Revolution im Qualitätsmanagement oder nur evolutionäre Entwicklung?
Die Künstliche Intelligenz ist inzwischen in aller Munde. Die breite Veröffentlichung von richtungsweisenden Systemen wie ChatGPT und DALL-E hat diese Zukunftstechnologie nicht nur einer breiten Masse zugänglich gemacht, sondern sie auch aus den versteckten Tiefen modernen Software-Engineerings hervorgehoben. Künstliche Intelligenz ist plötzlich nichts Abstraktes mehr, was sich hinter spektakulären Filtern in Foto- und Videosoftware oder menschlich erscheinenden Chat-Bots versteckt, sondern ein System, mit dem man direkt und völlig frei kommunizieren kann. Obwohl die Technik bisher nicht wirklich lange erprobt ist, ist es für viele schon erstaunlich, wie schwer man die heutigen KI-Systeme im direkten Dialog von einem „echten“ Menschen unterscheiden kann – man fühlt sich indirekt schon manchmal an den Film-Klassiker „Bladerunner“ erinnert, in dem nur die Auswertung einer riesigen Fragenmenge künstliche Personen überhaupt noch identifizieren kann. Aber ganz so weit sind wir dann doch bislang nicht.
Was macht Künstliche Intelligenz eigentlich aus?
Der Übergang zu Systemen basierend auf Künstlicher Intelligenz markiert in vielerlei Weise einen Meilenstein für die technische Entwicklung der Menschheit. Rein technisch gesehen markiert sie den Übergang einer Zeit der regelbasierten Softwareentwicklung hin zu einer lernbasierten. Systeme sind nicht mehr länger reine, deterministische Ablaufschemata, sondern ihre Aktionen und Antworten basieren auf Erlerntem und Kombiniertem. Sie gleichen sich damit der menschlichen Informationsverarbeitung an, die eben in „identischen“ Situationen auch einmal zu unterschiedlichen Ergebnissen kommen kann.
Aus wirtschaftlicher Sicht liegen die großen Hoffnungen in die Künstliche Intelligenz natürlich im Bereich weiterer Effizienzsteigerung. Der oftmals teure Faktor Mensch, so das Ziel, soll dort, wo möglich und vertretbar, durch intelligente Systeme abgelöst werden und im Betrieb auch weitestgehend autonom entscheiden und handeln. Künstliche Intelligenz soll aber auch dort Verbesserungen bringen, wo der Mensch durch Fehler und Unzulänglichkeiten für Probleme sorgen kann. Die erhofften Ziele ähneln damit stark den bereits in die allgemeine Digitalisierung gesteckten Erwartungen, die sich ja bekanntlich nicht immer von selbst eingestellt haben.
Aus sozialer Sicht gesehen, markiert KI einen Wechsel in der Kommunikation. Erstmals ist es möglich, wirklich allgemein und im wahrsten Sinne des Wortes „umgangssprachlich“ mit der Maschine zu kommunizieren. Auch die Steuerung mit Gesten wird hier zunehmend Einzug halten. Benutzerschnittstellen verlieren somit dramatisch an Bedeutung und der Kreis von Personen, die überhaupt an der Kommunikation teilhaben können, erweitert sich drastisch. Fehlerhafte oder missverständliche Eingaben an Systeme können automatisiert korrigiert oder vervollständigt werden.
Anwendungsgebiete für KI im Qualitätsmanagement
KI-basierte Ansätze haben ein großes Potenzial, das Qualitätsmanagement effizienter und präziser zu gestalten.
- Qualitätskontrolle: KI-gestützte Bildverarbeitungssysteme können Produkte in Echtzeit analysieren und Qualitätsabweichungen erkennen. Dies reduziert menschliche Fehler und gewährleistet eine gleichbleibend hohe Produktqualität. Ein rückgekoppeltes Feedback an die Produktion kann somit auch Ausschuss reduzieren und den Bedarf an eingesetzten Arbeitsmitteln optimieren. Automatisierte Prüfungen oder virtuelle Assistenten können den menschlichen Benutzer optimal unterstützen. Diese automatische Qualitätskontrolle mit KI gehört sicherlich zu den größten Hoffnungen im Themenkomplex QM und KI.
