{"id":166500,"date":"2025-08-20T07:26:00","date_gmt":"2025-08-20T05:26:00","guid":{"rendered":"https:\/\/renewable-carbon.eu\/news\/?p=166500"},"modified":"2025-08-17T13:25:51","modified_gmt":"2025-08-17T11:25:51","slug":"die-entwicklung-bei-ki-wird-sich-noch-beschleunigen","status":"publish","type":"post","link":"https:\/\/renewable-carbon.eu\/news\/die-entwicklung-bei-ki-wird-sich-noch-beschleunigen\/","title":{"rendered":"Die Entwicklung bei KI wird sich noch beschleunigen"},"content":{"rendered":"\n\n\n

Felix Georg M\u00fcller ist CEO und Mitgr\u00fcnder des auf K\u00fcnstliche Intelligenz \u2013 KI \u2013 in der Kunststoffverarbeitung spezialisierten Fraunhofer Spin-offs plus10. Im Interview mit der K-ZEITUNG gibt er tiefe Einblicke in die Welt der K\u00fcnstlichen Intelligenz, zeigt Einsatzbereiche und Chancen in der Kunststoffverarbeitung auf und erkl\u00e4rt, warum Unternehmen aus der Kunststoffbranche nicht mehr abwarten, sondern schnellstm\u00f6glich in die KI einsteigen sollten.<\/strong><\/p>\n\n\n

\n
\"\"
Felix Georg M\u00fcller, CEO und Mitgr\u00fcnder des auf K\u00fcnstliche Intelligenz \u2013 KI \u2013 in der Kunststoffverarbeitung spezialisierten Fraunhofer Spin-offs plus10: \u201eJeder muss selbst ein Fingerspitzengef\u00fchl daf\u00fcr entwickeln, wann einem KI-Tools in der Fertigung helfen und wann nicht. Und damit muss man einfach loslegen \u2013 und zwar jetzt.\u201c \u00a9 plus 10<\/figcaption><\/figure><\/div>\n\n\n

Herr M\u00fcller, inzwischen gibt es zahlreiche KI-L\u00f6sungen rund um die Kunststoffverarbeitung. Was ist bei plus 10 anders? <\/h3>\n\n\n\n

Felix Georg M\u00fcller: Im Kern geht es darum, dass unsere intelligenten Softwaretools namens Shannon und Hopper live \u2013 also w\u00e4hrend die Anlage l\u00e4uft \u2013 Vorschl\u00e4ge f\u00fcr Verbesserungen geben und zugleich kontinuierlich im Hintergrund endlos weiterlernen. Wenn es ein Problem gibt, und die Anlage stehen bleibt, erh\u00e4lt der Bediener in den folgenden ein oder zwei Sekunden einen Vorschlag, was urs\u00e4chlich ist und wie sich dies l\u00f6sen l\u00e4sst.<\/p>\n\n\n\n

Zudem k\u00f6nnen wir \u2013 w\u00e4hrend die Maschine l\u00e4uft, aber zu irgendeinem beliebigen Zeitpunkt Ausschuss produziert \u2013 dem Einrichter \u00c4nderungsvorschl\u00e4ge f\u00fcr die Einstellungsparameter geben. Dazu blickt unser Tool st\u00e4ndig in die Maschine, lernt live im Hintergrund von den Parametern der Anlagen und gibt dann automatisch passende Ratschl\u00e4ge innerhalb erlaubter Prozessfenster aus.<\/p>\n\n\n\n

Ist dies auf bestimmte Maschinen beschr\u00e4nkt? <\/h3>\n\n\n\n

M\u00fcller: Nein, wir k\u00f6nnen im Prinzip alle Maschinen, deren verbauten Maschinensteuerungstyp wir kennen, anschlie\u00dfen. Es gibt nur zwei Einschr\u00e4nkungen: Wir k\u00fcmmern uns nur um vollautomatisierte Prozesse, weil man den Menschen halt so schlecht mit einem Netzwerkstecker anst\u00f6pseln kann. Und wir beschr\u00e4nken uns auf die diskrete Fertigung \u2013 oder genauer gesagt diskretisierbar.<\/p>\n\n\n\n

