KI-Drift: Wenn die Qualität schleichend schwindet

00:00:01:

00:00:08: Stellen Sie sich vor, ein Zulieferer liefert ein neues Bauteil.

00:00:12: Die Erstbemusterung ist erfolgreich und alles passt!

00:00:15: Also beschließt das Qualitätsmanagement?

00:00:17: Das müssen wir nie wieder überprüfen.

00:00:20: Klingt absurd – und es auch.

00:00:23: Bei künstlicher Intelligenz handeln Unternehmen allerdings manchmal genau so….

00:00:28: Sie suchen nach geeigneten Anwendungsfällen, starten ein Pilotprojekt, testen die KI, geben sie frei und übernehmen sie in den Regelbetrieb.

00:00:36: Haken dran – Projekt abgeschlossen!

00:00:38: Eine KI, die heute zuverlässig arbeitet muss das morgen aber noch lange nicht tun.

00:00:43: Fachleute sprechen hier von Model Drift, gemeint ist dass die Leistungsfähigkeit eines KI-Systems mit der Zeit nachlassen kann.

00:00:50: Und das passiert häufig nicht weil sich die KI selbst verändert sondern weil sich Bedingungen ihres Einsatzes schleichend verschieben.

00:00:58: Dafür gibt es unterschiedliche Ursachen.

00:01:00: Zwei davon heißen Data Drift und Concept Drift.

00:01:04: Beim Datadrift verändern sich die Daten, mit denen die KI arbeitet – etwa weil neue Kundengruppen hinzukommen.

00:01:10: Wandelt sich dagegen der Zusammenhang zwischen den Daten und dem was die KI daraus ableiten soll?

00:01:15: Dann spricht man von Concept Drifft.

00:01:17: Ein Beispiel dafür.

00:01:18: Ein Hersteller wechselt den Materiallieferanten Die Fehlerbilder sehen weiterhin gleich aus haben aber plötzlich andere Ursachen.

00:01:25: Was die KI bisher gelernt hat, passt dann möglicherweise gar nicht mehr.

00:01:30: Das Türkische daran?

00:01:31: Man merkt es der KI nicht unbedingt an!

00:01:33: Sie arbeitet einfach weiter und liefert weitere Ergebnisse – nur sind diese Ergebnisse eben womöglich nicht mehr korrekt.

00:01:40: Eigentlich sind solche Prozesse Qualitätsmanagern vertraut, schließlich wird Qualität längst als Prozess verstanden und nicht als ein Zustand den man einmal erreicht hat und abhaken kann.

00:01:50: Qualität muss kontinuierlich überprüft gesichert und verbessert werden Und das gilt für Produkte und Prozesse ebenso wie für KI.

00:01:58: Wie Unternehmen ganz konkret mit Model Drift umgehen können, zeigt Arthur Highton einen Fachbeitrag in der QZ den wir etwas später an diesem Podcast nochmal genauer besprechen.

00:02:06: Und damit herzlich willkommen bei FaktorQ – dem Qualitätspodcast der Qz!

00:02:10: Mein Name ist Simon Tischer und wir machen jetzt weiter mit den Quality News.

00:02:19: Wir beginnen unsere aktuellen Meldungen mit einem Blick nach Berlin.

00:02:23: Dort fand Ende September die Peak Avenue Conference, zwanzig sechsundzwanzig mit rund dreihundertfünfzig Teilnehmern statt.

00:02:30: Das Softwarehaus aus Lübeck, das unter anderem die Lösungen von AAPIS, EQS, Isograph, Oseno und Plateau unter seinem Dach vereint präsentierte seinen Ansatz eines sogenannten Enhanced Quality Management Systems – kurz EQMS.

00:02:44: Die Idee dahinter Entwicklung, Qualität, Produktsicherheit und die Lieferkette werden nicht länger isoliert betrachtet.

00:02:52: Das System verbindet Methodendaten und Prozesse über den gesamten Produkt lebenszyklus Miteinander.

00:02:58: Eine gemeinsame Datenbasis, verknüpfte Arbeitsabläufe und KI-Unterstützung sollen die Zusammenarbeit erleichtern.

00:03:05: Besonders deutlich wurde dieser Ansatz bei der Weiterentwicklung der FMEA.

00:03:09: Die etablierte Methode soll künftig noch stärker in übergreifende Entwicklungs- und Qualitätsprozesse eingebunden werden.

00:03:17: Unsere zweite Meldung führt uns in die optische Qualitätzicherung.

00:03:20: Bei kamerabasierten Prüf- und Sortieranlagen werden je nach Bauteile im Prüfenmerkmal bis zu dreißig Prozent einwandfreie Teile fälschlicherweise aussortiert.