- Qualitätssicherung: KI hat vor allem das Potential Prüfaufgaben in der Qualitätssicherung zu automatisieren. Ziel ist es manuelle Eingriffe möglichst zu minimieren. Die Herausforderungen liegen dabei in der Datenqualität und den eingesetzten Trainingsdaten. Die Bedeutung von Erfahrungswissen wird dadurch einen ungeheuren Schub erleben.
- Prozessoptimierung: KI kann dazu verwendet werden, komplexe Produktions- und Geschäftsprozesse zu überwachen und zu analysieren. Durch die Identifizierung von Engpässen und ineffizienten Abläufen können Unternehmen ihre Prozesse optimieren und die Gesamtqualität steigern. Dies erhöht nicht nur Qualität, sondern ggf. auch Durchsatz und bietet gute Ansätze für einen bedarfsgerechteren Einsatz von Produktionsmitteln.
- Vorausschauende Wartung: Durch die Analyse von Sensordaten können KI-Algorithmen Muster, Unregelmäßigkeiten und Anomalien erkennen, die auf bevorstehenden Wartungs- oder Aktualisierungsbedarf hinweisen. Dies ermöglicht es Unternehmen eine Maschinen- und Systemwartung rechtzeitig durchzuführen und hierdurch ungeplante Ausfallzeiten zu minimieren.
- Lieferantenbewertung: KI kann bei der Bewertung von Lieferantenleistungen helfen, indem sie Daten aus verschiedenen Quellen analysiert und Hinweise auf Lieferantenrisiken oder Qualitätsprobleme liefert. Sie kann selbstständig und bedarfsgerecht Waren und Leistungen ordern oder reduzieren.
- Kundenfeedback-Analyse: Durch die Auswertung von Kundenbewertungen, -kommentaren und sozialen Medien können Unternehmen tiefere Einblicke in die Kundenzufriedenheit gewinnen und gezielte Maßnahmen zur Qualitätsverbesserung ergreifen.
- Erstellung von Dokumentation und Schulungsunterlagen: Digitalisierung im Allgemeinen und KI im Speziellen eignen sich hervorragen dazu, zeitaufwände Dokumentationsaufgaben zu automatisieren und vor allem auch zu aktualisieren.
Vorteile des Einsatzes von KI im Qualitätsmanagement
Die Integration von KI in das bestehende Qualitätsmanagement bietet zahlreiche, offensichtliche Vorteile:
- Effizienzsteigerung: Künstliche Intelligenz kann besonders die Aufgaben automatisieren, die normalerweise zeit- oder ressourcenaufwendig sind, was zu einer höheren Effizienz und Ressourceneinsparungen führt.
- Echtzeit-Analyse: KI ermöglicht Echtzeitanalysen, die es Organisationen ermöglichen, schnell auf Qualitätsprobleme zu reagieren und präventive Maßnahmen zu ergreifen. Die Gefahr nicht erkannte Probleme längere Zeit im Produktionsprozess mitzuschleppen, reduziert sich drastisch. Automatisierte Risikobewertungen können auch sich erst langsam anbahnende Probleme bereits frühzeitig erkennen und entsprechen gegensteuern.
- Präzision: KI-basierte Systeme sind in der Lage, Muster zu erkennen und komplexe Daten zu verarbeiten, was zu präziseren Ergebnissen führt – sofern die eingesetzten Lernmittel entsprechend gut sind (siehe unten: „Bias und Fairness“). Die Fähigkeit zum selbstständigen Lernen sorgt dafür, dass sich Prozesse automatisch über die Zeit selbst weiter verbessern können. Besonders interessante Ansätze hierzu finden sich schon heute häufig in der automatisierten Auswahl und Bestimmung etwa von Stichproben.