Das hei\u00dft: Wir besch\u00e4ftigen uns zwar auch mit Extrusionsprozessen im Kunststoffbereich, aber den diskretisieren wir. Das hei\u00dft, wir tun so, als ob jeder Zentimeter oder sogar jeder Millimeter ein eigenes Produkt w\u00e4re. Wir besch\u00e4ftigen uns neben Spritzgie\u00dfen auch mit Blasformen oder Tiefziehen. Was wir nicht machen, sind chemische Prozesse. <\/p>\n\n\n\n

Mit diesem Konzept sind wir inzwischen sechs Jahre als KI-Unternehmen unterwegs. Was uns besonders macht: Wir liefern Tools, die einen messbaren Mehrwert bringen. Daher auch der Firmenname \u201eplus10\u201c. Hei\u00dft: Wir wollen mit unseren L\u00f6sungen ausgehend vom Mittelwert 10 Prozent mehr Output \u2013 oder mehr \u2013 generieren. <\/p>\n\n\n\n

Und das funktioniert? <\/h3>\n\n\n\n

M\u00fcller: Wir bewegen uns aktuell in einer Bandbreite zwischen plus 5 bis 18 Prozent. Dabei gilt: je komplexer der Produktionsprozess zum Beispiel durch schwierig verarbeitbare technische Kunststoffe, heterogenes Recyclingmaterial oder komplexe Werkzeuggeometrien wird, umso mehr bringt es. Denn der Mensch kann sehr komplexe Systeme mit vielen dynamischen Einflussfaktoren nicht mehr \u00fcberblicken und tut sich somit schwer, die Systeme h\u00e4ndisch oder rein durch Erfahrungswerte zu optimieren. <\/p>\n\n\n\n

Unser technologisches Alleinstellungsmerkmal ist, dass wir live lernen. Im Machine Learning w\u00fcrde man klassischerweise anfangs Trainingsdaten sammeln, zum Beispiel mittels DOE (Design of Experiments \u2013 statistische Versuchsplanung), ein Softwaretool anlernen und anschlie\u00dfend dieses Tool, also das gelernte Modell, ausf\u00fchren.<\/p>\n\n\n\n

Was uns technologisch gesehen besonders macht: Bei uns h\u00f6rt diese Lernphase niemals auf. Wir brauchen zwar am Anfang eine Mindestdatenmenge, damit das Tool versteht, was das jeweilige Werkzeug auf der Anlage macht. Aber dann l\u00e4uft unser System quasi parallel. Wir lernen im Hintergrund endlos weiter und geben im Vordergrund Vorschl\u00e4ge f\u00fcr Verbesserungen aus. <\/p>\n\n\n\n

Bei \u201enormalen\u201c KI-Systemen ist ja die Lernphase extrem rechenaufwendig, aber im Betrieb ist die ben\u00f6tige Rechenleistung gar nicht mehr so gro\u00df. Ist bei ihnen praktisch st\u00e4ndig ein ordentlicher Druck auf der Leitung? <\/h3>\n\n\n\n

M\u00fcller: Genau. Dies ist IT-seitig auch gar nicht so leicht zu l\u00f6sen. Wir arbeiten dazu quasi auf zwei Ebenen. Wir haben immer einen kleinen Software-Footprint, der direkt im Maschinennetz steht \u2013 also nah bei den Maschinen. Dieser Teil unseres Systems macht aber nichts anderes, als die ganzen hochfrequenten Parameter direkt von den Steuerungen zu lesen, vorzuverarbeiten, zu verschl\u00fcsseln und der zweiten Rechenebene als Datenstrom live bereitzustellen. Das sind bei einem Spritzgie\u00dfprozess in etwa 700 Parameter, die den Prozess, der da gerade abl\u00e4uft beschreiben. Diesen Parametern h\u00f6ren wir im einstelligen Millisekunden-Bereich zu. <\/p>\n\n\n\n

Dieser lokale Softwarecontainer macht nichts anderes, als alle diese Daten einzusammeln, vorzuverarbeiten und zu komprimieren. Danach sind die Daten um 90 % kleiner, werden verschl\u00fcsselt und ans Backend geschickt. Hier brauchen wir eine wirklich gro\u00dfe Rechenpower, da wir niemals aufh\u00f6ren zu lernen. Deshalb ist dies auch im Normalfall cloudbasiert \u2013 nat\u00fcrlich entsprechend aktueller IT-Security-Richtlinien abgesichert und gesch\u00fctzt.<\/p>\n\n\n\n

