KI-Anwendungsprojekt

KI-gestützte Datenanalyse zur Prozesszeitenermittlung

Projektziele

Umsetzung eines Digitalisierungsprojektes in den Bereichen „Vertrieb“, „Datenmanagement“, „Produktion“ und „Prozesse“ mit dem Ziel der Erhöhung/Steigerung/Optimierung der Entscheidungsqualität , von Prozessen und des Informationsflusses (Qualität, Verfügbarkeit, Transparenz).

Ergebnis des Projektes

Das Projekt ermöglichte präzisere Prozessanalysen bei Herges; die App erhöhte die Datenqualität und zeigte signifikant geringere Abweichungen. Das KI-Modell schätzte Prozesszeiten deutlich genauer als Experten. Die Lösungen sollen weiter genutzt werden.

Top Erkenntnisse aus dem Projekt

Die Datenqualität kann durch die Messung mittels einer App deutlich gesteigert werden.

Die Schätzung mit KI Modellen übertrifft Expertenschätzungen.

Die Nebenzeiten wurden stark überschätzt.

Ausgangslage

	Vertrieb	Produktion	Datenmanagement	Prozesse
Es lagen zu wenig Informationen vor im Bereich	✔	✔
Die Datenauswertung war wenig bis gar nicht möglich im Bereich	✔		✔
Die Effizienzsteigerungspotenziale wurden nicht ausgeschöpft im Bereich	✔	✔
Die Arbeitsweisen mussten überdacht werden im Bereich		✔		✔

Zentrale Fragestellungen im Projekt

Wie kann die Prozessdauer möglichst zuverlässig und dennoch einfach erhoben werden?

Kann die Prozessdauer mit Hilfe eines KI-Modells zuverlässig vorhergesagt werden?

Kann das Unternehmen das KI-Modell auch nach Projektende selbstständig verbessern?

Unternehmensbeschreibung

Name: HERGES Stahl- und Blechbau GmbH
Adresse: Otto-Kaiser-Str. 6, 66386 St. Ingbert
Umsatz pro Jahr: 2,5 - 10 Mio. €
Branche: Handwerk

Gründungszeitraum: Vor mehr als 50 Jahren
Beschäftigtenzahl: 50 - 249
Unternehmensangebot: Produkte

Unternehmer*innen Zitat zum Projekt:

Daniel Krauser

Assistent der Geschäftsführung

„Die Expertise der Mitarbeiter des Mittelstand-Digital Zentrums Saarbrücken sowohl in der Modellierung eines Zeiterfassungssystems zur Integration als auch in der Weiterverarbeitung der Daten mittels KI hat bei uns zu zusätzlichen Blickwinkeln geführt. Aufbauend hierauf können weitere Optimierungen vorangetrieben werden.“

Projektbewertung aus Unternehmenssicht:

Das Projekt hat dazu beigetragen das unser Unternehmen für die Zukunft gerüstet ist.

Mit dem Projektergebnis sind Sie zufrieden.

Unsere Erwartungen an das Projekt wurden erfüllt.

Sie würden die Projektumsetzer weiterempfehlen.

