Mit Data Science die Ressourceneffizienz steigern

Steigende Preise, Ressourcenknappheiten, Fachkräftemangel und Klimakrise: Unternehmen ringen derzeit mit vielen Problemen. Data Science kann durch Optimierung und Automatisierung die Ressourceneffizienz steigern und so ein Teil der Lösung sein.

Mit Data Science die Ressourceneffizienz steigern

Steigende Preise, Ressourcenknappheiten, Fachkräftemangel und Klimakrise: Unternehmen ringen derzeit mit vielen Problemen. Data Science kann durch Optimierung und Automatisierung die Ressourceneffizienz steigern und so ein Teil der Lösung sein.

Mit Ressourceneffizienz Probleme lösen

Unternehmen haben derzeit mit vielen Krisen und Problemen zu kämpfen. Die Coronavirus Pandemie hat viele Bereiche zum Stocken, teilweise für eine Zeit lang sogar komplett zum Erliegen gebracht. Noch immer gibt es Lieferengpässe und Supply Chains sind instabiler und schlechter prognostizierbar als vor der Pandemie. Dazu kommt noch der Krieg in der Ukraine, der Lieferketten zusätzlich unterbricht und zu einem enormen Anstieg von Energiepreisen beigetragen hat. Die aus diesen Krisen resultierende Knappheit an Materialien und die stetig steigenden Preise stellen ungemeine Herausforderungen für Unternehmen dar, die von den Unternehmen selbst kaum beeinflussbar sind. Hinzu kommen noch der durch den demografischen Wandel getriebene Fachkräftemangel und die Klimakrise, welche für Unternehmen weitere Hürden darstellen.

Diese Krisen zeigen die Notwendigkeit auf, dass sich Unternehmen stetig weiterentwickeln müssen. Nicht nur um neue Produkte zu entwickeln, sondern auch um Prozesse zu verbessern und die Resilienz zu erhöhen. Für viele Unternehmen sind Data Science und KI immer noch fernere Zukunftsthemen, deren Nutzen in der Gegenwart noch unersichtlich ist. Doch sie können schon jetzt ein Teil der Lösung für die Probleme von heute sein. Denn datengetriebene Unternehmen haben ein besseres Verständnis von ihren Prozessen und können dies nutzen, um effizienter und erfolgreicher zu agieren. In diesem Artikel stellen wir drei Bereiche vor, in denen Data Science Unternehmen dabei unterstützen kann, durch ein Plus an Effizienz die Herausforderungen dieser Krisen besser zu bestehen.

Materialien effizienter nutzen durch Data Science und KI:

Gerade bei steigenden Materialpreisen oder bei begrenzter Verfügbarkeit von Materialen kommt es darauf an, dass man die verfügbaren Ressourcen optimal ausnutzt. Datengetriebenheit ist für Unternehmen hier von entscheidender Bedeutung. Unternehmen können basierend auf Daten ihre Prozesse und die Bedienung der Maschinen in der Produktion optimieren. Mittels Sensoren kann eine Vielzahl verschiedener Daten über den kompletten Produktionsprozess gesammelt werden. Mithilfe dieser Daten kann ein Modell erstellt werden, welches das Zusammenspiel zwischen Materialeinsatz und der Produktionsqualität analysiert. Diese Erkenntnisse können für die Optimierung der Prozesse und Maschinen genutzt werden. Beispielsweise kann ein Assistenzsystem für die Bedienung der Maschinen entwickelt werden, um die Maschinenkonfigurationen im Hinblick auf die Ressourcenausnutzung zu optimieren.

Maschinen

Weniger Ausschüsse dank Anomalieerkennung und Predictive Maintenance

Die Sensoren können auch dazu benutzt werden, um Qualitätsschwankungen mithilfe von Algorithmen zur Anomalieerkennung früher festzustellen, damit diese schnell behoben werden können. Dadurch können Unternehmen noch eher vermeiden, dass produzierte Waren aufgrund mangelnder Qualität entsorgt werden müssen. Somit können Unternehmen Materialverschwendung durch Ausschuss stärker verhindern. Auch die viel zitierten Predictive-Maintenance-Lösungen zahlen auf die Ausschussverringerung ein. Diese tragen nicht nur zur Produktqualität bei, indem sie Qualitätsmängel beispielsweise durch Maschinenverschleiß vorbeugen, sondern verlängern auch die Lebenszeit der Maschinen. Die Ressource Maschine wird so noch konsequenter ausgenutzt.