Wir arbeiten hier eng mit Microsoft zusammen und wurden 2022 von Microsoft als weltweit innovativstes Tool f\u00fcr die Fertigungswelt mit dem \u201eMicrosoft Intelligent Manufacturing Award \u2013 MIMA category Innovate\u201c ausgezeichnet. Seitdem hosten wir alles im Standardfall auf Microsoft Azure, egal in welcher Region der Welt unsere Tools genutzt werden \u2013 f\u00fcr Deutschland zum Beispiel in Frankfurt. Denn wir brauchen kontinuierlich ein leistungsf\u00e4higes Cloud Back End, weil wir kontinuierlich viel Rechenpower brauchen, da sind 100 CPUs normal.<\/p>\n\n\n\n

Wenn man sieht, was KI heute leisten kann, hat die Technologie in den letzten Jahren gewaltige Fortschritte gemacht. Wo sehen Sie noch Potenzial, bei dem wir in Zukunft noch mehr erreichen k\u00f6nnen? <\/h3>\n\n\n\n

M\u00fcller: Ich w\u00fcrde dies gerne aus meiner Perspektive beantworten und erkl\u00e4ren, wo wir meiner Meinung nach als Europ\u00e4er noch etwas erreichen k\u00f6nnen. Ich bin ja auch Dozent f\u00fcr Machine Learning f\u00fcr Anwendungen in Maschinenbau und Fertigung. In dieser Funktion sehe ich gro\u00dfe Unterschiede zwischen amerikanischen Start-ups und Entwicklungen, die ja sehr gute und fundamental neue Technologien auf den Markt werfen. Wir haben mit Googles Gemini und OpenAIs ChatGPT bahnbrechend neue Technologien, die aber erst mal komplett agnostisch \u2013 also v\u00f6llig anwendungsneutral \u2013 sind. Mit anderen Worten: Wir haben hier jeweils ein St\u00fcckchen Technologie und jetzt sind die Endkunden oder Anwender dieser Welt gefragt, daf\u00fcr vern\u00fcnftige Anwendungen zu finden und zu entwickeln und somit diese Rohdiamanten technisch konkret nutzbar zu machen. <\/p>\n\n\n\n

Hier sehe ich eine sehr gute deutsche Nische, in der wir mit unserem sehr stark verankerten Maschinenbauwissen solche allgemeinen Technologien in eine nutzbare und auch sinnvolle Endanwendung mit konkretem Mehrwert \u00fcberf\u00fchren k\u00f6nnen. Wenn wir uns unsere plus10-Software ansehen, haben wir dutzende lernende Modelle im Hintergrund, die wir extrem stark angepasst und gr\u00f6\u00dftenteils sogar selbst speziell f\u00fcr den Umgang mit hochfrequenten Maschinensteuerungsdaten entwickelt haben, um das Maschinenverhalten zu erlernen.<\/p>\n\n\n\n

Wenn man bei Google oder bei OpenAI sucht, wie man aus Nullen und Einsen \u2013 also typischen Bin\u00e4rdaten von Maschinensteuerungen \u2013  irgendein Verhaltensmodell antrainieren kann, wird man nichts finden. Hier findet man allgemeine Modelle, die mit Bildern, Videos und Texten in allen erdenklichen Sprachen umgehen k\u00f6nnen, also beispielsweise die aus Katzenvideos Katzen extrahieren oder aus beschreibenden Texten Bilder und Videos erzeugen k\u00f6nnen. <\/p>\n\n\n\n

In den sehr nischenhaften Bereichen der Fertigungstechnik gibt es aber noch extrem viel Bedarf. Auch wir erneuern uns deshalb kontinuierlich. Denn es gibt immer Luft nach oben, um besser oder schneller zu werden, um effizienteres und genaueres Verhalten zu erlernen und On-the-go zu optimieren. Aber dies alles ist sehr stark im Anwendungskontext zu sehen, mit Maschinen und Fertigungsprozessen \u2013 und darum k\u00fcmmern sich amerikanische Tech-Konzerne klassischerweise nicht. <\/p>\n\n\n\n

