AI und RPA: Hype oder wertschöpfende Schlüsseltechnologien?

Beitrag von Michael Finkler

Geschäftsführer Business Development, Proalpha Group

07. Januar 2025

Wie AI- und RPA-gestützte ERP-Systeme die Fertigungsindustrie fit für die Zukunft machen

 

In der Business-Welt gibt es kein Geheimrezept für sicheren Erfolg. Jedoch haben Unternehmen, die intelligentes Handeln auf Ebene des Enterprise Ressource Planning (ERP) – dem digitalen Rückgrat eines Unternehmens – umsetzen, die Nase vorn. Anhand von Best Practices lässt sich veranschaulichen, welche neuen Perspektiven Artificial Intelligence (AI) und Robotic Process Automation (RPA) als wertschöpfende Schlüsseltechnologien tatsächlich eröffnen.

Wie AI- und RPA-gestützte ERP-Systeme die Fertigungsindustrie fit für die Zukunft machen


Anlagen optimieren ihren Stromverbrauch im laufenden Betrieb, Maschinen führen noch während der Fertigung Qualitätskontrollen durch, mobile Roboter finden selbstständig den Weg durch die Fabrikhallen – das Potenzial von Artificial Intelligence (AI) und Robotic Process Automation (RPA) für die Industrie ist enorm. Denn diese neuen Technologien sorgen für mehr Effizienz, Flexibilität und Zuverlässigkeit in der Produktion – und somit für einen klaren Wettbewerbsvorteil.

 

AI ist dabei keine ferne Zukunftsvision: Eine Studie von reichelt elektronik [1] belegt, dass über die Hälfte der in Deutschland befragten Industrieunternehmen (58 Prozent) bereits AI in der Produktion einsetzen – 31 Prozent flächendeckend, 27 Prozent zumindest partiell. Sie implementieren Artificial Intelligence zur Produktivitätssteigerung, Qualitätskontrolle, Prozessoptimierung und Verbesserung ihrer Cybersecurity.

 

Die (oft noch ungeahnten) Möglichkeiten AI-gestützter ERP-Systeme

 

AI setzt an vielen Enden von Unternehmensprozessen an und schafft bereits heute reale Wertschöpfung, zum Beispiel im Field Service Management. Im Field Service müssen sich Mitarbeiter*innen beim Kunden vor Ort oft mit dem Problem auseinandersetzen, dass im Servicefall etwa dem Ausfall einer Maschine eine schnelle Diagnose extrem schwierig ist und so die Ersatzteilbeschaffung einige Zeit in Anspruch nehmen kann. Das führt dazu, dass die Mitarbeitenden im Field Service die Kolleg*innen aus der Konstruktion heranziehen, um den Fehler zu identifizieren und eine Handlungsempfehlung abzugeben. Das bindet viele Ressourcen und kostet viel Zeit – und jede Minute Downtime auf Kundenseite ist eine zu viel. Hier kann eine AI-gestützte Service-Lösung im Zusammenspiel mit dem ERP-System unterstützen: Servicebelege, aber auch die komplette Maschinendokumentation und Informationsbasis zu einem vorliegenden Servicefall lassen sich in einer übergreifenden Daten- und Wissensdrehscheibe nach ähnlichen Servicefällen durchsuchen. So können Ergebnisse zur bestmöglichen Entscheidungsbasis für einen konkreten Serviceeinsatz schnell geliefert werden.

 

In das Daten- und Wissensportal wird dabei aus den Datenpools mit Wissensartikeln aus der Konstruktion, dem Service sowie dem impliziten Wissen der Techniker gespeist und über ein Dokumenten-Management-System angebunden. Das ERP-System fungiert hier als digitaler und mit AI angereicherter Prozess- und Datenhub, indem alle Informationen zusammenlaufen. So können Reparaturen und Wartungseinsätze schneller durchgeführt werden – im Idealfall proaktiv, also noch bevor ein konkreter Servicefall eintritt. Die Lösung bietet aber noch viel mehr Potenzial: Sie liefert auch die Initialzündung, daraus komplett neue Geschäftsmodelle zu entwickeln. Der Gedanke dabei ist, Kund*innen einen direkten Zugang auf den Wissenscontent bereitzustellen – sprich Rechercheanfragen extern als Self Service zu etablieren, um einen Störfall im besten Fall in Eigenregie zu lösen. Die AI-gestützten Services unterstützen die produzierende Industrie beim Aufbau und der Pflege von Partner-Ökosystemen, die über kundenzentrierte Angebote produktivitätssteigernd wirken. Genau hier setzen intelligente ERP-Systeme an und schieben den Transformationsprozess maßgeblich an.

 

RPA gegen Monotonie und bessere Datenqualität

 

AI und RPA können zudem im ERP-Bereich Aufgaben übernehmen, für deren Erledigung bisher menschliches, manuelles Handanlegen zwingend erforderlich war – allen voran die repetitive Bearbeitung von Geschäftsdaten. Diese müssen dank RPA nicht mehr händisch von Mitarbeitenden ins ERP-System übertragen werden. Wird bedacht, dass dieses langwierige und monotone Prozedere für alle Geschäftsprozesse anfällt, einschließlich Buchhaltung, Fertigungsvorgänge und Lagerbestandsverwaltung, lässt sich hier ein enormes Potenzial zur Einsparung von zeitlichen und personellen Ressourcen erkennen. Der Einsatz von RPA hat aber noch weitere Vorteile: Robotic Process Automation macht Daten innerhalb des ERP-Systems verlässlich und verhindert Verarbeitungsprobleme, Dubletten, korrumpierte Kopien oder gestörte Geschäftsprozesse. Das sorgt am Ende für mehr Datenqualität – der eigentlichen Achillesferse in Digitalisierungsprojekten.