00:03:31: Dieser sogenannte Pseudoausschuss muss anschließend erneut geprüft werden, das kostet Zeit und Geld.

00:03:36: Im Forschungsprojekt Kimipar entwickelt das Fraunhofer IMS gemeinsam mit ScamTech und SDC Control deshalb eine nachrüstbare HKI Plattform.

00:03:46: Diese soll zwischen Einwandfreien teilen Tatsächlich im Ausschuss um Pseudo-Ausschuss unterscheiden und gleichzeitig mögliche Ursachen für viel Bewertung erkennen.

00:03:55: Dazu gehören beispielsweise Verschmutzungen, ungünstige Beleuchtung oder Prozessabweichungen.

00:04:01: Das Besondere daran die KI soll direkt an der Anlage lernen und das ohne Produktionsdaten in eine Cloud zu übertragen.

00:04:09: Mitarbeiter können falsch aussitierte Teile kennzeichnen und so ihr Erfahrungswissen in das Training einbringen.

00:04:15: Die Projektpartner streben eine Klassifizierungsgenauigkeit von mindestens neunzig Prozent und eine Produktivitätssteigerung von bis zu fünfundzwanzig Prozent an.

00:04:24: Ob diese Ziele erreicht werden, müssen die kommenden Praxistests zeigen.

00:04:33: Eingangs ging es in diesem Podcast bereits um Model Drift und die Frage wie Unternehmen die Qualität ihrer KI-Systeme dauerhaft sicherstellen können?

00:04:42: Arthur Hyde beschreibt in seinem Fachartikel, warum die eigentliche Qualitätsarbeit bei künstlicher Intelligenz nicht mit den Go Live endet.

00:04:50: Sein Beispiel Ein Unternehmen nutzt KI und Kunden-Reklamationen automatisch zu klassifizieren.

00:04:56: Anfangs funktioniert es auch sehr zuverlässig doch dann kommen neue Produkte hinzu Fehlerkategorien verändern sich und Kunden formulieren ihre Beschwerden anders.

00:05:05: Die Zahl der Fehlerzuordnungen steigt.

00:05:07: Technisch läuft das System weiterhin einwandfrei, aber die fachliche Qualität nimmt ab.

00:05:13: Heid empfiehlt deshalb KI-Qualität aus drei Perspektiven zu betrachten.

00:05:18: Läuft das System technisch stabil?

00:05:20: Liefert es fachlich korrekte Ergebnisse und bringt es dem Unternehmen tatsächlich noch den erwarteten Nutzen?

00:05:26: Gerade der dritte Punkt wird häufig unterschätzt – denn wenn Mitarbeiter KI-Ergebnisse immer häufiger korrigieren müssen, verschwinden die erhofften Zeitgewinne schnell auch wieder!

00:05:34: Unternehmen sollten deshalb bereits vor dem produktiven Einsatz klare Qualitätskriterien, Referenzwerte und Verantwortlichkeiten festlegen.

00:05:42: Ebenso wichtig ist ein dokumentiertes Änderungsmanagement denn neue Modelle veränderte Datenquellen oder angepasste Prompts können die Ergebnisse beeinflussen.

00:05:51: Dabei muss die Überwachung zum jeweiligen Risiko passen.

00:05:54: Ein KI-Assistent, der beispielsweise interne Texte zusammenfasst, braucht andere Kontrollen als ein System dessen Ergebnisse unmittelbar in Prüfentscheidungen oder Produktfreigaben einfließen.

00:06:05: Und schließlich müssen Grenzwerte auch Konsequenzen haben!

00:06:08: Wer eine Verschlechterung erkennt muss reagieren – etwa durch Ursachen an der Lüsennachtraining, zusätzliche Kontrollnen oder notfallt sich Abschaltung der Anwendung.

00:06:17: Der entscheidende Gedanke ist also keineswegs neu Qualität entsteht durch einen kontinuierlichen Regelkreis und diesen braucht künftig auch jede produktiv eingesetzte

00:06:30: KI.

00:06:32: In Quality Manufacturing geht es diesmal um ein ungewöhnliches Einsatzgebiet industrieller Bildverarbeitung, nämlich die Käsereifung!

00:06:40: Bei der Käserei gebrüder Baldauf am Allgäu kontrolliert ein mobiler Pflegeroboter die Oberflächen von Käseleiben und übernimmt gleichzeitig deren Pflege.

00:06:48: Entwickelt wurde die Lösung von Automatisierungsspezialisten Eberle gemeinsam mit Loi Anlagenbau.

00:06:53: Die Herausforderung, Käse ist ein Naturprodukt und jeder Leib sieht anders aus.

00:06:59: Während der Reifungen verändern sich Farbe- und Oberfläche erheblich.

