Am 14. Juni diskutierten 20 Experten aus Wirtschaft und Wissenschaft über den Einsatz künstlicher Intelligenz in der Produktkostenkalkulation. Gastgeber des Roundtable-Events war der Potsdamer Softwarehersteller FACTON, der kürzlich die Initiative „AI for Predictive Costing“ ins Leben gerufen hat, um zu definieren, wie KI im Bereich Costing sinnvoll eingesetzt werden kann. Dabei wurden neben mittelfristig realisierbaren Anwendungsmöglichkeiten auch Visionen für die Zukunft und Herausforderungen besprochen. Microsoft Deutschland und das Deutsche Forschungsinstitut für Künstliche Intelligenz (DFKI) unterstützen die Initiative als Wissenspartner.
Die Initiative „AI for Predictive Costing“ wurde von der FACTON GmbH, Hersteller der Produktkostenkalkulationssoftware FACTON EPC, ins Leben gerufen, um zusammen mit Experten aus Wirtschaft und Forschung verschiedene Szenarien zu entwickeln, in denen Big Data und Künstliche Intelligenz auch in der Produktkostenkalkulation eingesetzt werden. Auftakt war ein Executive Roundtable in der historischen „Weißen Villa“, die früher als „Villa Metz“ in Potsdam bekannt war. „Ein sich stetig wandelndes Marktumfeld und neue Technologien erfordern von und erlauben es uns zugleich, die Produktkostenkalkulation neu zu betrachten. Ziel dieser Auftaktveranstaltung war es, zu diskutieren, welche Anforderungen künstliche Intelligenz erfüllen muss, um in diesem Kontext relevant zu werden“, so Alexander M. Swoboda, CEO bei FACTON, über den Hintergrund der Veranstaltung. „Die Diskussion zeigt, dass wir mit Hilfe von KI nicht nur bestehende Aufgaben zukünftig effizienter erfüllen können, sondern auch ganz neue Lösungswege finden werden, die bisher nicht realisierbar oder sogar undenkbar waren.“
Anwendungsfälle künstlicher Intelligenz in der Produktkostenkalkulation
Bereits heute gibt es drei Modelle für den möglichen Einsatz künstlicher Intelligenz in der Produktkostenkalkulation:
- Eine automatisierte Kostenschätzung für die Frühphase der Produktentwicklung, die auf einer Ähnlichkeitsanalyse anhand historischer Kundendaten basiert.
- Eine Ausreißer-Analyse, die auf Kundendaten basiert und Unternehmen einen hohen Standardisierungsgrad der Kostenschätzung ermöglicht.
- Eine über Algorithmen automatisierte Kalkulation von Bauteilen – basierend auf Merkmalen von CAD-Modellen und anhand bereits gefertigter Komponenten.
Neben diesen konkreten Anwendungsmöglichkeiten wurden auch visionäre Ideen zum Thema „AI for Predictive Costing“ diskutiert: Es ist zum Beispiel denkbar, aktuelle Informationen zu Maschinen, Löhnen oder Strompreisen über die Integration von Echtzeitdaten abzubilden. Dabei erkennt ein KI-System automatisch relevante Änderungen. KI-Assistenten übernehmen zukünftig im Bereich Should Costing routiniert ablaufende Aufgaben wie die Recherche und Eingabe notwendiger Daten. Im Bereich Cost Controlling ist das Thema intelligente Risikobewertung von Beschaffungsprozessen, Materialpreisen oder Löhnen hochgradig interessant.
Aktuelle Herausforderungen
Um künstliche Intelligenz als Innovationsbeschleuniger zu nutzen und die Experimentierphase zu verlassen, muss die Akzeptanz der Technologie gesteigert werden. Das bedeutet, dass das Thema „Explainable AI“ noch stärker in den Fokus treten wird. Denn nur, wenn der Mensch die Beweggründe hinter einer KI-Entscheidung nachvollziehen kann, wird er diese auch akzeptieren. Auch die noch sehr real existierende technische Lücke zwischen „Können“ und „Wollen“ gilt es noch zu meistern. Ein erster Schritt ist die Anpassung der existierenden IT-Infrastrukturen an die anspruchsvollen Anforderungen neuer IT-Services, -Prozesse und Sicherheitsmechanismen. Nicht zuletzt gilt es, sich intensiv mit den rechtlichen und regulatorischen Rahmenbedingungen zu befassen. Themen wie Datenschutz und Datensicherheit, Intellectual Property oder Produkthaftung sind zentrale Stellschrauben für eine flächendeckende Anwendung intelligenter Systeme. Nur mit einem wettbewerbsfähigen Rechtsrahmen und einem harmonisierten Regelwerk werden sich KI-Modelle in der Industrie umfassend durchsetzen.