 

Weiteres Optimierungspotenzial deckt RPA auch beim Erfassen und Bearbeiten von Bestellungen auf. Da der Bestellprozess in den meisten Unternehmen ein standardisierter Vorgang ist, lässt sich dieser mithilfe von RPA nicht nur effizienter, sondern auch kostengünstiger gestalten. Hierbei kann ein Software-Roboter sämtliche Aufgaben – vom Versand der Bestellbestätigung über den Druck des Lieferscheins bis zur Rechnungsstellung – selbstständig ausführen.

 

Standardisierte Abläufe gibt es auch in der Kundenkommunikation: Wiederkehrende Anfragen können mithilfe von RPA automatisiert – und damit schneller – bearbeitet werden, was sich wiederum positiv auf die Kundenzufriedenheit auswirkt. Außerdem lassen sich die Kundenanliegen priorisieren, indem wichtige Themen direkt an den zuständigen Sachbearbeiter delegiert werden. Dokumente wie Kontoauszüge und Rechnungen stellt das RPA-System auf Wunsch ebenfalls automatisch zu.

 

Drei AI-Einsatzszenarien für typische ERP-Prozesse

 

Generell kann AI unterschiedliche Geschäftsprozesse optimieren. Entsprechende Lösungen lassen sich in zwei Kategorien einteilen: Benutzerhilfen und -erweiterungen, Prozessautomatisierung und -verbesserung in sämtlichen Unternehmensbereichen.

 

Denken wir etwa an Conversational AI-Bots. Diese Chatbots ähneln den bekannten digitalen Assistenten wie beispielsweise Siri und Alexa. Die Fähigkeiten dieser Chatbots werden immer umfangreicher und können in allen Abteilungen der Fertigung zum Einsatz kommen. So beispielsweise auch in der nachgelagerten Logistik: Conversational AI kann hier in allen Managementsysteme zur Verwaltung von Prozessen wie Qualitätskontrolle, Produktrückrufverfahren, Bestands- und Lieferkettenmanagement eingesetzt werden. Mitarbeiter*innen können so Beschaffungsanfragen eingeben und den Status von Lieferungen regelmäßig überprüfen, indem sie mit dem Bot interagieren. Zudem können sie damit den Status eines Auftrags oder einer Lieferung mit einem Sprachbefehl abfragen. Auf diese Weise werden Ressourcen sowie Zeit freigesetzt und die Fehlerquote, die für Dateneingabeaktivitäten typisch ist, reduziert.

 

AI kommt etwa auch zur Überwachung und Modellierung des Anlagenverhaltens, sprich zur Optimierung der sogenannten Gesamtanlageneffektivität (OEE = Overall Equipment Effectiveness), zum Einsatz. Die AI-Tools werden durch die riesigen Datenmengen der maschinennahen Systeme, die an das ERP-System angebunden sind, und das Internet of Things (IoT) gespeist. Die Kosten für IoT-Ausstattung sind inzwischen moderat, so dass es Industrieunternehmen möglich ist, Hunderte von Sensormesswerten von Maschinen in einer Produktionslinie in Echtzeit zu überwachen. Diese riesigen Datenmengen sind wiederum Grundlage für Algorithmen des Maschinellen Lernens (ML). Die Einblicke in die Betriebszeit, Leistung und Qualität von Produkten werden somit vereinfacht.

 

AI-Technologie lässt sich auch im Bereich der Lager- und Produktionsplanung gewinnbringend einsetzen, wie etwa für die Bereitstellung und Bewegung von Materialien und Produkten in einem Lager. AI-Algorithmen können Daten aus Bestell-, Fertigungs- und Lagersystemen zusammenführen und so die optimale Lagerauslastung bestimmen. Außerdem können sie Konfigurationen ändern, um der Nachfrage gerecht zu werden. Auch die Produktionsplanungsprozesse in der Fertigung können von AI unterstützt werden. In der Planungsphase auf Makroebene kann vorausgesagt werden, wie viele Produkte in einem bestimmten Zeitraum produziert werden müssen. Auch zusätzliche Erkenntnisse zum Kaufverhalten können gewonnen werden. Die Planung der einzelnen Produktionsabläufe erhält ebenfalls zusätzliche Intelligenz, wenn sie auf dynamische Auftragsänderungen zugreifen und reagieren kann.

 

Punktlandung statt Blindflug

 

AI und RPA werden mittelfristig die Industrie verändern – insbesondere im produzierenden Mittelstand. AI spielt bereits bei der Bedarfsplanung, in IIoT-Projekten sowie bei der Digitalisierung der Supply Chain eine wichtige Rolle. Entsprechende Tools können zum Beispiel die Auswirkungen von Lieferengpässen oder Preisänderungen prognostizieren und Handlungsalternativen vorschlagen.

 

In erfolgreich digitalisierten Unternehmen führt ein AI-gestütztes ERP-System Daten aus unterschiedlichen Einheiten zusammen – und zwar schneller und sinnvoller als je zuvor. Selbststeuernde, selbstoptimierende Prozesse und digitale Assistenten aus dem Bereich Robotic Process Automation und Business Analytics bedienen sich aus einer „Single Source of Truth“, die die Basis für weitere Digitalisierungsprojekte und neue sowie profitable Geschäftsmodelle bildet. Unternehmen müssen daher jetzt handeln, um wettbewerbsfähig zu bleiben.

[1] https://www.reichelt.de/magazin/studien/kuenstliche-intelligenz-unternehmen-wuerde-implementierung-anders-angehen/

Kommentar hinzufügen