00:07:02: Manche Käsesorten reifen bis zu vierzehn Monate lang.

00:07:05: Dementsprechend ist es sehr aufwendig Tausende Leibe regelmäßig von Hand auf risse oder unerwünschten Schimmel zu untersuchen.

00:07:13: Der Roboter fährt deshalb durch die Reiferäume, bearbeitet jeweils drei Leibe auf einem Brett und nimmt mit einer Vier-Karf-Habzeilenkamera Bilder auf.

00:07:20: Die Software Halkon von MVTech bereitet diese Bilder auf und wertet sie mithilfe von Deep Learning aus.

00:07:26: Dabei werden Auffälligkeiten auf der Käseoberfläche erkannt und dokumentiert.

00:07:31: Über die Lagerverwaltungsoftware Storage lassen sich die Ergebnisse einzelnen Käseliben zuordnen und jederzeit abrufen.

00:07:38: So kann die Käserreihe frühzeitig reagieren und die Pflege gezielt anpassen, bevor kleine Defekte zur Ausschuss führen.

00:07:44: Die Anlage ist seit Dezember zwanzig vierundzwanzig – also fast zwei Jahre im Einsatz!

00:07:48: Nach Angaben der Beteiligten hat sie die Qualitätskontrolle verbessert, dem Personalaufwand verringert und den Ausschuss reduziert Und gleichzeitig entsteht eine digitale Datenbasis mit der sich der Reifeprozess auch langfristig analysieren und optimieren lässt.

00:08:02: Künftig soll die KI weitere Käsesorten und Reife gerade automatisch bewerten können.

00:08:07: Ich finde, das ist ein ganz anschauliches Beispiel dafür wie industrielle Bildverarbeitung auch in der Lebensmittelproduktion Qualität und Ressourceneffizienz verbessern kann.

00:08:23: In unserer Rubrik Quality Minds kommen Menschen zu Wort die dieses Qualitätsmanagement gestalten.

00:08:28: Diesmal ist es Alexander Brockhaus Mitglied im Leitungsteam der DGQ Youngstars und Gruppenleiter in der Warn-Eingangs-und Wagenausgangsprüfungen eines Industriebetriebs.

00:08:37: Brockhaus hat seine berufliche Laufbahn als Zersparnungsmechaniker begonnen.

00:08:41: Seine Botschaft ist deshalb klar, Qualität entsteht nicht am Schreibtisch sondern dort wo die Dinge tatsächlich passieren.

00:08:47: Das Qualitätsmanagement zu Brockhaus muss verständlich kommunizieren bei Jahren abbauen und praktikable Prozesse schaffen statt sich hinter komplizierter Fachsprache zu verstecken.

00:08:56: Künstliche Intelligenz sieht Brockhaus dabei als große Chance.

00:08:59: Sie kann Beschäftigten helfen, ihre Ideen aus der Praxis verständlich zu formulieren und weiterzugeben – auch wenn ihnen das verschriftlichen schwerfällt.

00:09:06: Denn das größte Verbesserungspotenzial legt häufig bei den Menschen die täglich in den Prozessen arbeiten!

00:09:11: Und zum Abschluss kommen wir wieder zu einem Veranstaltungstip für sie.

00:09:25: von durchgängiger Softwaresteuerung bis zur KI-gestützten Inspektion.

00:09:30: Experten von Quality Miners, SAP, Consens und FarboSoft Approved zeigen ihnen wie moderne QM-Software für netzte Prüfsysteme KI und digitale Dokumentenlenkung zusammenspielen können.

00:09:41: Im Mittelpunkt stehen geschlossene Qualitätsregelkreise der verantwortliche Einsatz von KI und die Frage Wie sich Dokumente effizient und auditsicher verwalten lassen?

00:09:50: Im Anschluss an die Vorträge können sie den Referenten jeweils ihre Fragen stellen.

00:09:54: Die Teilnahme ist kostenlos, eine Anmeldung aber erforderlich.

00:09:58: Alle registrierten Teilnehmer erhalten anschließend eine Aufzeichnung – auch dann wenn sie es selbst nicht live ins Webinar geschafft haben!

00:10:06: Also im Zweifelsfall lieber anmelden!

00:10:08: Die Möglichkeit zur Anmeltung und alle weiteren Links finden Sie in den Show-Nords und auf qz-online.de.

00:10:14: Abonnieren Sie unseren Podcast damit Sie keine Folge verpassen, schreiben Sie uns Ihre Meinung und lassen Sie gerne eine fünf Sterne Bewertung da Wir hören uns nächste Woche wieder.

00:10:22: Ihr Simon Tische.

00:10:24: Das war Faktor Q. Ein kompakter Wochenrückblick für die Qualitätswelt, direkt aus der Redaktion des Fachmediums QZ.