Wenn man mit KI zum Beispiel Texte generieren l\u00e4sst, kommt es ja immer wieder zum Halluzinieren, bei dem zum Teil v\u00f6llig abstruse Zusammenh\u00e4nge generiert werden. Besteht diese Gefahr auch bei Systemen f\u00fcr die Fertigungstechnik? <\/h3>\n\n\n\n

M\u00fcller: Aus technischer Sicht tritt eine Halluzination auf, wenn zu wenige Daten vorhanden sind. Wenn das Modell zu wenig Input hat, \u201eerg\u00e4nzt\u201c die generative KI den fehlenden Input mit statistisch wahrscheinlichem Kontext und daraus entstehen dann die sogenannte \u201eHalluzinationen\u201c.<\/p>\n\n\n\n

Im Maschinenverhalten haben wir eher das umgekehrte Problem: Wir erzeugen sehr, sehr, sehr viele Daten. Von Spritzgie\u00dfmaschinen k\u00f6nnten wir \u00fcber einen Tag mehrere Gigabyte Daten sammeln \u2013 wenn wir alles speichern w\u00fcrden, was wir nat\u00fcrlich nicht tun, sondern Vorverarbeitungsstrategien haben, die das Datenvolumen sehr stark minimieren ohne dabei signifikant Informationsgehalt zu verlieren.  <\/p>\n\n\n\n

Aber wir lernen aus den Massendaten, und dabei besteht eher die Gefahr, dass wir ein Overfitting betreiben, also viel zu viel Daten hineinstopfen und dem Modell vorgaukeln, dass wir immer exakt in einem Prozesspunkt arbeiten. Hier muss man sehr stark gegensteuern und beim Maschinenverhalten erlernen, dass der Datensatz f\u00fcr manche Prozesspunkte, die sehr stabil laufen, sehr stark \u00fcberrepr\u00e4sentiert sind, und manche Prozesspunkte, die nicht so stabil laufen, nur einzelne P\u00fcnktchen au\u00dfen herum sind. <\/p>\n\n\n\n

Dies und viele weitere Effekte muss man automatisch ausbalancieren, damit so ein intelligentes System sich nicht \u201everlernt\u201c oder das alte Data-Science-Sprichwort \u201eShit-in-Shit-out\u201c Anwendung findet. Denn wenn man eine unendliche Datenflut ohne sauberes Pre-Processing hineinstopft, braucht man sich auch nicht zu wundern, wenn unbrauchbare Aussagen hieraus generiert werden. <\/p>\n\n\n\n

Wenn Sie auf Ihre bisherigen Projekte zur\u00fcckblicken: Gibt es denn KI-L\u00f6sungen, auf die sie besonders stolz sind? <\/h3>\n\n\n\n

M\u00fcller: Nat\u00fcrlich. \u00dcber viele Kooperationen und Anwendungsf\u00e4lle d\u00fcrfen wir leider nicht reden, aber nehmen wir zum Beispiel das bekannte SKZ-Frisbee. Hier gibt es am SKZ in W\u00fcrzburg ein tolles Zwei-Komponenten-Versuchswerkzeug, das wir uns auch zunutze gemacht haben. Das Frisbee besteht aus einem Innenring aus Polycarbonat (PC), der in einer zweiten Einspritzphase mit TPE umspritzt wird. Generell sind solche zweistufigen Prozesse in der Industrie weit verbreitet und es gibt bestimmte Fehlerbilder, die immer wieder auftreten. Zum Beispiel Grate, Brenner, Bindenahtprobleme, Flie\u00dflinien auf der Oberfl\u00e4che, Unterspritzungen, Einfallstellen oder auch Verzug und Ma\u00dfabweichungen. <\/p>\n\n\n\n