Projektdetails

Zeitrahmen und Ausgangslage
4.9.2024 - 24.6.2025
Seit über 80 Jahren steht die Herges Stahl- und Blechbau GmbH in St. Ingbert für handwerkliche Präzision und unternehmerische Kontinuität. Als traditionsreiches Familienunternehmen hat sich Herges auf die Herstellung von geschweißten Stahl- und Blechkonstruktionen zur Weiterverarbeitung in der Industrie spezialisiert. Herges zählt zur Branche des Sondermaschinenbaus und bietet kundenspezifische Sonderlösungen – zumeist Unikate – an, die entsprechend der Kundenwünsche kalkuliert, geplant, konstruiert sowie produziert werden. Dabei werden interne Kosten zur Kalkulation von Kundenanfragen für die Angebotserstellung häufig gar nicht oder nur teilweise in Rechnung gestellt. Unternehmen sind daher an einer schnellen, aber zugleich präzisen Kalkulation interessiert – eine Anforderung, die in der Praxis herausfordernd ist. Die Angebotserstellung ist ein wesentlicher Treiber bei der Projektakquise und -abwicklung. Eine zu optimistische Kalkulation führt zu niedrigen Preisen und gefährdet die Wirtschaftlichkeit des Projekts. Umgekehrt riskiert das Unternehmen bei zu hohen Angeboten, im Wettbewerb zu unterliegen und potenzielle Kunden zu verlieren. Aktuell werden zur Angebotskalkulation vor allem Mitarbeiter-, Maschinen- und Materialkosten berücksichtigt. Dabei besteht die im Sondermaschinenbau oft vorkommende Problematik, dass bei der großen Auftragsvariabilität die Dauer von Prozessen und somit Fertigungskosten oft mittels Expertenwissens und einfacher Kalkulationshilfsmittel geschätzt werden und zur nachfolgenden Herausforderung für Herges führt: 1. Präzision: Wie können Mitarbeiter- und Maschinenkosten besser prognostiziert werden, um die Ungenauigkeit bei der Kalkulation und damit wirtschaftliche Risiken zu minimieren? 2. Zeitaufwand: Wie lässt sich der notwendige Aufwand zur Erstellung präziser Angebote reduzieren, ohne die Qualität zu beeinträchtigen? Im Fall Herges wurden zunächst erste Eigenversuche unternommen. Mangels digitaler Zeiterfassung erfolgte eine manuelle Erfassung der Fertigungszeiten wiederkehrender Bauteile, um die Fertigungsdauer besser beurteilen zu können. Eine Erstauswertung zeigte bei den Daten aber Abweichungen von bis zu 30 Minuten bei identischen Bauteilen, wodurch die manuell erfassten Fertigungszeiten wenig Aussagekraft hatten.
Projektziele
Das Projekt orientierte sich zur genaueren Bestimmung der Fertigungskosten sowie zur Minimierung des Zeitaufwands auf zwei Meilensteine: (a) Der erste Schritt zielt auf die systematische Erfassung von Fertigungszeiten ab, um eine fundierte Datengrundlage zu schaffen und (b) darauf basierend die KI-basierte Vorhersage von Fertigungszeiten und davon abgeleiteten Kosten (insb. zur Verwendung in der Angebotskalkulation) zuverlässig zu bestimmen und damit Herges langfristig in die Lage zu versetzen, Angebote präzise, wettbewerbsfähig und wirtschaftlich sicher zu kalkulieren. Aufgrund der Komplexität von Sonderanlagen und zur Entwicklung sowie Validierung einer ersten Lösung konzentrierte sich das Unterstützungsprojekt des EDIH Saarland auf den Walzprozess von Blechen. Mit einem skalierbaren Konzept sollte die Grundlage geschaffen werden, künftig auch weitere Produktionsbereiche in die Kalkulation einzubinden. Zunächst wurde zum Erreichen von Ziel (a) eine zuverlässige Methode entwickelt, um die Dauer der einzelnen Arbeitsschritte im Walzprozess präzise zu bestimmen. Dafür wurde der Ablauf des Walzprozesses systematisch analysiert und in einzelne Teilschritte wie etwa das Entnehmen des Blechs aus dem Lager oder das Starten der Walze gegliedert. Auf diese Weise konnten vergleichbare Daten gewonnen und die relevanten Einflussfaktoren identifiziert werden, die die Dauer der einzelnen Schritte bestimmen. Im nächsten Schritt ging es darum, eine geeignete Methode zu finden, mit der die Prozesszeiten gemessen werden konnten. Die Entscheidung fiel schließlich auf eine digitale App-Lösung. Um die Mitarbeiterakzeptanz zu maximieren, wurde mittels „Keyscreens“ ein Prototyp erstellt und in enger Zusammenarbeit mit den Mitarbeitenden Schritt für Schritt angepasst und geschult. In der entwickelten APP erfolgt eine Verknüpfung der Prozesszeiten mit dem Fertigungsauftrag und die Ergebnisse werden in einer Datenbank hinterlegt. Die erhobenen Daten wurden in der Umsetzung von Ziel (b) für die Entwicklung eines KI-Modells verwendet, das zukünftig auf Basis von bekannten Parametern des Fertigungsauftrags die Prozesszeiten robust vorhersagen soll. Eine weitere wichtige Randbedingung von Herges war es, das Modell selbst trainieren zu können und Vorhersagen schnell und unkompliziert abzurufen zu können.

