23. FVI-Expertenfrühstück

Ankündigung

Beim 23. Forum Vision Instandhaltung e.V.-Expertenfrühstück am Freitag, 06. Juni 2025 werfen wir einen klaren Blick auf ein Thema, das viele bewegt – aber oft unkoordiniert angegangen wird:

👉 Künstliche Intelligenz in Instandhaltung & Service

Grundlage ist der neue KI-Leitfaden der DHBW Mannheim, entwickelt am Studiengang Service Engineering. 📘

Er bietet erstmals eine strukturierte Orientierung für die Einführung von KI – inklusive Reifegradmodell, Checklisten und typischer Stolperfallen.

Unsere Gäste: Prof. Dr. Lennart Brumby – DHBW Mannheim Kai Körber – Airbus Defence and Space Baris Aktas – Schaeffler

📅 Wann: Freitag, 06. Juni 2025 🕤 Uhrzeit: 09:30–10:30 Uhr 🌐 Wo: Online – live & interaktiv

Moderation: 🎙 Marcel Hahn 🎙 Jens Reißenweber

Was dich erwartet: ✅ KI-Reifegrad: Wo steht dein Unternehmen wirklich? ✅ Einstieg mit Plan – statt lose Ideen und Aktionismus ✅ Frische Perspektiven – aus Wissenschaft, Industrie und Ausbildung

Zusammenfassung

• KI-Leitfaden: Kai und Baris stellten ihren KI-Leitfaden vor, der Unternehmen dabei helfen soll, KI-Projekte effizient und langfristig zu implementieren. Der Leitfaden umfasst verschiedene Kapitel, die von der Zieldefinition bis zur kontinuierlichen Verbesserung reichen.
  • Leitfadenstruktur: Der KI-Leitfaden umfasst verschiedene Kapitel, die von der Zieldefinition über die Datenaufbereitung und Modellauswahl bis hin zur kontinuierlichen Verbesserung reichen. Jedes Kapitel enthält Leitfragen und Stop-or-Go-Entscheidungen, um den Fortschritt des Projekts zu überprüfen.
    • Stakeholder-Integration: Der Leitfaden betont die Bedeutung der Einbindung von Stakeholdern in den frühen Phasen des Projekts. Es gibt eine Grafik, die zeigt, welche Stakeholder in welchem Kapitel relevant sind.
    • Datenqualität: Ein Schwerpunkt des Leitfadens liegt auf der Sicherstellung einer konsistenten Datenbasis und der Qualität der Daten. Ohne qualitativ hochwertige Daten können KI-Projekte nicht erfolgreich sein.
    • Praxisorientierung: Der Leitfaden ist praxisorientiert und basiert auf einer ausgiebigen Literaturrecherche, Use-Case-Analysen und Experteninterviews. Er enthält viele praktische Tools und Maßnahmen, die Unternehmen bei der Implementierung von KI-Projekten unterstützen.
• Stakeholder-Integration: Kai und Baris betonten die Bedeutung der frühzeitigen Einbindung von Stakeholdern in KI-Projekte. Sie erklärten, dass Stakeholder in den frühen Kapiteln des Leitfadens berücksichtigt werden, um sicherzustellen, dass alle Anforderungen und Ziele klar definiert sind.
• Datenqualität und KI-Projekte: Kai und Baris erklärten, dass die Datenqualität und der Datenzugriff entscheidend für den Erfolg von KI-Projekten sind. Sie betonten, dass ohne qualitativ hochwertige Daten und den richtigen Datenzugriff KI-Projekte scheitern können.
  • Datenzugriff: Kai und Baris betonten, dass der Datenzugriff entscheidend für den Erfolg von KI-Projekten ist. Ohne die richtigen Berechtigungen und Rollenverteilungen kann ein Projekt nicht voranschreiten.
  • Datenqualität: Die Qualität der Daten ist ein weiterer entscheidender Faktor. Kai und Baris erklärten, dass ohne qualitativ hochwertige Daten KI-Modelle nicht richtig trainiert werden können und das Projekt scheitern kann.
  • Stop-or-Go-Entscheidungen: Im Leitfaden gibt es Stop-or-Go-Entscheidungen, die sicherstellen, dass die Datenqualität und der Datenzugriff vor dem Fortfahren des Projekts überprüft werden. Dies hilft, Ressourcen zu sparen und das Projekt effizient zu gestalten.
• Feedback und kontinuierliche Verbesserung: Kai und Baris erläuterten die Bedeutung von Feedback und kontinuierlicher Verbesserung in KI-Projekten. Sie empfahlen, einen Feedback-Loop einzubauen, um die Modelle kontinuierlich zu verbessern und die Benutzerfreundlichkeit zu erhöhen.
• Nachhaltigkeit und KI: Lennart und Robin diskutierten die Bedeutung von Nachhaltigkeit in KI-Projekten. Sie stellten fest, dass das Interesse an Nachhaltigkeitsthemen derzeit gering ist, obwohl nachhaltige Lösungen oft auch kostensparend sein können.
• Erfahrungen mit KI-Projekten: Tina und Denes teilten ihre Erfahrungen mit KI-Projekten. Tina betonte die Bedeutung der Einbindung von Mitarbeitern, während Denes die Herausforderungen bei der Datenqualität und der Überzeugung von IT-Mitarbeitern hervorhob.
  • Einbindung von Mitarbeitern: Tina betonte die Bedeutung der Einbindung von Mitarbeitern in KI-Projekte. Sie erklärte, dass die Mitarbeitenden oft die besten Quellen für Problemlösungen sind und dass ihre Einbindung entscheidend für den Erfolg des Projekts ist.
  • Herausforderungen bei der Datenqualität: Denes hob die Herausforderungen bei der Datenqualität hervor. Er erklärte, dass viele Unternehmen Schwierigkeiten haben, die richtigen Daten zu sammeln und zu nutzen, was oft zum Scheitern von KI-Projekten führt.
  • Überzeugung von IT-Mitarbeitern: Denes erklärte, dass es oft schwierig ist, IT-Mitarbeiter von der Notwendigkeit und dem Nutzen von KI-Projekten zu überzeugen. Dies ist ein weiterer Grund, warum viele KI-Projekte scheitern.