MyMz
Anzeige

Interview

KI als Renditeturbo in der Autoindustrie

Matthias Kässer, Partner im Münchner Büro von McKinsey, spricht über die Rolle der KI in der Automobilindustrie.
Von Christian Buck

Matthias Kässer (Foto: McKinsey)
Matthias Kässer (Foto: McKinsey)

München.Herr Kässer, welche Rolle spielt die künstliche Intelligenz für die Automobilbranche?

Matthias Kässer: Sie spielt eine extrem große Rolle, weil sie zu einer grundlegenden Transformation der gesamten Automotivebranche führen wird. Einerseits ist künstliche Intelligenz relevant für neue Funktionen in den Fahrzeugen, zum Beispiel für Funktionen rund um das autonome Fahren sowie für die Sprach- und Gestensteuerung. Aber auch auf der Prozessseite eröffnet sie völlig neue Möglichkeiten und Lösungsansätze.

In welchen Bereichen?

Zum Beispiel bei der Eingangskontrolle von Zulieferteilen. Hier geht es ja vor allem darum, visuelle Daten auszuwerten. Das erfolgt heute teilweise schon mithilfe von Kameras, oft aber noch durch Menschen. Künstliche Intelligenz ist bei der Bilderkennung und -auswertung besonders stark und bietet sich für diesen Zweck geradezu an. Auch die Kontrolle am Band kann erheblich verbessert werden: Mit KI lassen sich Fehler in Produkten bereits sehr früh erkennen – Fehler, die heute erst später im Prozess auffallen und dadurch zu teurem Ausschuss und zu Stillstandzeiten führen. Und schließlich profitiert auch der Einkauf von KI: Heute beziehen die OEMs, also die Erstausrüster, die meisten Teile von Zulieferern, sodass eine Optimierung in diesem Bereich zu einem extremen Werttreiber werden könnte.

Wie groß ist das ökonomische Potenzial, das KI in diesen Bereichen generieren könnte?

Nach unserer Analyse können die großen Automobilhersteller bis 2025 durch den Einsatz von KI in der Produktion und bei der Datenanalyse – etwa im Bereich Sales und Marketing – theoretisch ein Wertpotenzial von 203 Milliarden US-Dollar heben. Man kann das in einzelne Bereiche herunterbrechen: Allein in der Produktion sind Kosteneinsparungen von 61 Milliarden Dollar möglich. Beim Einkauf sind es 51 Milliarden und im Supply- Chain-Management 22 Milliarden. Hinzu kommen 31 Milliarden Dollar, die sich in Marketing und Sales durch Kosteneinsparungen und einen gesteigerten Umsatz ergeben. Weitere Potenziale lassen sich unter anderem in Forschung und Entwicklung sowie beim After Sales und den Services erschließen. Um das Ausmaß dieser Veränderung besser verstehen zu können, bietet sich ein Vergleich an: Üblicherweise steigern die Autohersteller ihre Produktivität jedes Jahr um rund zwei Prozent. Allein durch maschinelles Lernen ist in den kommenden Jahren ein zusätzliches Produktivitätswachstum von 1,3 Prozent pro Jahr möglich. Das ist eine riesige Chance für die Automobilindustrie.

„Allein durch maschinelles Lernen ist in den kommenden Jahren ein zusätzliches Produktivitätswachstum von 1,3 Prozent pro Jahr möglich. Das ist eine riesige Chance für die Automobilindustrie.“ Matthias Kässer

Wie weit ist die Autoindustrie bei der Umsetzung von KI schon gekommen?

Es gibt eigentlich keinen Hersteller, der nicht entsprechende Pilotprojekte gestartet hat – der mögliche große Schub bei der Produktivität ist eben eine sehr starke Motivation. Bisher sind es aber vor allem einzelne Anwendungen, die untersucht werden. Das volle Potenzial lässt sich aber nur heben, wenn man alle Prozesse anschaut und – wo sinnvoll – auch umstellt. Das Motto muss also lauten: Transformation statt Pilotprojekte.

Wie genau müsste diese Transformation aussehen?

Transformation bedeutet zum Beispiel, dass ein Automobilhersteller in seiner gesamten Organisation ein Bewusstsein für die hohe Bedeutung der Themen KI und maschinelles Lernen schafft. Nicht nur einzelne Personen, sondern die gesamte Belegschaft sollten sich mit den Möglichkeiten der KI beschäftigen – denn es sind ja die einzelnen Mitarbeiter, die die kritischen Punkte in der Produktion kennen. Für die Implementierung von KI-Lösungen empfehlen wir, ein Kompetenzzentrum zu schaffen, dessen Experten die Applikationen umsetzen. Entscheidend ist auch der Umgang mit Daten, die ja der Rohstoff für die KI-Algorithmen sind. Hier gibt es heute noch viele Insellösungen, etwa bei den regionalen Vertriebsorganisationen innerhalb eines Herstellers. Diese Daten muss man zusammenführen, etwa in einer Cloud.

Dieser Text ist ein Beitrag aus der Wirtschaftszeitung. Hier geht es zum E-Paper: www.die-wirtschaftszeitung.de/epaper

Lesen Sie zu diesem Thema auchDas Ende der Dummheit steht bevor und KI-Lösungen werden noch wenig genutzt

Sie sind noch nicht registriert?

Neu registrieren

MessageBox

Nachricht