Wissensmanagement-Systeme

Andreas Mühlbauer,

Stücklistenmanagement mit künstlicher Intelligenz

Zunehmend komplexere Produkte und variierende Losgrößen von einem bis hin zu vielen tausend Stück stellen neue Anforderungen an die Produktionsunternehmen.

Interactive Exploded View © Mindbreeze

Dazu kommen oft nicht vorhersehbare Lieferengpässe von Komponenten oder gar Lieferstopps. Die relevanten Informationen zu den benötigten Komponenten übersichtlich zur Verfügung zu haben, wird immer schwieriger. Auf künstlicher Intelligenz basierende Wissensmanagement-Systeme unterstützen Unternehmen bei der Bereitstellung der benötigten Informationen.

Produkte des täglichen Lebens bestehen aus unzähligen Einzelteilen, auch wenn dies nicht auf den ersten Blick ersichtlich ist. Fernseher mit WLAN-Funktion, Smartphones und selbst Küchengeräte sind heute „smart“. Doch bis das Produkt zum Verkauf angeboten wird, durchläuft es viele Stationen beginnend bei der Fertigungsstraße (Assembly Line) über Qualitätsprüfungen und Kennzeichnungspflichten, etwa CE-Kennzeichen, bis hin zur logistischen Abwicklung.

Zu jeder Komponente in einem Produkt existieren zahlreiche Dokumente wie Herkunftsbezeichnungen, Bilder und vieles mehr in digitalisierter Form. Um bei der Fertigung den Überblick über sämtliche Produkte und den dazu benötigten Einzelteilen und deren Mengenangaben (1 x 8 GB RAM oder 2 x 4 GB RAM) zu behalten und die Produktionsprozesse effizient steuern zu können, sind Stücklisten unerlässlich.

Gerade bei drohenden Lieferengpässen ist es wettbewerbsentscheidend, die benötigten Komponenten rechtzeitig für die eigene Produktion zu sichern. Doch die hier geforderte Schnelligkeit wird oft ausgebremst, da die dazu benötigten Daten in unterschiedlichen Quellen gespeichert sind.

Anzeige

Um diese Informationen auf einen Blick abrufen zu können, haben sich in den vergangenen Jahren zunehmend Insight Engine in Unternehmen etabliert.

Den Begriff Insight Engine prägte und definierte das Analystenhaus Gartner[1]: “Insight engines combine search with AI to deliver actionable insights derived from the full spectrum of content and data sourced within and external to the enterprise.”

Intelligentere Suche mit Insight Engines

Meist bieten Warenwirtschaftssysteme oder Lösungen zur Verwaltung von Stücklisten beziehunsweise Bill of Materials (BOM) eigene Ansätze, wenn es um die Suche und Bereitstellung von Informationen geht. In den meisten Fällen sind diese Suchsysteme aber lediglich auf den zugehörigen Datenstamm limitiert. Anwender wie beispielweise Ingenieure oder Produktionsplaner finden zwar Angaben zu einzelnen Komponenten. Was jedoch fehlt sind wichtige Zusatzinformationen wie länderspezifische Restriktionen, Verfügbarkeiten oder Zulieferer. Ein umfangreicher Überblick ist somit nur in Kombinationen mit einer manuellen, zeitaufwendigen und mühsamen Recherche in verschiedenen Systemen möglich. Genau hier kommen Insight Engines als moderne, innovative Weiterentwicklung der klassischen Enterprise Search ins Spiel. Sie vereinen herkömmliche Suchtechnologien mit Methoden der künstlichen Intelligenz, um die Verwaltung, Analyse und Bereitstellung von Informationen im Unternehmen effizienter zu gestalten.

Unter Einsatz von Deep Learning, Machine Learning sowie Natural Language Processing (NLP) und Natural Language Understanding (NLU) ermöglichen Insight Engines eine neue Form der dialogbasierten Suche (Conversational Search) und heben damit die Bereitstellung von Informationen auf eine neue Ebene.

