die Hersteller müssen Leitplanken für die agentenbasierte KI einrichten, damit sie als Teammitglied arbeitet und nicht „aus dem Ruder läuft“. Das ist der Punkt, an dem zwischen selbständigem Handeln und echter Autonomie unterschieden werden muss: KI-Agenten können zwar handeln, aber der Benutzer muss die finale Kontrolle behalten. „Human in the Loop“ ist dabei nicht nur eine Frage der Sicherheit, sondern auch eine Frage der Leistung und des Vertrauens.
Der Weg zum Aufbau einer vertrauensvollen Beziehung
So sieht für uns ein klarer Evolutionspfad für die Beziehung zwischen KI-Agenten und Arbeitern in der Fertigung aus:
Phase 1: Heute – Assistenten und Automatisierung
Konversationsbasierte Agenten werden eingesetzt, um bei Inhalten und Daten zu unterstützen, regelbasierte Trigger durchzusetzen und Hintergrundaufgaben auszuführen.
Phase 2: Nahe Zukunft – zielgerichtete Autonomie
Es entstehen denkende Agenten, die Absichten interpretieren und Unteragenten und Werkzeuge koordinieren. Bei der Behebung eines Problems leitet ein orchestrierender Agent beispielsweise die richtigen Werkzeuge weiter, erstellt einen Lösungsvorschlag und lässt ihn durch den Benutzer freigeben.
Phase 3: Der Blick nach vorn – Proaktivität und Prognosen
Schließlich entwickeln sich die Agenten von reaktiv zu proaktiv weiter. Ab diesem Zeitpunkt sind sie in der Lage, frühe Signale von Ausfällen, Abweichungen oder Ineffizienzen zu erkennen, bevor diese tatsächlich auftreten. Sie können vorausschauende Analysen durchführen, um vorherzusagen, was passieren wird, und entsprechende Handlungsempfehlungen geben. Mit der Zeit sind KI-Agenten in der Lage, zu lernen und sich zu verbessern, sodass sich ihre Arbeitsabläufe kontinuierlich verbessern.
Drei Anwendungsfälle mit KI-Agenten als helfende Hand
1„Sieht so aus, als bräuchten Sie Hilfe.“ – Fehlersuche mit Orchestrator-Agenten
Betrachten wir das folgende Beispiel: Ein Bediener versucht, ein Problem zu beheben. Der „Supervisor“-Agent (Orchestrator) interpretiert die Absicht („David möchte ein Problem beheben“) und leitet die Anfrage an einen wissensbasierten Agenten weiter. Dieser sucht nach möglichen Antworten. Wenn keine Lösung gefunden wird, schlägt der Orchestrator den nächstbesten Schritt vor: „Möchten Sie, dass ich das als Problem in Poka für Sie erfasse?” Der Agent erstellt unter Verwendung des ihm bereits vorliegenden Kontexts (Anlage, Ausrüstung usw.) den Entwurf für einen Problembericht und bittet den Benutzer um eine endgültige Bestätigung, bevor er ihn einstellt.
2„Das ist mir gerade aufgefallen.“ – Frühwarnungen an Vorgesetzte
Statt auf eine Schwellenwertüberschreitung zu warten, kann ein KI-Agent proaktiv Trends aufdecken. So kann er beispielsweise wiederkehrende Probleme in den Sicherheitschecklisten von Gabelstaplern feststellen. Der Agent meldet das Muster dem Vorgesetzten: „Ich erkenne häufiger Probleme bei Ihren Gabelstapler-Checks – vielleicht sollten Sie das untersuchen, bevor es eskaliert.“
3„Wir müssen das Tempo erhöhen.“ – Vorhersage der Schichtleistung
Anhand von verfügbaren Daten, wie ausgefüllten Checklisten, den Mitarbeiterprofilen und den aktuellen Bedingungen an der Produktionslinie, können die Agenten frühzeitig erkennen, wann das Ergebnis einer Schicht gefährdet ist. Zum Beispiel: „Die Schicht läuft seit einer Stunde, aber einige erforderliche Checklisten fehlen und 30 % des Teams sind für diese Maschine nicht voll qualifiziert. Diese Bedingungen führen in der Regel zu einer niedrigeren Gesamtanlageneffektivität (Overall Equipment Effectiveness, OEE) und zu Qualitätsproblemen.“ Mithilfe von Prognosefunktionen könnte der Agent Korrekturmaßnahmen vorschlagen, beispielsweise den Austausch eines Mitarbeiters oder die Aufforderung, bestimmte Checklisten auszufüllen.
Hand in Hand zum Erfolg
Es ist jedoch klar, dass die wahre Stärke der agentenbasierten KI darin liegt, eine produktive Partnerschaft zwischen menschlichem Fachwissen und maschineller Proaktivität aufzubauen. Der Entwicklungspfad ist klar: von den hilfreichen Assistenten von heute über die zielgerichteten Agenten der nahen Zukunft bis hin zu proaktiven, Prognosesystemen, die Probleme vorhersehen, bevor sie eskalieren.
Am erfolgreichsten werden Hersteller sein, die neugierig, offen und engagiert mit dieser neuen Technologie umgehen. Die Zukunft der Produktivität in der Fertigung besteht nicht darin, Menschen zu ersetzen, sondern darin, sie mit intelligenten, proaktiven Partnern zu unterstützen.