Projektziele
Vorgehensweise
Die Ergebnisse des Projektes gliedern sich in drei Teilgebiete Zeiterfassungssystem, Datenanalyse und KI-Angebotskalkulationstool auf: Das Zeiterfassungssystem selbst wurde bewusst schlank und modular konzipiert – mit klarem Fokus auf Benutzerfreundlichkeit, nur geringfügiger Eingriff in den Fertigungsprozess des Mitarbeiters und Anpassungsfähigkeit – Die App fordert die Prozesskette (z.B. die Schritte des Walzprozesses) erst bei Bedarf vom Server an. Die Prozessketten liegen als editierbare JSON-Datei vor. Dadurch lassen sich neue Abläufe ohne Programmierkenntnisse ergänzen. Die Lösung ist damit nicht nur für den Walzprozess, sondern auch für andere Produktionsbereiche zukünftig nutzbar. Um zu verstehen, welche Blechparameter (Durchmesser, Breite, Dicke) den größten Einfluss hat, wurde eine Datenanalyse mit überraschender Erkenntnis durchgeführt: Nur die Blechdicke zeigte eine nennenswerte Korrelation mit den Prozesszeiten. Andere Faktoren wie Rohrdurchmesser oder Blechdicke spielten kaum eine Rolle. Dies führt zur Schlussfolgerung, dass komplexere Zusammenhänge (multivariate Abhängigkeiten), die sich nicht durch einfache Einzelanalysen erklären lassen ausschlaggebend sind, ein Indiz dafür, dass die Nutzung eines KI-Modells hier der richtige Ansatz ist. Basis der Erstellung des Modells war die geschaffene Datengrundlage an Aufträgen und verknüpften Prozesszeiten inkl. den Fertigungszeiten, Sonderoperationen und Blechparameter. Wesentliches Ziel war die Abweichung der KI-Schätzungen von den zu Testzwecken vorgehaltenen Daten zu minimieren. Während der Entwicklungs- und Testphase wurde dies mit dem Root Mean Squared Error (RMSE) gemessen – einem Standardverfahren, um die Genauigkeit des Modells zu bewerten. Folgende Messergebnisse waren zu beobachten: • Abweichung bei der Gesamtprozesszeit (inkl. Nebentätigkeiten wie Transport): RMSE = 4,54 Minuten (entspricht 15,2 % Abweichung von der realen Fertigungszeit). • Abweichung bei der reinen Walzzeit (ohne Nebentätigkeiten): RMSE = 3,81 Minuten (entspricht 16,5 % Abweichung von der realen Fertigungszeit). Um die Qualität des Modells zu überprüfen, wurden die KI-Vorhersagen mit Schätzungen erfahrener Mitarbeitender verglichen. Die Messergebnisse bei den Experten zeigten sich wie folgt: • Abweichung bei der Gesamtprozesszeit (inkl. Nebentätigkeiten wie Transport): durchschnittlich 24,27 Minuten (entspricht 72,6% Abweichung von der realen Fertigungszeit) • Abweichung bei der reinen Walzzeit (ohne Nebentätigkeiten): durchschnittlich 8,55 Minuten (entspricht 39,0% Abweichung von der realen Fertigungszeit) Dies zeigte zum einen, dass das KI-Modell bei der Schätzung der Gesamtzeit um den Faktor 5 näher an der Realität lag als die Experten von Herges, zum anderen in Bezug auf die reine Walzzeit immerhin noch doppelt so präzise war wie die manuellen Schätzungen. Eine Erklärung ist, dass die Experten vor allem die Nebentätigkeiten (z. B. Transportzeiten) aufgrund von subjektiven Erfahrungen überschätzen, während die KI objektive Muster erkannte. Das trainierte KI-Modell wurde in ein praktisches und alltagstaugliches Tool für Herges überführt. Funktionen umfassen den Forecast der Mitarbeiter- und Maschinenzeiten für Bleche jeglicher Abmessung – basierend auf dem aktuellen Modell. Auf Basis verschiedener Eingangsparameter wie Rohrdurchmesser, Blechbreite und -dicke können sich