Denn sowohl das TPE, als auch das Polycarbonat unterliegen gewissen Schwankungen und beeinflussen sich zus\u00e4tzlich auch noch bei solchen zweistufigen Prozessen gegenseitig: Unser Parameteroptimierer plus10-Hopper erlernt genau diese Einfl\u00fcsse aus den Rohmaterialschwankungen, also auch Prozessschwankungen, und regelt durch Parameteranpassungsvorschl\u00e4ge diese aus, damit die definierte Qualit\u00e4t des Frisbee immer gleich bleibt. Das ist jetzt noch ein relativ einfaches Bauteil, aber es zeigt sehr anschaulich, wie so ein Tool live funktioniert und eben auch greifbaren Mehrwert bringt.<\/p>\n\n\n\n

Unsere echte St\u00e4rke ist die regulierte Produktionswelt. Wir besch\u00e4ftigen uns viel mit Bauteilen f\u00fcr die Pharmaindustrie und die Medizintechnik. Ein echt herausforderndes Beispiel ist eine Kunststoffspritze aus einem Glas-like-Plastic namens COC \u2013 also einem Kunststoff, der wie Glas transparent und sehr schlagz\u00e4h ist, und f\u00fcr in Spritzen direkt vorbef\u00fcllte Medikamente zum Einsatz kommt \u2013 zum Beispiel viel auch in der Notfallmedizin. <\/p>\n\n\n\n

F\u00fcr die Herstellung dieser Spritze wird eine Stahlnadel ins Spritzgie\u00dfwerkzeug eingelegt und anschlie\u00dfend wird die Nadel mit diesem sehr schlagz\u00e4hen Werkstoff umspritzt. \u00dcblich w\u00e4re es heute, diese Nadeln in einem zweiten Prozessschritt einzukleben, was durch dieses sehr komplexe Werkzeug und patentierte Nadelhandling von Zahoransky entf\u00e4llt. <\/p>\n\n\n\n

Weltweit einzigartig an dieser Anwendung ist, dass wir auf diesen Fertigungsprozess unser KI-Tool Hopper antrainiert haben, das dann auch noch im Medizinumfeld eingesetzt werden darf. Dabei wurde die eingangs erl\u00e4uterte hochfrequente Dateninfrastruktur, die direkt mit dem Prozess interagiert, als auch das Tool namens Hopper qualifiziert. Und das bei einem kritischen Produkt, das mit dem Medikament in direkten Kontakt kommt, live im 24\/7 Betrieb Parameteranpassungen vorschl\u00e4gt und so den sehr sensiblen Prozess nachregelt. Wir haben hier von gro\u00dfen Produzenten aus der ganzen Welt das Feedback erhalten, dass wir mit unserer L\u00f6sung weltweit einzigartig sind.<\/p>\n\n\n\n

Unser Alleinstellungsmerkmal ist, dass wir nicht nur einen KI-Stack liefern, der Parameter nachsteuert, sondern dies in einer qualifizierten Form tun. Das hei\u00dft, man kann einen Prozess mit unserer KI-L\u00f6sung nach geltenden Guidelines wie dem aktuellen GAMP 5 der ISPE qualifizieren und damit f\u00fcr Medizinprodukte einsetzen. Wir selbst als plus10 arbeiten auch in der ISPE als globale Vereinigung in einer Arbeitsgruppe gemeinsam mit Auditoren, Produzenten und Technologielieferanten wie wir mit, um solche Guidelines in Richtung KI-Einsatz praxisnah weiterzuentwickeln.<\/p>\n\n\n\n

In den letzten 10 Jahren ist in Sachen KI wahnsinnig viel passiert. Selbst erfahrene KI-Experten haben gesagt, dass sie so einen Schub nicht erwartet h\u00e4tten. Wird das ihrer Meinung so weitergehen? <\/h3>\n\n\n\n

M\u00fcller: Es wird so weitergehen \u2013 mehr noch: tendenziell wird sich die Entwicklung eher beschleunigen statt verlangsamen. Denn im Moment werden wahnsinnig viele Ressourcen aufgebaut, weil einigen Unternehmen bewusst ist, dass sie jetzt schnell sein m\u00fcssen, um vorne mit dabei zu sein. Ansonsten ist man nur die \u201eLame Duck\u201c und das will ja keiner sein.<\/p>\n\n\n\n