Mittels intelligenter Sprachverarbeitung wie NLP und NLU ist eine Insight Engine in der Lage, die menschliche Sprache korrekt zu verarbeiten. Suchabfragen können also in natürlicher Sprache abgegeben, analysiert, interpretiert und verstanden werden. Das ist wichtig, denn bei vielen handelt es sich heute meist bereits um konkrete Fragen und keine einzelnen Worte.
Während sich NLP mit der maschinellen Verarbeitung der menschlichen Sprache befasst, geht es bei NLU vor allem darum die Intention der Anwender zu ermitteln. Auf diese Weise analysieren diese Technologien das konkrete Anliegen der Anwender und sind in der Lage, die Suchergebnisse individuell darauf abzustimmen.

Maschinelles Lernen und Neuronale Netze verleihen einer Insight Engine zudem die Fähigkeit, immer weiter zu lernen. Wie beim Menschen profitiert die intelligente Technologie von vergangenen Erfahrungen und Ergebnissen, die auf Basis der Analyse der Nutzer gesammelt werden. Die Arbeitsweise, frühere Suchabfragen, das Klickverhalten etc. – all das dient als Grundlage für bevorstehende Suchen sowie die Relevanz und Reihung der Ergebnisse. So ist es einer Insight Engine möglich, ihr Wissen kontinuierlich zu erweitern und ihre Suchperformance zu optimieren.

Die Lösungen identifizieren Personen, Einrichtungen, Standorte sowie Zeiträume in den unterschiedlichsten Sprachen; und selbst auf Fragen mit „wo“, „wer“, „was“, „wann“ oder „wie“ wird angemessen „geantwortet“. Ein weiterer Vorteil: Sämtliche Ergebnisse stehen nicht nur personalisiert und im entsprechenden Kontext sondern auch unter Berücksichtigung der individuellen Zugriffsrechte zur Verfügung.

Fakten aus der Vogelperspektive betrachten

Da relevante Informationen in den unterschiedlichsten Datenquellen liegen, sollten im Idealfall sämtliche Quellsysteme an die Insight Engine angebunden werden. Auf diese Weise lassen sich zusätzlich zu Stücklisten beziehungsweise BOMs auch unzählige weitere Programme und Anwendungen mit nur einer einzigen Suchabfrage parallel durchsuchen sowie die entsprechenden Ergebnisse extrahieren und in einer 360-Grad-Sicht darstellen.

Ohne die Ansicht verlassen oder eine neue Recherche starten zu müssen, erhalten die Anwender zusätzlich umfassende Detailinformationen zu ihrer Suchabfrage beispielsweise zu einer Komponente (Interaktive Exploded View).

Auf künstlicher Intelligenz basierendes Wissensmanagement unterstützt Produktionsunternehmen bei der Bereitstellung von Informationen aus den angebundenen Datenquellen. Stücklisten werden durch den Einsatz von Insight Engines „zum Leben erweckt“ und können zukünftig als Information Hub für geschäftsrelevante Entscheidungen dienen.

Von Gerald Martinetz, Mindbreeze

[1] https://www.gartner.com/en/documents/3961025/magic-quadrant-for-insight-engines

Anzeige

Das könnte Sie auch interessieren

Anzeige

Datenmanagement

Vorkonfigurierte PLM-Lösung

Die Match-Software der CCE Group ist eine vorkonfigurierte PLM-Lösung, die speziell für die Bedürfnisse des Mittelstandes entwickelt wurde. Sie ist eine Standardimplementierung der 3DExperience-Plattform von Dassault Systèmes.

mehr...
Anzeige
Anzeige

Big Data

Wissensmanagement im 21. Jahrhundert

Europa verschläft den Trend Big Data – die Industrie hinkt bei Big Data hinterher – fast täglich finden sich neue Meldungen zu dem Trend-Thema in den Medien. Doch wie können Unternehmen diese Thematik zu ihrem Vorteil nutzen?

mehr...
Anzeige
Anzeige
Anzeige
Anzeige

Fördertechnik

Intelligente Lager-Erweiterungen

TTI ist mit rund 6.700 Mitarbeitern und 133 Niederlassungen weltweit einer der weltmarktführenden Distributoren für passive, diskrete und elektromechanische Bauelemente sowie Leistungs-, Sensor- und Steckverbinderkomponenten. Klinkhammer stattet in...

mehr...

Newsletter bestellen

Immer auf dem Laufenden mit dem INDUSTRIAL Production Newsletter

Aktuelle Unternehmensnachrichten, Produktnews und Innovationen kostenfrei in Ihrer Mailbox.

AGB und Datenschutz gelesen und bestätigt.