Mit belastbaren Prognosen zur optimalen Produktionsmenge

Der durch Prognosen mögliche Blick in die Zukunft ist aber natürlich längst nicht nur im Umfeld industrieller Fertigungsmaschinen gewinnbringend. Eine weitere Anwendungsmöglichkeit ist beispielsweise die Prognose der erwarteten Nachfrage und die darauf basierende Koordination des Wareneinkaufs und der Produktionsmengen. Dies ist insbesondere in Branchen relevant, die mit verderblichen Gütern wie Lebensmitteln arbeiten.

Bäckerei

Nicht umsonst ist die Bäckerei, die datengetrieben die Produktionsmengen für die nächsten Tage plant, ein gern genommenes Data-Science-Beispiel. Gelingt es der Bäckerei basierend auf historischen Verkaufszahlen, Wetterdaten oder anderen Rahmenbedingungen wie Feiertagen die Verkaufsmenge der einzelnen Backwaren vorauszusagen, kann sie ihre Produktion genau darauf ausrichten. Dadurch lassen sich unnötige Produktionskosten für nicht verkaufte Waren genauso wie entgangene Umsätze aufgrund zu geringer Produktionsmengen konsequenter vermeiden. Darüber hinaus lässt sich so auch ein Beitrag für die Verringerung der Lebensmittelverschwendung leisten. Mittels Data Science lassen sich auch Zusammenhänge zwischen Einflussgrößen identifizieren, die bislang unbekannt waren.

Energie effizienter nutzen durch Data Science und KI:

Auch rund um das Thema Energieeffizienz können Data Science und KI Unternehmen dabei unterstützen, Verbräuche zu reduzieren und Kosten zu sparen. Dies ist natürlich gerade bei steigenden Preisen, drohender Knappheit und der angestrebten Energiewende von besonderer Bedeutung. Gebäude, sowohl Fabriken als auch Geschäftsräume, sind ein Bereich, in dem das Potenzial für Energieeffizienz besonders groß ist. Angefangen vom Design können Gebäude hinsichtlich verschiedener Faktoren optimiert werden, beispielsweise um die Verteilung von Wärme und Kälte oder auch die Belüftung zu verbessern und damit Energie einzusparen.

Auch das Layout einer Fabrik kann in Hinsicht auf die logistische und klimatische Anordnung optimiert werden. Energieeinsparungspotenzial gibt es hier bei der Anordnung von unterschiedlich temperierten Teilbereichen innerhalb einer Fabrik. Data Science unterstützt diesbezüglich bei der Bewertung verschiedener Einflussgrößen und daraufhin dann bei der optimalen Anordnung. Vor Allem der optimierte Einsatz und die datengestützte Steuerung von Klimaanlagen, Heizungen und Ventilationssystemen birgt Potenziale zur Energieverbrauchsreduktion. Beispielsweise kann ein intelligenter Regler in Verbindung mit einer KI gestützten Steuerung in einem Lüftungssystem eines Schwimmbads eingesetzt werden. Dabei werden dann durch intelligente Steuerung Faktoren wie Luftfeuchtigkeit und Wärme im gewünschten Bereich gehalten und gleichzeitig Energie gespart.

Lüftungsrohre

Anomalieerkennung um Störungen zu identifizieren

Data Science wird auch dazu eingesetzt, um Energieineffizienzen in Form von Störungen oder fälschlich angelassenen Geräten zu identifizieren. Dazu werden Daten bezüglich des Verbrauchs mithilfe von Sensoren und Smart Metern gesammelt und ausgewertet. Anschließend werden darauf basierend Prognosen des Energieverbrauchs entwickelt und mittels Anomalieerkennung können dann ungewöhnliche Verbräuche gefunden werden, die auf eine Störung zurückgeführt werden können. So können zum Beispiel Leckagen frühzeitiger entdeckt und damit verbundene teure Mehrverbräuche reduziert werden.

Datengetriebene Logistik

Auch in der Logistik gibt es enorme Einsparungspotenziale, die mithilfe von Data Science identifiziert und realisiert werden können. Im Lager kann Data Science helfen, präzise Verbrauchsprognosen beziehungsweise Absatzprognosen zu erstellen, auf deren Basis man dann die Lagerplanung optimieren kann. Häufig gebrauchte Güter sollten dementsprechend leichter zugänglich sein als vorrausichtlich langsamer drehende Produkte, damit die Wege im Lager möglichst effizient sind. Damit verbunden braucht man bei optimierter Lagerplanung weniger Lagerfläche und spart somit weitere Energiekosten für Beheizung oder Kühlung und Beleuchtung.

