Die Diskussion um Künstliche Intelligenz in der Industrie erreicht eine neue Phase. Es geht nicht mehr nur um Tools, Anwendungen oder erste Pilotprojekte. Inzwischen verlagert sich die Entwicklung auf eine andere Ebene: den Zugang zu strukturierten, branchenspezifischen Daten – und damit auf die Frage, wer in Zukunft über funktionsfähige „Industry Models“ verfügt.
Enormes Potential: Industrie-Modelle für die Oberfläche
Für die Oberflächentechnik ist das keine abstrakte Entwicklung, sondern ein potenziell tiefgreifender Umbruch. Denn kaum eine Branche arbeitet so stark prozessgetrieben und zugleich so erfahrungsbasiert. Ob galvanische Abscheidung, Lackieren, thermische Beschichtung oder Vakuumverfahren: Prozessstabilität entsteht hier seit jeher nicht allein aus Messwerten, sondern aus der Kombination von Parametern, Erfahrungswissen und oft auch impliziten Korrekturen im laufenden Betrieb. Genau dieses Wissen ist bislang weder standardisiert noch systematisch verfügbar.
Gleichzeitig wäre es genau dieses Daten- und Erfahrungsbündel, das für den Aufbau leistungsfähiger KI-Modelle benötigt werden würde. Diese könnten die Produktivität, Prozessstabilität und Qualität bei komplexen Prozessen wie in der Oberflächenbranche auf ein völlig neues Level heben.
Während in anderen Industrien – etwa der Halbleiterfertigung – bereits hochgradig datengetriebene Prozessmodelle existieren, ist die Oberflächentechnik davon noch weit entfernt. Die Daten liegen mitunter zwar in einem gewissen Umfang vor, sind aber zumeist nicht einheitlich strukturiert und erst recht nicht überbetrieblich zugänglich.
Damit entsteht ein strukturelles Problem: Einzelne Unternehmen verfügen zwar über eigene Datensätze, diese sind jedoch zu klein, zu spezifisch oder zu unvollständig, um eine Basis für robuste, generalisierbare Modelle sein zu können.
Das Dilemma der Datenteilung
Genau an diesem Punkt beginnt die eigentliche Dynamik. Aktuell entstehen erste branchenspezifische KI-Modelle, sogenannte „Industry Models“, die gezielt mit domänenspezifischen Daten trainiert werden. In China wird dieser Ansatz bereits systematisch verfolgt, häufig in enger Verzahnung von Industrie, Plattformanbietern und staatlicher Förderung. Ziel ist es, Prozesswissen nicht mehr nur lokal im Betrieb zu nutzen, sondern in skalierbare, wiederverwendbare Modelle zu überführen. Wenn das gelingt – wovon bei einem entsprechenden materiellen Einsatz und entsprechender Koordination auszugehen ist – wäre daraus ein gravierender Wettbewerbsnachteil für all diejenigen zu erwarten, die keine oder weniger gute Modelle zur Verfügung haben. Gleichzeitig ist der Aufbau solcher Modelle alles andere als trivial. Er setzt voraus, dass Unternehmen bereit sind, zumindest Teile ihrer Prozessdaten zu teilen oder in gemeinsame Strukturen zu überführen. Genau hier liegt die größte Hürde. In der Oberflächentechnik gelten Prozessparameter traditionell als Kern-Know-how – ihre Offenlegung wird – nicht ohne Grund - als Risiko gesehen.
Aber ohne eine Form von Kooperation wird es nicht möglich sein, konkurrenzfähige Modelle mit ausreichender Tiefe und Breite zu entwickeln. Daraus ergibt sich eine strategische Zwickmühle:
Ohne Datenteilung keine leistungsfähigen Modelle – ohne solche Modelle mittelfristig gravierende Wettbewerbsnachteile.
Die eigentliche Frage ist daher nicht, ob KI in der Oberflächentechnik eingesetzt werden wird. Sie wird kommen, und erste Anwendungen zeigen bereits deutliche Effekte bei der Analyse von Prozessabweichungen oder der Vorhersage von Fehlern.
Für unsere Branche sollten vor allem die Anstrengungen in China ein Weckruf sein. Wenn die Oberflächentechnik ihre Prozesskompetenz auch im Zeitalter datengetriebener Modelle behaupten will, wird sie sich mit neuen Formen der Zusammenarbeit auseinandersetzen müssen. Eine zu starke Isolierung bei der Digitalisierung wird mittelfristig mehr Nachteile als Vorteile bringen. Letztendlich sind hier Verbände, Anlagenhersteller, Chemielieferanten oder neue Plattformanbieter gefragt, Ansätze zu finden. Ein spannendes Thema, wie geschaffen, um es nächste Woche in Stuttgart, auf der Surface Technology Germany in Stuttgart zu diskutieren.