Die Digitalisierung sowie KI (Künstliche Intelligenz) und Maschinelles Lernen sind in aller Munde.

Diese Technologien dominieren, zumindest in den Industrieländern, die Entwicklungen und Arbeitsweisen sowohl im privaten Umfeld als auch in Unternehmen.

Sie versprechen hoch effiziente und effektive Arbeitsprozesse sowie eine gesteigerte Leistungsfähigkeit. Qualität ist dabei das zentrale Element jedes Leistungsprozesses und dessen Ergebnisse. Unter diesem Gesichtspunkt bedeutet dies, dass Leistungskennzahlen und Output-Merkmale bestimmte, vordefinierte Anforderungen und Erwartungen erfüllen müssen.

Durch den Einsatz dieser Technologien sind die meisten Anwender (privaten sowie in Unternehmen) der Meinung, dass die Qualität ihrer Arbeit und deren Ergebnisse mehr denn je gewährleistet ist. Ein häufig diskutiertes Konzept in diesem Kontext ist die präventive Wartung (Preventive Maintenance), die es den Anlagen ermöglicht, Fehler zu erkennen, bevor sie auftreten, sodass zuständige Personen proaktiv eingreifen können. Dies ist sicherlich ein wichtiger Aspekt, jedoch nicht ausreichend, um die komplexe Thematik der Qualität in Gänze zu adressieren.

Wir, bei Faycestar®-Engineering, vertreten die Ansicht, dass die Digitalisierung und verwandte technologischen Entwicklungen wie KI und IoT uns vor neue, bedeutende Herausforderungen in Bezug auf die Fehlervermeidung stellen. Die Betrachtung umfasst dabei gesamte Systeme, die zur Realisierung von Leistungen und deren Ergebnissen herangezogen werden. Diese Technologien führen bspw. und u.a. neue Parameter in unsere Prozesse ein und erfordern zusätzliche Investitionen, die verwaltet und stetig optimiert werden müssen. Die Fehlervermeidung wird mit diesen Technologien somit zunehmend anspruchsvoller.

Menschen, die mit diesen Systemen arbeiten, müssen sorgfältig geschult werden, um potenzielle Fehler zu vermeiden. Nehmen wir als Beispiel eine digitalisierte Maschine, die mit Einrichtungen für präventive Wartung ausgestattet ist. Es wird schnell deutlich, dass die Bedienung dieser Maschinen komplexer ist, da bestimmte „Qualitätskriterien“ (nicht nur Produkt bezogen) eingehalten werden müssen. Bspw. die Effizienz muss detailliert analysiert werden, da der Energieverbrauch höher und interne Parameter der Maschine weiterhin von variablen Größen (Steuer- und Störgröße des Systems) beeinflusst werden, die wir aufgrund unseres großen Vertrauens in diese Technologien tendenziell ignorieren, was die Situation verkompliziert.

Daher bedeuten Digitalisierung und KI-Systeme nicht automatisch eine verbesserte Leistungs- oder Produktqualität. Es bedarf einer intensiveren Qualitätsarbeit, um effektiv und effizient zu arbeiten. Fehlervermeidungsstrategien, Prozessorientierung und kontinuierliche Verbesserungen müssen Hand in Hand mit der Digitalisierung und KI systematisch betrachtet werden, um qualitativ hochwertige Arbeit zu leisten.

Autor: Dipl.-Ing., cert. Six Sigma Black Belt & DGQ Quality System Manager Celestin Fayet