23. FVI-Expertenfrühstück

Thema: "Planlos durch die KI-Galaxis?" – Ein Leitfaden für die strukturierte Einführung von KI in der Instandhaltung.

Zu Gast waren Prof. Lennart Brumby und seine Studenten Kai und Baris (DHBW Mannheim), die einen Leitfaden präsentierten, um KI-Projekte nicht scheitern zu lassen.

• Die 80%-Scheitern-Quote: 80% aller KI-Projekte scheitern. Warum? Nicht an der Technik, sondern an der falschen Problemwahl ("Wir müssen jetzt KI machen, egal wofür") und fehlender Datenqualität.
• Der "Stop-or-Go"-Ansatz: Der vorgestellte Leitfaden empfiehlt harte Abbruchkriterien ("Stop or Go"). Wenn in Phase 1 die Wirtschaftlichkeit nicht klar ist: Stop. Wenn in Phase 2 die Daten fehlen: Stop. Viele Firmen machen weiter, obwohl die Basis fehlt, und verbrennen Geld.
• Low Hanging Fruits zuerst: Statt mit dem komplexesten Predictive Maintenance Projekt zu starten (das 10.000 Sensoren braucht), sollte man mit einfachen Use Cases beginnen. Beispiel: Wissensmanagement. Dokumente durchsuchbar machen (RAG) ist einfach, bringt sofort Nutzen und braucht keine perfekte Datenhistorie.
• Die Stakeholder-Falle: Tina (IT-Dienstleister) betonte: Man muss die Nutzer (Werker) von Tag 1 an einbinden. Wenn die GUI (Benutzeroberfläche) schlecht ist, nützt der beste Algorithmus im Backend nichts. Akzeptanz entscheidet über Erfolg.
• Datenqualität ist ein Prozess: Fabian (Softwarehersteller) warnte: "KI repariert keine schlechten Daten." Wenn im Labor Werte falsch eingetragen wurden (Zahlendreher), lernt die KI Quatsch ("Garbage in, Garbage out"). Man braucht Fachexperten, die die Daten validieren, bevor man trainiert.

Einordnung: Strukturierte Einführung statt Wildwuchs

Diese Episode bestätigt unseren Ansatz der begleiteten Einführung ("Customer Success").

• ADAMs "Fast Lane": Unser Angebot deckt sich mit der Empfehlung der Experten: Starten mit einem "Low Hanging Fruit" (Wissenstransfer/RAG), das schnell ROI bringt, statt eines riesigen Cloud-Projekts. Wir verkaufen keinen "Big Bang", sondern einen stufenweisen Erfolg.
• Daten-Validierung durch Dialog: Das Problem der "schlechten Daten" lösen wir durch den Dialog. Wenn ein Wert unplausibel ist, fragt ADAM nach: "Bist du sicher, dass die Temperatur 500 Grad ist? Das wäre sehr hoch." So entsteht Datenqualität an der Quelle (beim Menschen).

Fazit: KI ist kein Projekt, sondern ein Prozess. Wer strukturiert vorgeht und die Mitarbeiter mitnimmt, gehört zu den 20%, die erfolgreich sind.