- Kostenreduktion: Durch die Minimierung von Ausschuss, Fehlern und Ausfall- und Leerlaufzeiten können Unternehmen Kosten reduzieren und ihre Profitabilität steigern. Effiziente Strukturen erlauben auch niedrigere Endpreise, was im heutigen, globalen Wettbewerb den entscheidenden Faktor zum Unternehmenserfolg darstellen kann.
Risiken und „Nebenwirkungen“ beim Einsatz von KI
Neben den vielen und unbestreitbaren Vorteilen gibt es auch Risiken und Herausforderungen im Kontext der Nutzung von KI – nicht nur im Qualitätsmanagement:
- Datenschutz und Sicherheit: Die Verarbeitung sensibler Unternehmensdaten erfordert robuste Sicherheitsmaßnahmen, um unbefugten Zugriff und Datenlecks zu verhindern. Eine durchgehende Automatisierung schafft eventuell auch neue Single-Point-of-Failure-Strukturen, die einer geeigneten Absicherung bedürfen. Der Bedarf an hoch spezialisiertem – und natürlich auch teuren – Fachkräften für den gesamten System- und IT-Bereich nimmt zwangsläufig zu, sofern man nicht auf externe Kräfte angewiesen sein möchte.
- Menschliche Überwachung: Es bleibt wichtig, dass menschliche Experten die von KI-Systemen generierten Ergebnisse überwachen und interpretieren, um „automatisierte Fehlentscheidungen“ zu vermeiden. Die Verantwortung dieser Experten ist entsprechend hoch, denn sie müssen im Zweifelsfall auch harte Maßnahmen ergreifen können. Die Angestellten bedürfen überdies erweiterter Fortbildung, die auch über ihre eigentliche Kernkompetenz hinausgeht.
- Bias, Fairness und Ethik: KI-Algorithmen könnten unbeabsichtigte „Vorurteile“ oder „Vorlieben“ aufgrund von Trainingsdaten entwickeln, was zu einseitigen, unfairen oder sogar diskriminierenden Ergebnissen führen könnte. Zielgruppen oder Zielmärkte könnten unter bestimmten Umständen zu starken Einfluss auf bestimmte Faktoren gewinnen und somit zu unerwünschten Polarisierungen führen. Die „Lernmittel“ der KI müssen somit nicht nur von einer rein technischen und wirtschaftlichen Ebene betrachtet werden, sondern bedürfen ggf. auch ethischer, moralischer und sozialer Bewertung. Letztendlich muss sogar eine mögliche „Haftungs- und Schuldfrage“ klar beantwortbar sein. Wer ist eigentlich verantwortlich, wenn KI „falsche“ Entscheidungen triff? Der Programmierer, der Anwender, der Betreiber, …oder die KI selbst?
- Komplexität und Implementierung: Die Einführung von KI erfordert sehr spezialisierte Kenntnisse und Ressourcen. Gerade kleinere Unternehmen könnten diesen Herausforderungen nur schwer gewachsen sein und hierdurch trotz guter Produkte ins Hintertreffen geraten. Besonders die ständig wachsende Komplexität – und damit Themen wie Wartung und Aktualisierung – stellen ein nicht zu unterschätzendes Risiko dar.
„Bias, Fairness und Ethik“ – das GROSSE Problem der Künstlichen Intelligenz
Das Thema „Bias“ bedarf bei der Betrachtung von Nachteilen und Problemen mit KI eines ganz besonderen Augenmerks. Noch ist nicht klar, ob es endgültig gelingen kann Systeme WIRKLICH einer menschlichen Intelligenz ähnlich zu gestalten. Besonders auffällig wird dies in Bereichen, wo Begriffe mehrfach belegt sind, eventuell fremdsprachig oder sogar dann noch mit unterschiedlichen Schreibweisen. Dort also, wo ein menschliches Gehirn aufgrund seiner Erfahrung und Expertise gezielt differenzieren kann.