Lager

Personal effizienter nutzen durch Data Science und KI:

Freiräume schaffen mit KI

Der dritte Bereich, in dem Data Science die Ressourceneffizienz von Unternehmen verbessern kann, bezieht sich auf die ebenfalls knappe Ressource Mensch. Gerade in Zeiten des Fachkräftemangels können Unternehmen von Prozessoptimierungen und Automatisierung profitieren. Data Science kann ein Baustein dafür sein, dass die verfügbaren Fachkräfte in ihrer kostbaren Zeit mehr Wertschöpfendes schaffen können.

Gerade bei Routineaufgaben können datengetriebene Lösungen die Mitarbeitenden entlasten und einige Aufgaben und Prozessschritte übernehmen. Dabei kann Künstliche Intelligenz insbesondere im Zusammenspiel mit menschlichen Fachexperten auch die Qualität der Arbeitsergebnisse steigern. Ein Beispiel dafür, wie so etwas aussehen kann, ist ein Projekt, welches wir für B. Braun umgesetzt haben. Dabei ging es darum, die Mitarbeitenden bei der Prüfung von Eingangsrechnungen zu entlasten, damit diese mehr Freiräume für wertschöpfende Aufgaben haben. Unsere Lösung wertet automatisch die wichtigsten Informationen der Rechnungen aus und leitet diese darauf basierend dann an die richtigen Konten und Kostenstellen weiter. Mitarbeitende müssen nur bei besonders sensiblen Rechnungen selbst eingreifen und diese manuell bearbeiten.

Arbeit erleichtern mit KI

Einige Anwendungsfälle, die oben bereits genannt wurden, steigern natürlich auch die Effizienz der Mitarbeitenden. Assistenzsysteme, zum Beispiel, sorgen dafür, dass Maschinen optimal gesteuert werden. Gleichzeitig erleichtern sie die Steuerung, sodass Mitarbeitende weniger Fachwissen benötigen, um diese zu bedienen, was vor allem bei dem Anlernen von neuem Personal für Entlastung sorgt.

Predictive Maintenance Systeme sorgen dafür, dass Wartungen nur dann durchgeführt werden, wenn es wirklich notwendig ist – die Ressourcen des Wartungsteams werden so effektiver genutzt. Außerdem werden dadurch Komplettausfälle vermieden, die zu einem viel größeren Aufwand und hohen Ausfallkosten führen würden. Predictive Maintenance spart also auf zwei Weisen Zeit.

Wertvolle Zeit sparen im Gesundheitswesen

CT-Untersuchung

Auch im Gesundheitswesen gibt es Anwendungsmöglichkeiten von Data Science, die dem medizinischen Personal dabei helfen, schnellere Entscheidungen zu treffen und effizienter zu arbeiten. KI kann beispielsweise zur Mustererkennung während der automatisierten Bildanalyse eingesetzt werden, um Tumore auf CT-Scans zu identifizieren. Ein weiteres Beispiel, ist der Einsatz von digitalen Zwillingen in der Therapieermittlung. Dabei wird eine digitale Repräsentation eines Patienten erstellt, an der verschiedene Szenarien von Therapieansätzen durchgespielt werden können. Dies erhöht die Chancen, dass die erste Therapie auch gleich die richtige ist und erspart Ärzten mehrere Anläufe. Somit sparen Ärzte wertvolle Zeit und können mehr Patienten behandeln.

Data Science bietet also in verschiedenen Bereichen Möglichkeiten die Ressourceneffizienz zu verbessern. Somit kann Data Science dabei helfen, die negativen Effekte der aktuellen und zukünftigen Krisen zu reduzieren.

Wir sind Ihr Ansprechpartner

Wollen Sie ressourceneffizienter werden? Machen Sie jetzt einen Termin für einen Data Science Use Case Workshop, in dem wir gemeinsam mit Ihnen Anwendungsfälle zur Ressourcenoptimierung identifizieren. Sie haben bereits Ideen, wie Sie mithilfe von Data Science Ressourcen besser einsetzen können? Wir unterstützen Sie bei der Projektrealisierung.

Kontaktformular