12Nov
Von: Rainer Raupach am 12. November 2020 In: Data Science, IT Consulting Comments: 0

Künstliche Intelligenz (kurz: KI) ist das Buzzword der Stunde. Die einen beschweren sich darüber, dass gewisse Dinge nicht funktionieren. Die anderen halten das Thema für völlig überbewertet. Und noch mehr sind sehr gut darin, darüber zu reden – und wenig zu machen. Die Firma MT.DERM ist ein lobenswertes Vorbild – insbesondere, weil Geschäftsführer Jörn Kluge im Gespräch mit NOVEDAS nicht nur darüber spricht, wie der Prozess gelaufen ist und welche Herausforderungen es gegeben hat. Er spricht auch darüber, warum es die angedachte Lösung nie zur Serienreife geschafft hat.

Die Idee: Anwendungsfelder von KI bei MT.DERM

Das mittelständische Unternehmen MT.DERM GmbH ist spezialisiert auf das Einstechen von Substanzen in die Haut. Das können sowohl medizinische Substanzen als auch Farben, etwa in Tattoo Studios, sein. Das in Deutschland produzierende sowie auf Forschung und Entwicklung ausgerichtete Unternehmen vertreibt seine Produkte über die Marken Cheyenne Tattoo, amiea, artyst international und AmieaMed. Das Ziel des KI-Projekts: Die Einbindung von Predictive Maintenance (kurz: PM), also einer Art Frühwarnsystem für zu erwartende Wartungsarbeiten an den Geräten. Insbesondere im medizinischen und pharmakologischen Bereich sah MT.DERM dies als einen sehr wichtigen Service, welcher die Zuverlässigkeit der ohnehin schon hoch-qualitativen Produkte, noch weiter erhöhen könnte.

Neben den Kunden sollte auch MT.DERM selbst, insbesondere der Vertrieb, direkt von den Neuerungen profitieren, indem durch die Einbindung von PM auch Kunden-Informationen gesammelt werden sollten. Parallele Bestrebungen, wie die Anbindung eines RFID-Chips an die genutzten sterilen Nadeln, könnten zum Beispiel dazu führen, dass mehr Wissen über deren Verbrauch durch den Kunden zu einer optimierten Logistik führt und Lagerhaltung ermöglicht. Gesammelte Daten aus der Bedienung der Geräte selbst hingegen sollten elementarer Bestandteil des Produktentwicklungsprozesses werden.

Der Prozess: Vorgehensweise und Herausforderungen

Das Potential von KI-basierten Prozessen zur Verbesserung der eigenen Produkte war schnell erkannt. Auf Basis der internen Kompetenz, etwa im Bereich Elektronik oder Sensorik, sowie mit externer Hilfe, etwa bei den potenziellen Anforderungen an das Data Mining, entstand so über die Dauer von zwölf Monaten ein technischer Prototyp. Dabei war die Vorgehensweise – wie bei Produkt- und Software-Entwicklungsprojekten üblich – sehr iterativ. Im Rahmen eines sehr breiten Test-Ansatzes wurden verschiedene Sensoren zusätzlich verbaut und darüber dann entsprechende Testdaten generiert. Dabei hat sich herausgestellt, dass ein zusätzlich verbautes Mikrofon für den Ansatz den meisten Erfolg versprach. Der Motor veränderte bei zunehmendem Verschleiß zuverlässig sein Geräusch – so konnte die KI vorhersagen, wann die Maschine bei (vermutlich gleichbleibendem) Gebrauch ausfallen würde. Hierbei entstand gleichzeitig eine erste Herausforderung: Das verbaute Mikrofon war in seiner Qualität derart gut, dass theoretisch auch Gespräche der Nutzer hätten mitgehört werden können. Das hat datenschutzrechtliche Bedenken hervorgerufen, die schließlich durch eine technische Lösung direkt im Gerät gelöst werden konnten.

Die Testdaten wurden dabei sowohl im Entwicklungslabor als auch bei ausgewählten freiwilligen Test-Anwendern generiert. Ein externer, auf Data Analysis und Data Mining spezialisierter Partner, unterstützte bei der Auswertung und dem Erkenntnisgewinn. Das darüber gewonnene Wissen hat unter anderem dazu geführt, dass MT.DERM im Anschluss an das Prototyping-Projekt einige Umstellungen im Produktionsprozess vorgenommen und sich so einen Vorteil gegenüber Wettbewerbern verschafft hat.

Das Ergebnis: Ende des Prozesses und Erkenntnisgewinn

Das Projekt wurde nach dem Abschluss des technologisch erfolgreichen Prototypen nicht weitergeführt. Die notwendigen Investitionen zu Beginn sowie zu erwartende laufende Kosten pro Gerät und Monat standen nicht im Verhältnis zu dem vor allen Dingen auf Servicequalität ausgerichteten Projekt. Das liegt daran, dass MT.Derm das Luxusproblem hat, dass die Produkte auch ohne PM viel zu selten kaputt gehen als dass die Kunden bereit wären, für den Erkenntnisgewinn zusätzlich zu bezahlen.

Dennoch bleiben zwei wesentliche Erkenntnisse:

  1. Auf Basis des gesammelten Datenmaterials wurden Produkt und Produktionsprozess angepasst. Daraus sind Wettbewerbsvorteile entstanden, die in Zahlen spürbar sind.
  2. Auch für die Zukunft sind MT.DERM und Jörn Kluge an KI-Projekten interessiert. Der Erkenntnisgewinn auf der einen Seite, aber auch der Prozess sowie die iterative Vorgehensweise haben deutlich gemacht, dass es zahlreiche Potentiale für den Einsatz von KI gibt.

Unser Angebot: KI-Projekte von Anfang extern begleiten lassen

Sämtliche Projekte im Bereich Forschung und Entwicklung beinhalten das Risiko des Scheiterns. Das gilt auch für KI-Projekte. Mit erfahrenen Partnern an der Seite verschwindet dieses Risiko zwar nicht. Mit unserem kooperativen Ansatz, bei welchem NOVEDAS, Goldblum Consulting und Neoteric KI-Projekte von Anfang an begleiten, können wir diese Risiken allerdings frühzeitig erkennen. Wir helfen dabei, sie richtig zu bewerten, im Idealfall zu minimieren und so sowohl Geld zu sparen als auch einen schnellen und erfolgreichen Projektabschluss zu erreichen.

Trackback URL: https://www.novedas.de/2020/11/predictive-maintenance/trackback/