Mitarbeiter für die Angebotskalkulation die erforderlichen Fertigungszeiten bestimmen lassen und somit die Kosten ableiten. Durch die Fortführung der Datenerhebung neuer Fertigungsaufträge wird das Modell in regelmäßigen Abständen optimiert. Um die Zuverlässigkeit der Vorhersagen zu gewährleisten, kombiniert das Tool KI mit menschlicher Expertise, d.h. zu jeder Vorhersage werden die 10 ähnlichsten Bleche aus der Datenbank angezeigt – inklusive ihrer tatsächlich gemessenen Zeiten. Das unterstützt den Mitarbeiter bei der Plausibilitätsprüfung des KI-Ergebnisses. Als Maß für die Ähnlichkeit dient die euklidische Distanz zwischen den Blechmaßen. So können die Mitarbeitenden Abweichungen sofort erkennen und die KI-Schätzung bei Bedarf manuell anpassen. Zudem bietet das Tool die Möglichkeit, das Modell mit neuen Daten neu zu trainieren. Herges kann damit Fehler korrigieren und die Genauigkeit weiter steigern, neue Einflussfaktoren (z. B. Materialeigenschaften) einbeziehen sowie das System langfristig an veränderte Produktionsbedingungen anpassen.
Ergebnisse
Das Projekt brachte mehrere Teilergebnisse, die Herges nachhaltig stärken: Zum einen kann Herges nun Fertigungszeiten deutlich genauer erfassen und auswerten, das wiederum die Mitarbeiter zu einer genaueren und zeitsparenderen Kalkulation zur Angebotserstellung befähigt. Zum anderen ist die entwickelte App nicht nur auf den Walzprozess beschränkt, sondern lässt sich auf weitere Produktionsschritte wie Schweißen oder Montage übertragen. Herges wurde damit befähigt die gesamte Produktion – von der Anlieferung bis zum Versand – digital abbilden und optimieren zu können. Dazu übertrifft das KI-Modell die herkömmliche Expertenschätzung: Bei Betrachtung des Gesamtprozesses (inkl. Nebenzeiten) liegt der Fehler der KI-Schätzung deutlich unter dem der manuellen Schätzungen. Auch beim reinen Walzprozess (ohne Nebenzeiten) ist die KI deutlich präziser als die Experten. Herges kann nun mit dem kombinierten Tool aus KI-Vorhersage und Zeiterfassung fundiertere Kostenentscheidungen bei der Angebotserstellung treffen. Letztlich ist nach Aussage des Unternehmens die Lösung kein kurzlebiges Experiment, sondern fester Bestandteil der Produktion sowie Angebotserstellung und Garant für die Sicherung der Datenqualität mit Blick auf die Fertigungsdauer. Zudem wird die App aktiv und reibungslos von der Belegschaft genutzt – ein Zeichen für die gelungene Integration in den Arbeitsalltag. Herges möchte auch zukünftig das System einsetzen, um die Datenbasis weiter auszubauen und die KI-Schätzungen zu präzisieren. Das KI-Tool zur Schätzung der Fertigungszeiten befindet sich aktuell noch in der Erprobung. Doch muss auch gesagt sein, dass „datenhungrige“ Projekte, wie hier vorgestellt, im Unternehmen mit entsprechenden Strukturen und Prozessen von allen Beteiligten gelebt sein müssen. Trotz einem reibungslosen Ablauf zum Projektende, gab es während der Projektlaufzeit immer wieder menschgemachte Stolpersteine, die die Datenerhebung erschwert und das Projekt in die Länge zieht. Ebenfalls ist eine fundierte Datenanalyse und KI-Modell nur effizient, wenn die Datengrundlage entsprechend stimmt.

Ergebnisse
Mögliche Hard- und Softwareprodukte und Methoden
Hardware

Server: Raspberry Pi, Odroid, Rock Pi 4

Software

Programmierung: Kotlin, Python, Java

Methoden

Mock-Up,

Ist-Analyse,

Soll-Konzeption,

Expert*innen-Interviews