nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
Merken Gemerkt
10.01.2018

So ermöglicht künstliche Intelligenz effiziente Qualitätssicherung

Künstliche Intelligenz (KI) könnte sich als Renditeturbo für Autohersteller erweisen: Bis 2025 lassen sich durch den Einsatz maschinellen Lernens bis zu 215 Mrd. US-Dollar an zusätzlichem Wert in der weltweiten Autoindustrie schaffen, so eine Untersuchung von McKinsey.

Autohersteller könnten mit dem Einsatz von künstlicher Intelligenz ihre Rendite (EBIT) im Maximalfall um 9 Prozentpunkte erhöhen. Den größten Wertbeitrag kann das maschinelle Lernen im Herstellungsprozess leisten: In der Produktion können bis zu 61 Mrd. Dollar eingespart werden, beispielsweise durch KI-basierte Qualitätssicherung.

Produktion und Einkauf profitieren am meisten von KI

Weitere Potenziale liegen im Einkauf (51 Mrd. Dollar) etwa durch höhere Transparenz im Zulieferermarkt und in der Intralogistik (22 Mrd. Dollar), beispielsweise durch autonome Bandbelieferung. Bis zu 31 Mrd. Dollar können an Wert im Marketing und Vertrieb geschaffen werden, der Großteil davon dank höherer Umsätze durch KI-gestützte Preissetzung und Empfehlungen. Dies ist das Ergebnis einer Studie mit dem Titel "Artificial intelligence - automotive's new value-creating engine" von McKinsey & Company

KI: Der Kunde gewinnt

Üblicherweise steigern Autohersteller ihre Produktivität jährlich im Schnitt um rund 2 Prozent pro Jahr. Allein durch maschinelles Lernen ist in den kommenden Jahren ein jährliches Produktivitätswachstum von zusätzlichen 1,3 Prozent machbar.

Gleichzeitig wird KI zu einem Wettbewerbsfaktor, mit dem sich Hersteller voneinander absetzen können. Das gilt bei der Nutzung künstlicher Intelligenz für autonomes Fahren ebenso wie in der Entwicklung moderner Mobilitätskonzepte, die auf KI basieren. Fast 70% der Kunden sind schon heute bereit, für bessere Features bei assistiertem und autonomem Fahren die Marke zu wechseln.

Doch der Erfolg hängt laut McKinsey von vier Faktoren ab:

  1. Vorhandene Daten sammeln und aufbereiten: Werthaltige Daten sind die Grundlage für maschinelles Lernen. Unternehmen sollten ihre Daten sammeln und harmonisieren. Denkbar ist auch, Kunden- und Fahrzeugdaten im Rahmen der gesetzlichen Vorgaben aufzubereiten und Drittanbietersysteme einzubinden, etwa die der Händler.
  2. Partner-Ökosystem managen: Autohersteller können nicht alle Fähigkeiten für das maschinelle Lernen alleine aufbauen und vorhalten. Partnerschaften mit Technologieunternehmen im Hard- und Softwarebereich können dabei helfen, schneller zu entwickeln und den eigenen Investitionsbedarf zu verringern.
  3. Ein KI-Betriebssystem etablieren: Autohersteller müssen die technischen Grundlagen schaffen, um die große Menge an Daten zu verarbeiten. Die IT-Systeme müssen dafür standardisiert und gegebenenfalls für Drittanbieter geöffnet werden, um neue Anwendungen schnell umzusetzen.
  4. Fähigkeiten und Teams aufbauen: Eine zentrale Einheit hilft, alle KI-basierten Projekte innerhalb der Organisation aufzusetzen, zu begleiten und die Partnerschaften mit Drittanbietern zu betreuen. Notwendig ist auch, spezielle Talente an Bord zu holen - beispielsweise Datenspezialisten, Programmierer und Experten für maschinelles Lernen.

Redaktion QZ
qz <AT> hanser.de

McKinsey

Weiterführende Information
DNV GL Business Assurance [Anzeige]

Kostenloser Download

  • 5 Schritte zu einem nachhaltigen Prozessmanagement

  • Prozessreifegrad Assessments

  • Self-Assessment BPM

Jetzt kostenlos downloaden!