Ford hat seine erfahrenen Ingenieure zurückgezogen, weil ihre KI nicht in die Qualitätskontrolle passte.

Die Ford Motor Company hat kürzlich ihre Abhängigkeit von künstlicher Intelligenz (KI) in Qualitätskontrollprozessen rückgängig gemacht und sich dafür entschieden, erfahrene Ingenieure zurückzubringen, die zuvor das Unternehmen verlassen hatten. Diese Entscheidung erfolgte, nachdem interne Bewertungen ergeben hatten, dass KI-Systeme nicht in der Lage waren, die Expertise und Erfahrung dieser erfahrenen Fachleute zu erreichen.

Die Führung des Unternehmens erkannte an, dass automatisierte Systeme bestimmte Mängel aufwiesen, die mit menschlichem Fachwissen ausgeglichen werden mussten. In den letzten Jahren wurden mehr als 300 erfahrene Qualitätsinspektoren wieder eingestellt, um diese Lücken zu schließen. Charles Poon, Ford's Vizepräsident für Automobil-Hardware-Engineering, betonte, dass KI zwar ein leistungsfähiges Werkzeug sein kann, ihre Wirksamkeit jedoch stark von der Qualität der zur Ausbildung verwendeten Daten abhängt. Er stellte fest, dass der Nutzung des Wissens von Ingenieuren, die zahlreiche Produktentwicklungszyklen durchlaufen hatten, nicht genügend Aufmerksamkeit geschenkt wurde.

Ford zählt zu den Unternehmen, die versuchen, das wachsende Interesse an KI zu nutzen. Jim Farley, CEO des Unternehmens, erwähnte in einem früheren Interview, dass KI potenziell viele Rollen ersetzen könnte, die derzeit von intellektuellen Mitarbeitern gehalten werden. Der Betriebsleiter des Unternehmens, Kumar Galhotra, erklärte, dass Ford darauf abzielt, KI in seine gesamten industriellen Operationen zu integrieren. Als Teil dieser Initiative installierte das Unternehmen über 900 KI-betriebene Kameras in seinen Fabriken, um Qualitätsprobleme während der Produktion zu erkennen und Störungen in der Lieferkette zu verhindern.

Poon gab zu, dass es einen falschen Glauben gab, dass die einfache Implementierung von KI und die Eingabe bestehender Konstruktionsanforderungen ausreichen würde, um qualitativ hochwertige Produkte herzustellen. Er wies darauf hin, dass den automatisierten Systemen das Wissen und die Expertise fehlte, die Ingenieure mit jahrzehntelanger Erfahrung besitzen. Viele dieser qualifizierten Fachleute hatten das Unternehmen bereits verlassen, bevor ihr gesammeltes Wissen in der Entwicklung von KI-gestützten Systemen genutzt werden konnte.

Als Reaktion darauf hat Ford begonnen, diese Mitarbeiter wieder einzustellen, um ihre KI-Systeme zu trainieren und jüngere Mitarbeiter zu betreuen. Poon betonte, wie wichtig es ist, sicherzustellen, dass die erfahrensten Fachleute die Entwicklung von fortgeschrittener Automatisierung, maschinellem Lernen und KI-Tools leiten. Dieser Schritt kommt, als Ford seine Top-Leistung in der JD Power Initial Quality Study unter den Mainstream-Automobilherstellern in den Vereinigten Staaten ankündigte. In einer Erklärung stellte das Unternehmen fest, dass das Erreichen außergewöhnlicher Qualität eine erhebliche berufliche Erneuerung erforderte, die den Austausch mehrerer leitender Angestellter und die Einstellung von fast 300 erfahrenen Ingenieuren beinhaltete.

Die Integration von KI in Fertigungsprozesse stellt einen breiteren Trend innerhalb der Automobilindustrie dar, in dem Unternehmen versuchen, technologische Innovationen mit traditionellem Know-how in Einklang zu bringen.

Diese Verschiebung unterstreicht die Herausforderungen, mit denen Branchen konfrontiert sind, die versuchen, neue Technologien zu übernehmen, ohne den Wert des menschlichen Fachwissens vollständig zu berücksichtigen. Für Ford unterstreicht die Wiedereingliederung von Veteraneningenieuren sowohl die Einschränkungen der aktuellen KI-Fähigkeiten als auch den anhaltenden Bedarf an menschlicher Einsicht in kritischen Produktionsbereichen.

Im Hinblick auf die Zukunft können die Bemühungen von Ford, seine KI-Systeme mit menschlichem Fachwissen zu verbessern, als Vorbild für andere Hersteller dienen, die ähnliche Übergänge durchlaufen. Die Anerkennung der früheren Fehleinschätzungen des Unternehmens in Bezug auf das Potenzial der KI deutet auf eine Bereitschaft hin, sich an die realen Anwendungen anzupassen und daraus zu lernen.