Das umfasst auch die planmäßige Verlagerung energieintensiver Prozesse in Zeiten, in denen Strom besonders kostengünstig bezogen werden kann oder aus selbst erzeugten erneuerbaren Energien zur Verfügung steht. Auf dieser Basis können Unternehmen ihre Energiekosten deutlich senken und ihre eigenen Nachhaltigkeitsziele besser erreichen. Und im Wettbewerb haben sie als Anbieter von Vorprodukten mit geringem CO2-Fußabdruck ebenfalls Vorteile.
dima: Welche Voraussetzungen müssen Unternehmen für die erfolgreiche Einführung präskriptiver Analysen erfüllen?
Daten liegen in der Industrie häufig voneinander getrennt und unstrukturiert in unterschiedlichen Systemen vor. Sollen diese für KI-basierte Analysen genutzt werden, stehen Firmen zunächst einmal vor der Aufgabe, diese Daten aus diversen Quellen miteinander zu verknüpfen, zu harmonisieren, zu normalisieren und schließlich zusammenzuführen. Erst dann steht ihnen eine einheitliche, stets aktuelle Datenbasis zur Verfügung, die als Ausganspunkt für präskriptive Analysen dient. Was die Datenintegration betrifft, benötigen Betriebe also zunächst eine moderne Datenplattform, die alle gängigen Standards, Protokolle und Profile für den Datenaustausch in der Industrie beherrscht.
Im Idealfall verfügt eine solche Lösung über integrierte KI- und ML-Funktionen, die präskriptive Analysen und die Automation von Prozessen zulassen, ohne dass hierfür zusätzliche Softwarelösungen eingeführt werden müssen. Ich empfehle Unternehmen immer, erst mit kleineren, fest definierten Projekten zu starten, die einfach und schnell zum Erfolg führen. Auf diese Weise steigt intern die Akzeptanz gegenüber der neuen Technologie. Später können Unternehmen von den gemachten Erfahrungen ausgehend weitere Projekte umsetzen.