Ein prominentes Beispiel stellen hier etwa Fälle beim sozialen Netzwerk Facebook dar. Mehrere Dienstleister wollten hier Schulungen in der Facebook-eigenen Werbung einstellen – konkret zum Thema „Python“ (Programmiersprache) oder einer Python-Bibliothek zur Datenauswertung und -visualisierung namens „Pandas“. Die ganz offensichtlich KI-gesteuerte Anzeigenüberprüfung wertete die Angebote als verbotenen Tierhandel und reagierte rigoros – mit lebenslanger Sperre der entsprechenden Benutzer. Besonders pikant dabei, selbst die eingebaute Beschwerdefunktion der Facebook-Anzeigenverwaltung führte wohl in vielen Fällen wieder zu einer automatisierten und KI-gesteuerten Antwort an die Anfragenden. Ein sehr gutes, aber eben auch erschreckendes Beispiel dafür, was möglich ist, wenn
- einer KI alleinige Entscheidungsfreiheit eingeräumt wird
- Lernmaterial ganz offensichtlich einseitig zum Training einer KI eingesetzt wird (hier: Tierhandel) ohne Doppelbegrifflichkeiten zu berücksichtigen, klar abzugrenzen oder vielleicht sogar falsch zu priorisieren
- der Faktor Mensch (aus unbekannten Gründen) sogar aus Revisionsprozessen ausgeschlossen wurde.
KI im Qualitätsmanagement – eine Bewertung
Die Künstliche Intelligenz hat das Potenzial, das Qualitätsmanagement zu revolutionieren, indem sie Effizienz, Präzision und Reaktionsfähigkeit steigert. Unternehmen, die KI im Qualitätsmanagement geschickt einsetzen, können von einer verbesserten Produkt- und Dienstleistungsqualität profitieren. Dennoch sollten die Herausforderungen und Bedenken in Bezug auf Datenschutz, menschliche Überwachung, Bias und Implementierung sorgfältig angegangen werden.
Ein besonderes Augenmerk bedarf diesbezüglich auch der oft vernachlässigte Begriff der Datenqualität. Schlechte oder unzureichende Datenqualität kann heute schon Probleme machen – in Systemen, in denen sie die alleinige Entscheidungsgrundlage einer KI darstellen, können die Konsequenzen natürlich noch viel drastischer ausfallen. Datenqualität wird daher eines der besonders spannenden Themen, die auf uns zukommen.
Ähnlich wie bei der Digitalisierung allgemein, darf auch die KI nicht als universeller Problemlöser oder Heilsbringer missverstanden werden. Auch sie ist ein Werkzeug, welches – gezielt eingesetzt – viele Wettbewerbsvorteile mit sich bringen kann, sofern man die Risiken entsprechend berücksichtigt. Die Zukunft des Qualitätsmanagements wird aber zweifellos von der intelligenten Integration von KI geprägt sein.
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
WhitePaper: „Remote Audit – Virtuelle Fern-Audits“ von Dr. Roland Scherb (PDF, ca. 1.15MB)
Checkliste Remote Audit
Ist Ihr Unternehmen gut vorbereitet für Remote Auditing? Wir führen hier einige wichtige Grundvoraussetzungen auf und helfen Ihnen natürlich gerne bei der Evaluierung direkt bei Ihnen im Unternehmenskontext.
- Schnelle und stabile Internetverbindung. Möglichst flächendeckend an allen Arbeits- und Produktionsstätten.
- „Ruhezonen“ (Konferenzräume,…) in denen die allgemeinen Teile des Audits ruhig und entspannt abgehalten werden können.
- Laptop/PC/Tablet/Smartphone/Datenbrille als Arbeitsgeräte.
- Video- und Audioanlagen – stationär oder portabel.
- Remote Audit Software oder kombinierbare Einzelsysteme (Videokonferenz, Dokumentenmanagement,…). Alle Beteiligten muss von der Infrastruktur her die Teilnahme möglich sein (Benutzerrechte, Versand von Einladungen, kompatible Software,…).
- Möglichst hoher Anteil an digital vorliegender Dokumentation.
KI und Qualitätsmanagement...
Sprechen Sie mit uns darüber!
Vereinbaren Sie ein unverbindliches Erstgespräch via Online-Termin,
oder schreiben Sie uns eine Nachricht über das Kontaktformular.
Gerne können Sie uns auch telefonisch erreichen.