Der digi­tale Wan­del in der Auto­mo­bil­pro­duk­tion unter­stützt die Her­stel­ler bei der Umstel­lung auf eine nach­hal­tige Pro­duk­tion. Ein Exper­ten­kom­men­tar von Jan Metz­ner, Senior Spe­cia­list Manu­fac­tu­ring bei Ama­zon Web Services.

Auto­mo­bil­her­stel­lern ver­grö­ßern ihre Anstren­gun­gen, um eine nach­hal­tige Pro­duk­tion zu errei­chen. Pri­mär geht es dabei um die sau­bere und mög­lichst effi­zi­ente Gestal­tung der Pro­duk­ti­ons­pro­zesse und gleich­zei­tig die Pro­dukt­qua­li­tät zu erhal­ten und die Emis­sio­nen zu redu­zie­ren. Die digi­tale Trans­for­ma­tion unter­stützt diese Ziele und cloud­ba­sierte Tech­no­lo­gien wie künst­li­che Intel­li­genz (KI) und maschi­nel­les Ler­nen (ML) spie­len eine zen­trale Rolle.

Genau­ig­keit und Pünktlichkeit
ML macht es etwa mög­lich, unge­plante Aus­fall­zei­ten in den Fer­ti­gungs­stra­ßen gezielt zu redu­zie­ren, was meh­rere posi­tive Aus­wir­kun­gen hat : Unnö­tige War­tungs­ar­bei­ten zu ver­mei­den, senkt die Kos­ten und erhöht die Pro­duk­ti­vi­tät. Auch um die gegen­wär­tige glo­bale Knapp­heit bei den nöti­gen Kom­po­nen­ten zu bewäl­ti­gen und Eng­pässe vor­aus­zu­se­hen, nut­zen Auto­mo­bil­her­stel­ler ML. 

ML erleich­tert auch die Qua­li­täts­prü­fung von Bau­tei­len mit Hilfe von Kame­ra­bil­dern und Pro­zess­da­ten und über­prüft Mon­ta­ge­pro­zesse und ‑abläufe hin­sicht­lich Kom­ple­xi­tät, Geschwin­dig­keit und Genau­ig­keit. Maschi­nel­les Ler­nen kann Anoma­lien erken­nen, die der Mensch bei Mil­lio­nen von Daten­punk­ten über­se­hen könnte.

Gesamtef­fi­zi­enz der Anlagen
Cloud-Ser­vice-Anbie­ter wie Ama­zon Web Ser­vices (AWS) ermög­li­chen Unetr­neh­men den Zugriff auf und die Ver­wal­tung von Daten, die glo­bale Ska­lie­rung und daten­ge­steu­erte Ent­schei­dun­gen in Echt­zeit mit­hilfe von KI, ML und ande­ren fort­schritt­li­chen Diens­ten. Unsere Dienste unter­stüt­zen durch ihren ganz­heit­li­chen Lösungs­an­satz nicht nur die digi­tale Fer­ti­gung und Lie­fer­ket­ten ins­ge­samt, son­dern auch ent­spre­chende Nach­hal­tig­keits­ziele der Automobilindustrie. 

Sie ver­bes­sern die Gesamtef­fi­zi­enz der Anla­gen durch Erfas­sung, Ana­lyse und Visua­li­sie­rung von Betriebs­da­ten. Cloud-Platt­for­men ver­fü­gen zudem über spe­zi­ell ent­wi­ckelte Funk­tio­nen, die sich auf das Fach­wis­sen der gesam­ten Auto­mo­bil­in­dus­trie stüt­zen und Kun­den aus die­sem Bereich ein umfas­sen­des Part­ner-Öko­sys­tem bietet. 