Auch einige gro\u00dfe Maschinenbauer haben inzwischen verstanden, dass KI in Zukunft der gro\u00dfe Differenziator sein wird. Es wird nicht mehr reichen, Maschinen, Steuerungen oder MES-Systeme zu liefern. Man wird im Endeffekt sehr kluge Systeme und Maschinen ausliefern m\u00fcssen, um sich vom Markt zu differenzieren. Und deshalb pumpen viele gro\u00dfe globalen Firmen \u2013 sowohl Verarbeiter als auch Maschinenbauer \u2013 hier leider weniger die Deutschen \u2013 aktuell sehr viel Geld in KI-L\u00f6sungen und deren Integration hin zu konkret greifbaren Mehrwert-Applikationen. <\/p>\n\n\n\n

Leider beobachte ich bei vielen deutschen Unternehmen gerade im Automotive-Sektor einen gewissen Hochmut nach dem Motto \u201edas bisschen KI machen wir nebenher selbst\u201c. Hier w\u00e4re es wesentlich besser, mit spezialisierten Unternehmen wie uns zu kooperieren und Geschwindigkeit auf die Stra\u00dfe zu bringen, anstatt jedes Learning selbst zu durchlaufen. Man wird sehen, f\u00fcr wen das Sprichwort \u00fcber den anschlie\u00dfenden Fall wahr wird. <\/p>\n\n\n\n

Noch sagt man ja \u00fcber KI-L\u00f6sungen, dass es noch keine Produkte sind, sondern Projekte, die auf die individuellen Anforderungen angepasst werden m\u00fcssen. Stimmt das? Und bleibt das so? <\/h3>\n\n\n\n

M\u00fcller: KI ist eine Technologie. Dies ist auch der Grund, warum wir schon sehr fr\u00fch \u2013 noch bei Fraunhofer, also 2013 bis zur Ausgr\u00fcndung in 2019 \u2013 unseren sehr rechenintensiven, inkrementellen, lernenden Ansatz gew\u00e4hlt haben. Das Modell kommt erst mal \u201edumm\u201c in die Maschine hinein \u2013 also ohne Vorwissen. Dann lernen wir das Verhaltensmodell einer spezifischen Anlage mit den dort laufenden Randbedingungen wie Rohmaterial, Werkzeuggeometrie, die sich auch bei jedem Material- und Werkzeugwechsel \u00e4ndern. Man kommt also gar nicht aus dem Lernen raus, weil es immer etwas Neues gibt, was unserem technologischen Ansatz sehr passend entgegenkommt. <\/p>\n\n\n\n

Insofern ist es auf jeden Fall n\u00f6tig, von dem speziellen Anwendungsfall zu lernen, wie der sich verh\u00e4lt. Denn jedes Spritzgie\u00dfwerkzeug ist anders, jede Rohmaterialcharge \u2013 insbesondere bei technischen Kunststoffen oder auch Rezyklaten \u2013 ist anders, jede Maschine ist anders. Ja selbst die gleiche Maschine ist anders, wenn sie eine Betriebsstunde auf dem Z\u00e4hler hat oder eine Million.<\/p>\n\n\n\n

Deshalb m\u00fcssen wir zuerst von dem speziellen Werkzeug auf der gerade laufenden Maschine lernen, was es im Detail tut. Das ist dann quasi die \u201eProjektphase\u201c, in der man initialisiert und unser Hopper-Tool antrainiert. Das l\u00e4uft mittlerweile alles automatisch, aber trotzdem ist es nach wie vor gedanklich ein Projekt, indem man beziehungsweise die KI in Form des Hopper-Tools erst einmal versteht, was das jetzt genau f\u00fcr ein Anwendungsfall ist.<\/p>\n\n\n\n

Sie sind ja seit Jahren als Pionier f\u00fcr KI in der Kunststoffverarbeitung unterwegs. Gibt es denn eine Botschaft, die Sie an die Branche richten wollen? <\/h3>\n\n\n\n

