Märkte & Kurse

HANNOVER/MÜNCHEN (dpa-AFX) - Im Rennen um die industrielle KI der Zukunft hat sich Siemens Verbündete aus dem europäischen Maschinenbau geholt. Zu der neu gegründeten Datenallianz gehören neben dem Münchner Konzern auch die Werkzeugmaschinenhersteller Grob, Trumpf, Chiron, RENISHAW, Heller, das Werkzeugmaschinenlabor der RWTH Aachen und die Voith Group, wie Siemens mitteilte. Kern der Zusammenarbeit ist der Austausch anonymisierter Maschinendaten.

Der Grundgedanke hinter dem Zusammenschluss ist, dass Künstliche Intelligenz umso besser ist, je höher die Qualität aber auch die Menge der Daten ist, mit denen sie trainiert wird. Hier sieht man bei Siemens eine Chance für die europäischen Unternehmen. Denn während der Kontinent in Sachen klassischer KI im Vergleich zu den USA oder China derzeit eher abgehängt wirkt, sieht man sich hier gut aufgestellt.

"Gemeinsam mit Kunden und Partnern machen wir heute einen bedeutenden Schritt, um industrielle KI zu skalieren", sagt Siemens-Chef Roland Busch. "Ich sehe hier eine große Chance für die Wirtschaft Europas mit seiner starken industriellen Basis", erklärt der Manager. "Indem wir den einzigartigen Datenschatz unserer Unternehmen für generative KI-Modelle verfügbar machen, können wir völlig neue Stufen der Produktivität erreichen." Langfristig will die Datenallianz einen offenen Standard für den Austausch von Maschinendaten etablieren.

Verlässlichkeit ist die zentrale Anforderung

Ein wichtiger Unterschied zu bekannten allgemeinen KI-Modellen wie ChatGPT ist, dass industrielle KI sehr viel verlässlicher sein muss, weil Fehler schnell teure oder gefährliche Konsequenzen haben könnten. Ein Weg dorthin ist, sie mit verlässlichen Daten aus der Industrie zu trainieren. "Der Zugang zu qualitativ hochwertigen Maschinendaten verschiedener Hersteller ist der Schlüssel", sagte Busch. "Mit dieser Allianz können wir KI-Systeme entwickeln, die die Komplexität in der Entwicklung und der Fertigung verstehen und so für Fachkräfte zum leistungsstarken Partner wird."

Als Anwendungsbeispiel sieht man bei Siemens beispielsweise die Erstellung von Programmen für Maschinen - mit ihrer Hilfe komme man schneller voran, senke Fehlerquoten und entlaste Programmierer von Basisaufgaben. Andere Bereiche sind vorausschauende Wartung mit maschinenspezifischen Prognosen, Fertigungsprozesse, die sich in Echtzeit an veränderte Bedingungen anpassen und verbesserte Energieeffizienz./ruc/DP/jha