Pro­zesse automatisieren
Der VW-Kon­zern ist mit sei­nen 12 Mar­ken welt­weit an mehr als 120 Stand­or­ten tätig, ver­fügt über ein Netz von 1500 Zulie­fe­rern und lie­fert täg­lich 200 Mil­lio­nen Teile in seine Fabri­ken, um 11 Mil­lio­nen Autos pro Jahr zu pro­du­zie­ren. Bei einem ein­zel­nen Pro­duk­ti­ons­schritt brin­gen die unter­schied­li­chen Mar­ken des Volks­wa­gen-Kon­zerns 25 ver­schie­dene Eti­ket­ten an, die län­der­spe­zi­fi­sche Sicherheits‑, Nut­zungs- und Spe­zi­fi­ka­ti­ons­da­ten mit über 2.000 Vari­an­ten enthalten. 

Um die­sen Pro­zess zu auto­ma­ti­sie­ren, ent­wi­ckelte die VW-Marke Por­sche eine Lösung, bei der ein manu­el­les Pro­gramm zur Eti­ket­ten­prü­fung durch ein KI-gesteu­er­tes Pro­gramm ersetzt wurde, das den Pro­zess auto­ma­tisch und mit grö­ße­rer Geschwin­dig­keit und Genau­ig­keit durch­führt. AWS unter­stützte Volks­wa­gen (VW) bei sei­ner digi­ta­len Pro­duk­ti­ons­platt­form – mit dem Ziel, den kom­ple­xen, auf Qua­li­tät fokus­sie­ren­den Betrieb effi­zi­en­ter und nach­hal­ti­ger zu gestalten.

Inte­grierte Lösun­gen bei Volkswagen
Auto­mo­bil­her­stel­ler suchen zuneh­mend nach inte­grier­ten Lösun­gen, um ihre eige­nen Fer­ti­gungs­sys­teme mit denen ihrer Lie­fer­ket­ten­part­ner zu ver­knüp­fen und so Trans­port­kos­ten zu sen­ken und nach­hal­ti­gere Trans­port­wege zu fin­den und zu eta­blie­ren. Eine cloud-basierte Platt­form ermög­licht es, die Rou­ten­op­ti­mie­rung zu kon­fi­gu­rie­ren und für eine kor­rekte Bedarfs­pro­gnose zu sor­gen, um die Ver­schwen­dung von Bau­tei­len zu reduzieren.

Ange­sichts des anhal­ten­den Trends zu Elek­tro­fahr­zeu­gen, der durch Nach­hal­tig­keits­ziele und Emis­si­ons­vor­schrif­ten vor­an­ge­trie­ben wird, kann com­pu­ter­ge­stütz­tes Engi­nee­ring die Halt­bar­keit, den Auf­prall­schutz, die siche­rere Nut­zung von Bat­te­rien und die ther­mi­sche Model­lie­rung von fort­schritt­li­chen Kühl­sys­te­men unter­stüt­zen. Ent­spre­chende Ser­vices kön­nen Kun­den dabei hel­fen, den Zustand, die Kapa­zi­tät und die Aus­fälle von Bat­te­rien sowie die Reich­weite und die Wet­ter­be­din­gun­gen, die die Bat­te­rie­leis­tung beein­flus­sen, vor­her­zu­sa­gen und zu verstehen.

Model­lie­rungs- und Simu­la­ti­ons­tech­ni­ken bei Rivian
Der Elek­tro­fahr­zeug­her­stel­ler Rivian Auto­mo­tive setzt wie­derum bei fort­schritt­li­chen Model­lie­rungs- und Simu­la­ti­ons­tech­ni­ken auf AWS zur For­cie­rung von Crash­si­cher­heit, Aero­dy­na­mik und Halt­bar­keit. Unter Ein­satz einer hohen Rechen­ka­pa­zi­tät kön­nen die Inge­nieure mit­hilfe von Simu­la­tio­nen neue Kon­zepte tes­ten und ihre Ent­würfe schnell auf den Markt bringen.

Die Durch­füh­rung von Simu­la­tio­nen in der Cloud bedeu­tet eine erheb­li­che Zeit- und Kos­ten­er­spar­nis, da man Zugang zu einer Grö­ßen­ord­nung hat, die bei den der­zei­ti­gen Sys­te­men nicht gege­ben ist – die Kapa­zi­tät für Simu­la­tio­nen ist nahezu unbegrenzt.