M\u00fcller: Ich habe viele Gespr\u00e4che mit Kunststoffverarbeitern aber auch den zugeh\u00f6rigen Materiallieferanten bez\u00fcglich Datenbereitstellung und mit Maschinenbauern bez\u00fcglich performante Datenschnittstellen gef\u00fchrt. Wenn ich mir dies nochmal durch den Kopf gehen lasse, sehe ich viele, denen durchaus bewusst ist, dass sich bei KI in den n\u00e4chsten Jahren sehr viel tun wird \u2013 und gerade auch asiatische Maschinenbauer hier bedrohlich gut drin sind. Angesichts der Dynamik denkt sich aber offensichtlich so mancher, da warte ich jetzt lieber noch ein J\u00e4hrchen und schaue mal, was passiert, und wohin sich das Ganze entwickelt. Denn sp\u00e4ter wird bestimmt alles besser, sch\u00f6ner, billiger sein \u2013 \u00fcberspitzt formuliert.<\/p>\n\n\n\n

Doch nach meiner \u00dcberzeugung ist das ein folgenschwerer Trugschluss. Man muss irgendwann anfangen, seine eigenen Erfahrungen zu sammeln: Also was funktioniert, was funktioniert nicht? Wieso und wo muss ich nachbessern in puncto Schnittstellen, Datenqualit\u00e4t, Kundenkommunikation von Use Cases und Kostenstrukturen? In welchen F\u00e4llen hilft mir KI in meinem konkreten Use Case wirklich weiter? Das kann einem von au\u00dfen keiner auf Knopfdruck runterbeten, da auch in jeder Firma eine andere Kultur herrscht und somit auf Neudeutsch eine andere \u201eAdoption-Roadmap\u201c n\u00f6tig ist. Also wie nehme ich alle Beteiligten mit und wie schnell geht das \u00fcberhaupt vorw\u00e4rts? <\/p>\n\n\n\n

Nat\u00fcrlich gibt es Unternehmen, deren Werkzeuge so stabil laufen, dass sie keine Hilfe von der KI brauchen. Aber es gibt auch Werkzeuge, die spezifische Probleme haben. Ich denke, jeder muss selbst ein Fingerspitzengef\u00fchl daf\u00fcr entwickeln, wann einem KI-Tools in der Fertigung helfen und wann nicht. Und damit muss man einfach loslegen \u2013 und zwar jetzt. Denn wer wartet, bis die super final allumfassende L\u00f6sung auf der Erde existiert, ist sehr schnell abgeh\u00e4ngt. Dies sp\u00e4ter noch aufzuholen, halte ich f\u00fcr unm\u00f6glich, und deshalb muss man jetzt in den sauren Apfel bei\u00dfen und loslegen \u2013 es kann aber auch Spa\u00df machen neue Wege zusammen mit KI-Buden wie uns zu gehen.<\/p>\n","protected":false},"excerpt":{"rendered":"

Felix Georg M\u00fcller ist CEO und Mitgr\u00fcnder des auf K\u00fcnstliche Intelligenz \u2013 KI \u2013 in der Kunststoffverarbeitung spezialisierten Fraunhofer Spin-offs plus10. Im Interview mit der K-ZEITUNG gibt er tiefe Einblicke in die Welt der K\u00fcnstlichen Intelligenz, zeigt Einsatzbereiche und Chancen in der Kunststoffverarbeitung auf und erkl\u00e4rt, warum Unternehmen aus der Kunststoffbranche nicht mehr abwarten, sondern […]<\/p>\n","protected":false},"author":114,"featured_media":166502,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"none","nova_meta_subtitle":"Felix Georg M\u00fcller, CEO von plus10, erkl\u00e4rt, was KI heute leisten kann, wo Deutschland Erfolgschancen hat und warum es f\u00fcr einen Einstieg h\u00f6chste Zeit ist","footnotes":""},"categories":[5572,17143],"tags":[20215,11841,24551,10453],"supplier":[10771,26773],"class_list":["post-166500","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-bio-based","category-recycling","tag-grunechemie","tag-kreislaufwirtschaft","tag-kunstlicheintelligenz","tag-recycling","supplier-microsoft","supplier-plus10"],"_links":{"self":[{"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/posts\/166500","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/users\/114"}],"replies":[{"embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/comments?post=166500"}],"version-history":[{"count":0,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/posts\/166500\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/media\/166502"}],"wp:attachment":[{"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/media?parent=166500"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/categories?post=166500"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/tags?post=166500"},{"taxonomy":"supplier","embeddable":true,"href":"https:\/\/renewable-carbon.eu\/news\/wp-json\/wp\/v2\/supplier?post=166500"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}