Automobilindustrie: Künstliche Intelligenz als differenzierender Faktor

Connected Services und Autonomes Fahren sind zwei der Trends, die die Automobilindustrie in den nächsten Jahren prägen werden. Michael Nolting hat sich in seinem Buch „Künstliche Intelligenz in der Automobilindustrie“ angeschaut, warum künstliche Intelligenz der wettbewerbsentscheidende Faktor werden wird.

Die schnellste Route finden, verschlissene Bauteile erkennen und Objekte identifizieren: Künstliche Intelligenz kommt in vielen Bereichen der Autoindustrie zum Einsatz. Doch haben OEMs und Zulieferer Nachholbedarf, nach dem Vorbild von Unternehmen aus dem Silicon Valley Kunden und KI in den Mittelpunkt ihrer Strategie zu stellen. Heterogene über Jahre gewachsene IT-Systeme, dezentral vorliegende Daten und eine projektbasierte Denke hindern sie daran. Anders Techgiganten wie Google, Apple, Amazon und Co., die inzwischen als neue Player auf den Zukunftsmärkten Connected Services und Autonomes Fahren mitmischen – mit Betriebssystemen über Vernetzungsplattformen bis hin zu Funktionen für das autonome Fahren. Deren wichtigste Vorteile gegenüber der heimischen Autobranche: KI-getriebene Kundenorientierung, Anpassungsfähigkeit und moderne IT-Infrastrukturen.

Schlüsselqualifikationen für die Automobilindustrie

Michael Nolting hat in seinem Buch diverse Qualifikationen ausgemacht, die letztlich über Erfolg und Misserfolg von Unternehmen auf dem Automobilmarkt in den kommenden Jahren entscheiden werden:

• Mit Künstlicher Intelligenz das Kundenerlebnis verbessern

Amazon nennt es das „KI-Schwungrad“, mit dem Kunden das richtige Angebot mit dem bestmöglichen Mehrwert geliefert bekommen. Das Besondere: Daten dienen darin als Basis, um Kosten zu reduzieren, das Angebot zu erweitern und das Kundenerlebnis zu verbessern. Neue digitale Dienste in der Automobilindustrie sollte ebenso am Kundenerlebnis orientiert sein, rät Nolting in seinem Buch. Seine Empfehlung für die Transformation zum Software-getriebenen Unternehmen: Dienste und Apps im Ökosystem entwickeln und Fahrzeug- wie Kundendaten gezielt zur Optimierung der Wertschöpfungskette nutzen.

• Ständige Updates der Software möglich machen

Künftig wird die Software im Fahrzeug permanent auf den neuesten Stand gebracht und durch verbesserte und neue Funktionen angereichert. Der Start of Product, herkömmlich der Knopfdruck zur Serienproduktion, ist künftig digital. Amazon spielt täglich über 20.000 Mal Softwareänderungen ein. Ein Fahrzeug mit Softwareupdates zu versorgen, geschieht derzeit allerdings oft nur beim Besuch in der Werkstatt.

• Projekte werden zu Produkten

Zeit, Kosten und Qualität: Das sind die drei Parameter, die bei Projekten bislang im Vordergrund stehen. Künftig wird es primär um die Qualität gehen. Kosten und Zeit werden eher nebenbei im Griff gehalten, indem Minimal Viable Products (MVPs) entstehen, bei denen jeder einzelne Schritt im Lebenszyklus bewertet und so ausgeschlossen wird, dass Entwicklungen fortgesetzt werden, die nicht den erhofften Mehrwert bringen. Von der Idee bis zum operativen Einsatz des digitalen Produktes vergehen nur wenige Monate. Doch muss das digitale Produkt ein Produktleben lang betreut werden. Denn ein Algorithmus analysiert permanent die Daten von der App oder der Bedienschnittstelle am Fahrzeug. Die Software wird immer weiter verbessert und Software eingespielt, um das Produkt weiter zu optimieren.

• Use Cases für Produkte priorisieren

Je höher der Anteil der KI im Produkt, umso höher sind die potenziellen Wettbewerbsvorteile. Denn je mehr Daten analysiert werden können, umso besser lassen sich Entwicklungen vorhersagen, prädiktive Modelle nutzen und Prozesse optimieren. Entsprechend wichtig ist es, Use Cases für potenzielle Datenprodukte nach den Kriterien der Machbarkeit, der Wirtschaftlichkeit und dem Kundenwunsch zu bewerten und zu priorisieren.

• KI-Bedürfnispyramide beachten

Essentiell ist eine IT-Infrastruktur, die in der Lage ist, große Mengen an Daten zu erfassen und zentral zu speichern. Sind Daten vorgefiltert und gesäubert, können sie dorthin fließen, wo sie gebraucht werden, ist die Basis dafür gelegt, um maschinelle Lernverfahren und Deep Learning nutzen zu können – und die Spitze der KI-Bedürfnispyramide ist erreicht.

Wer sich für künstliche Intelligenz im Automobilsektor interessiert, kommt an diesem Buch von Michael Nolting kaum vorbei. Denn auf Basis guter Daten neue digitale Produkte zu schaffen, birgt ein großes Umsatzpotenzial in sich. Der USP von KI liegt auf der Hand: Nur wer KI-basierte Datenprodukte zur Verfügung hat, macht Entwicklungen vorhersagbar sowie Prozesse automatisier- und optimierbar.

„Künstliche Intelligenz in der Automobilindustrie“ von Michael Nolting, Springer Vieweg, 2021; 327 Seiten; 22,99 €