MICHELIN, FORVIA & CELONIS bei AI for Industry by Artefact - AI for Automotive: Aktueller Stand der Technik & Anwendungsfälle

In der Sitzung “AI for Automotive” waren wichtige Vertreter von Michelin, Forvia und Celonis anwesend, die aufzeigten, wie KI die Automobilindustrie revolutioniert. KI verändert vor allem die Prozessoptimierung, die vorausschauende Wartung und die Qualitätskontrolle durch reale Anwendungen von maschinellem Lernen, Computer Vision und generativer KI, die den Betrieb in der Automobilindustrie neu gestalten.

Prashant Dhanraj von Celonis betonte das Potenzial von KI, Geschäftsprozesse wie Produktentwicklung und Lieferkettenmanagement zu verändern. Er erklärte, wie digitale Zwillinge, virtuelle Modelle physischer Prozesse, es Unternehmen ermöglichen, Erkenntnisse aus großen data-Sets abzuleiten und Abläufe zu optimieren. Ein Beispiel ist der Einsatz von generativer KI für Kostenschätzungen für neue Teile, indem technische Zeichnungen analysiert, ähnliche Teile identifiziert und Lieferanten vorgeschlagen werden. KI hilft auch bei der Auftragsverwaltung, indem sie LLMs einsetzt, um Kreditsperren in Kundenaufträgen zu bewerten und Empfehlungen auf der Grundlage früherer data zu geben, was die Entscheidungsfindung verbessert.

Jean-Vianney Chiron von Michelin erklärte, wie KI die Produktion mit Hilfe von Computer Vision und Zeitreihenanalyse verbessert. In der Reifenproduktion erkennen KI-gestützte Kameras Defekte im Gummi, die manuell nur schwer zu prüfen sind. Die Technologie gewährleistet eine höhere Produktqualität und rationalisiert den Prozess. Darüber hinaus korreliert die KI maschinelle data wie Temperatur und Druck mit der Qualität des Endprodukts und steigert die Effizienz, indem sie es den Arbeitern ermöglicht, kritische Probleme anzugehen, anstatt data manuell zu überwachen.

Jean-Vianney Chiron erläuterte, wie generative KI dabei hilft, jahrzehntelanges Wissen aus den weltweiten Michelin-Werken zu erfassen. Das Wartungspersonal kann die Symptome von Maschinen eingeben und erhält Diagnosevorschläge, die auf früheren Fällen basieren. Das System lernt kontinuierlich aus den Rückmeldungen der Benutzer und schafft so eine robuste, sich ständig weiterentwickelnde Wissensdatenbank, auf die weltweit zugegriffen werden kann und die die Reaktionszeit bei Wartungsproblemen verbessert.

Caroline Connan von Forvia berichtete über ähnliche Anwendungsfälle, darunter KI für die vorausschauende Wartung zur Vermeidung von Produktionsstillständen. Durch die Analyse historischer data- und Echtzeit-Maschinenparameter warnt die KI die Bediener vor potenziellen Problemen und reduziert so kostspielige Ausfallzeiten. Ein LLM-basiertes System erstellt Wartungspläne und hilft bei der Priorisierung von Maßnahmen. Darüber hinaus erkennen KI-gestützte Bildverarbeitungssysteme in den Fabriken von Forvia Qualitätsmängel in der Innenausstattung von Fahrzeugen, wodurch Fehler reduziert und die Produktqualität verbessert werden.

Michelin und Forvia nutzen beide KI, um den Energieverbrauch in ihren Werken zu überwachen und zu reduzieren. Modelle für maschinelles Lernen analysieren Echtzeit-Sensoren data zur Überwachung des Strom- und Wasserverbrauchs. Diese Erkenntnisse ermöglichen es den Unternehmen, Ziele festzulegen, den Verbrauch zu prognostizieren und den Betrieb anzupassen, um die Umweltbelastung und die Betriebskosten zu senken. Die Fähigkeit der KI, Feedback in Echtzeit zu geben, ist entscheidend für das Erreichen von Nachhaltigkeitszielen.