Zwischen Cloud und Hausbetrieb
Wichtig für die KI-Nutzung ist zudem eine geeignete Infrastruktur, die die Einführung von der Entwicklung bis zum Produktivbetrieb vereinfachen und beschleunigen kann. Eine solche Infrastruktur stellt eine offene Container-basierte Hybrid-Cloud-Plattform bereit. Sie bietet zum einen eine Basis für die KI-Modell-Entwicklung, das KI-Modell-Training und auch die KI-Modell-Einbettung in Anwendungen. Zum anderen ist sie flexibel in einer Private-, Public- oder Edge-Umgebung nutzbar. Bei der KI-Nutzung stellt sich dann immer die Frage: Public Cloud oder On-Premises? In der Industrie gehen dabei derzeit viele Unternehmen den On-Premises-Weg. Dafür gibt es mehrere Gründe: Bei Public-Cloud-Services werden kontinuierlich neue Versionen ausgerollt, die beim industriellen Einsatz ein Problem darstellen können, da sich dann unter Umständen ein Gesamtsystem anders verhält. Bei der On-Premises-Nutzung eines Modells, das selbst versioniert und getestet wird, kann hingegen bei einer neuen Version relativ schnell und einfach der eigene Qualitätssicherungsprozess angewendet werden. Ein Self-Hosting unterstützt zudem bei der Erfüllung von Latenzanforderungen. Schließlich geht es gerade im Manufacturing um den Edge-Bereich, in dem KI-Algorithmen an der Datenquelle ausgeführt werden sollten. Um Fertigungsprozesse effizient zu optimieren, müssen umfangreiche Datenmengen schnell analysiert werden, und zwar direkt an der Produktionslinie durch die Vernetzung der IT mit den Anlagen oder Steuersystemen. Aufgrund der Herausforderungen in puncto Antwortzeiten ist es hier nicht immer möglich, in die Public Cloud zu gehen.
Open Source Software
Nicht zuletzt sind Open-Source-LLMs derzeit ein viel diskutiertes Thema, da viele Unternehmen nachvollziehen wollen, was in den Parametern von LLMs enthalten ist und mit welchen Daten sie trainiert wurden. Mit Open Source ist das möglich. Dabei muss sich der Einsatz von KI in einem Industrieunternehmen keineswegs auf die reinen Fertigungsprozesse beschränken. Auch die Resilienz der Lieferketten kann beispielsweise verbessert werden, indem etwa durch Lieferantenanalysen und die Nutzung von AI Agents eine schnelle Umstellung von Lieferketten möglich wird. Das potenzielle Einsatzspektrum der generativen KI ist weitreichend – und deshalb wird sie ein entscheidender Treiber der weiteren industriellen Transformation sein.
