Von Excel zu neuronalen Netzen: Wie Künstliche Intelligenz die Produktionsplanung verändert und wann volle Autonomie zu erwarten ist

KI in der Produktionsplanung entwickelt sich von einem Werkzeug, das Menschen ersetzt, zu einem leistungsstarken Assistenten, der sie unterstützt, wie das Konzept des „digitalen Planungspanels“ von Forschern des Fraunhofer-Instituts zeigt, bei dem der Algorithmus Tausende verborgener Randbedingungen prüft und optimale Zeitpläne vorschlägt, die endgültige Entscheidung aber beim Menschen bleibt. In Russland zeigt eine gemeinsame Studie der Skolkovo-Stiftung und der ANO „Digitale Wirtschaft“ ein vorsichtiges Interesse an generativer KI, wobei zu den wichtigsten Hindernissen die Zurückhaltung der Mitarbeiter (von etwa der Hälfte der Unternehmen genannt), schlechte Datenqualität und Schwierigkeiten bei der Bewertung des Return on Investment und der Informationssicherheit zählen. Trotz dieser Herausforderungen entwickeln Ingenieure hybride Systeme, die generative Modelle mit Graphdarstellungen von Produktionsnetzwerken kombinieren, große Sprachmodelle (Large Language Models) zur Übersetzung unstrukturierter Abfragen einsetzen und mathematische lineare Programmierung verwenden (wie im System „AI-Kantorowitsch“, das die Planungszeit auf 2-3 Minuten reduzierte und die Kosten in einem Pilotprojekt zur Kosmetikproduktion um über 3 % senkte). Die Forscher von Skolkovo prognostizieren einen Massenübergang: Innerhalb von 1-2 Jahren adaptive Modelle für Szenarioanalysen; innerhalb von 2-3 Jahren hochpräzise Modelle mit digitalen Zwillingen; innerhalb von 3-5 Jahren Branchenlösungen und Kompetenzzentren. Zu den praktischen Fällen gehören US Steel und Google MineMind, die die Anlagenstillstandszeiten um 20 % reduzierten, Botswana Diamonds, das aus 380 GB geologischer Daten sieben neue Diamantvorkommen fand, der KI-Chatbot von Sewerstal, der die Wartungsprüfzeit von 60 Personentagen auf einen reduziert, die KI-Assistenten von NLMK, die die Softwareentwicklung um 53 % beschleunigten, SIBUR und Sber, die neue Polymere mittels digitaler Modellierung entwickeln, der Assistent „Akela“ von Tatneft und ITMO, der die Planungseffizienz um 30 % verbesserte und den Arbeitsaufwand um das 16- bis 20-fache reduzierte, Rolls-Royce, das die physischen Experimente bei der Legierungsentwicklung um 90 % reduzierte, LEAP 71, das einen von einem neuronalen Netz entworfenen Aerospike-Raketentriebwerk in drei Wochen testete, den industriellen Copiloten von Siemens, der bis zu 25 % Wartungszeit einspart, Rosneft und ITMO, die den konzeptionellen Entwurf für Arktishäfen um das Zehnfache verkürzten, sowie DOM.RF und Rocket Group, die täglich über 20 Entwicklungskonzepte generieren. Das Unternehmen Creative Way, das darüber berichtete, sieht die größten Engpässe in fehlenden Kompetenzen und unbereinigten Daten, während genau dieser Bereich das schnellste Wachstum bietet, das sich bereits in den ersten Monaten nach einem Projekt auszahlt.