Zeit- und kostensparend: KI in der Auftragskontrolle: Die Verwendung von Künstlicher Intelligenz (KI) zur Kontrolle von Daten ermöglicht es Unternehmen ihren Mitarbeitenden monotone Arbeiten zu ersparen. Dadurch können personellen Kapazitäten in der Auftragsprüfung eingespart und die Mitarbeitenden für wertschöpfende Tätigkeiten eingesetzt werden.

Viele produzierende Unternehmen arbeiten mittlerweile mit cloudbasierten Bestellplattformen, über die die Kunden ihre Aufträge beispielsweise als CAD-Datei hochladen. Auf Basis der hochgeladenen Informationen wird das Produkt anschließend für interne Prozesse einer gewissen Produktklasse zugeordnet. Diese Informationsübertragung vom Kunden zum Anbieter ist nicht immer fehlerfrei: zum Beispiel durch falsche Zuordnungen von Informationen (bspw. CAD-Dateien) und Produktklassen. Bestellungen werden deswegen vielfach noch immer manuell auf ihre Richtigkeit überprüft und korrigiert. Eine solche manuelle Überprüfung erhöht nicht nur die Durchlaufzeit der Aufträge. Sie bindet vor allem auch Mitarbeitende in nicht wertschöpfenden Prozessen.

KI-Modell für Kontrollaufgaben

Um eine Auftragsprüfung zu automatisieren und Mitarbeitende von den monotonen Kontrollaufgaben zu entlasten, ist die Implementierung eines KI-Modells ideal. Sie ermöglicht bespielsweise auf Basis von Bilderkennung eine automatisierte Überprüfung der CAD-Dateien und ordnet die Dateien entsprechend zuvor festgelegter Produktklassen zu.

Bild 1: Schematische Darstellung des Ist- und Ziel-Prozesses in der Auftragsprüfung am Beispiel Zahnersatz

Umsetzung KI-unterstützter Auftragskontrolle

Folgende Schritte sind für eine KI-unterstützte Auftragskontrolle einzuleiten:

Datengenerierung und -aufbereitung

• Zunächst werden für explizite Produktklassen CAD-Dateien gesammelt und zugeordnet (gelabelt), um eine ausreichende Datenbasis zu schaffen. Innerhalb des überwachten Lernens dienen die identifizierten und gelabelten Daten als Referenzwert für das KI-Modell.

Modellauswahl und -erstellung

• Anhand der vorliegenden Daten kann ein KI-Modell zur Erkennung Künstlicher Neuronaler Netze (KNN) ausgewählt werden. Beispielsweise kann zur Klassifizierung der spezifischen Produkte ein Mixed-Data-Ansatz aus Bilddaten und analytischen Daten verwendet werden. Dazu werden Informationen wie Volumen, Länge etc. direkt aus den CAD-Dateien extrahiert. Im zweiten Schritt wird die CAD-Datei in unterschiedliche Bilddateien konvertiert und durch ein faltendes neuronales Netz (CNN) innerhalb der Bildverarbeitung analysiert.

Training und Validierung

• Nach der Erstellung der Modellstruktur erfolgt das Training des programmierten Modells zur Fehlerminimierung sowie die Validierungsphase. Zu diesem Zweck wird die generierte Datenbasis in verschiedene Datensätze aufgeteilt (Trainingsdatensatz, Test- und Validierungsdatensatz) und ausgewertet, um später die Robustheit des KI-Modells sicherzustellen.

Durch den Einsatz von Künstlicher Intelligenz in der Auftragsabwicklung besteht das Potenzial personelle Ressourcen zu entlasten und sowohl Zeit als auch Kosten bei der Auftragskontrolle einzusparen. Mitarbeitende können in anderen Unternehmensbereichen für wertschöpfende Tätigkeiten eingesetzt werden und steigern somit auch die Effizienz des gesamten Unternehmens.