Ein Mitarbeiter in einem grünen Siemens-Anzug sitzt an einem Schreibtisch und arbeitet am Computer in einer industriellen Umgebung.

Siemens: AI Demand Prediction Plattform für die industrielle Produktionsplanung

Projektdauer: seit Februar 2022

siemens
HomeReferenzenSiemens: AI Demand Prediction Plattform für die industrielle Produktionsplanung
Technologien

Azure Machine Learning, Azure Functions App, Azure Database for PostgreSQL, Azure Monitor
Python: Pandas, FastAPI, Standard ML-Libraries, Opentelemetry, deepchecks, poetry, Code-quality tools, Grafana, PowerBI, GitlabCI, Docker

Methoden

Kanban, CRISP-ML (Q)

Team

Data Scientisten und Software Engineers

Machine Learning für die Zeitserien-Vorhersage

Lagerkosten sind für ein Industrieunternehmen wie Siemens ein hoher Kostenfaktor in der Produktion. Einen Weg, diese zu optimieren, soll die AI Demand Prediction Plattform eröffnen, über die sich die künftige Nachfrage nach den Produkten vorhersagen lässt.

Für Siemens entwickeln wir ein Machine-Learning-System für die Zeitserien-Vorhersage (Timeseries Forecasting) in der Produktionsplanung. Künftig sollen Produktionsplaner:innen in den Werken diese Plattform als Self Service benutzen.

Ziel war es, in einem ersten Werk für zunächst 100 unterschiedliche Produkte valide Vorhersagen treffen zu können. Funktioniert das, soll Schritt für Schritt die gesamte Produkt-Palette berücksichtigt und schließlich weitere Werke des Konzerns aufgegleist werden.

  • Ein langer Flur mit beleuchteten, transparenten Wänden, die grünes Licht reflektieren. Der Boden ist dunkel gefliest.
  • Zwei Personen stehen vor einem großen, weißen technischen Gerät und halten einen Laptop und ein elektronisches Tablet in der Hand.
  • Ein orangefarbener Industrieroboter ist in einem grünen Gehäuse integriert und scheint an einer Produktionsmaschine zu arbeiten.
  • Eine Person in grüner Arbeitskleidung bedient eine Tastatur, die mit einem Computerbildschirm verbunden ist.
  • Eine Person in grüner Arbeitskleidung und gelbem Schutzhelm arbeitet an einer komplexen Maschine in einer industriellen Umgebung.
  • Eine Person in einem grauen Shirt arbeitet konzentriert an einem Laptop in einer modernen technologischen Umgebung.

Unser Vorgehen: Vom Proof of Concept zum Produktivsystem

Wir haben zunächst einen Proof of Concept gebaut, den wir zu einem System erweiterten, das produktiv einsetzbar ist. Für jedes Produkt entwickelten wir ein Trainingsmodell, um die Diversität der Produkte abzubilden. Aus dem technisch und inhaltlich funktionierende System bauen wir die AI Demand Prediction Plattform auf, die künftig als Web-Applikation als Self-Service in den Werken genutzt werden soll.

Ein futuristisches Auto in rasender Bewegung ist umgeben von leuchtenden und dynamischen Lichtstreifen unter einem auffälligen

Unsere Herausforderung: Mehr Speed durch Automated Machine Learning

Die Herausforderung war die große Dimension an Problemstellungen: jedes Produkt ist für sich gesehen eine eigene Zeitserie. Zusätzlich zu starken Unterschieden am Bedarf der einzelnen Produkte können neue Produkte hinzukommen oder bestehende Produkte auslaufen. Da es in diesem Umfeld schwer ist, einen einzelnen Algorithmus auf die Problemstellung zu optimieren, haben wir uns für Automated Machine Learning (AutoML) entschieden.

In der Zwischenzeit wurde ein weiteres Werk in die Plattform integriert. Außerdem wurden Machine Learning Algorithmen, die in den Fachbereichen entwickelt wurden, parallel zu AutoML als mögliche Lösung integriert. Dadurch werden diese Lösungen auch zwischen den Fachbereichen geteilt.

Effizienzsteigerung durch AutoML: Automatisiertes Finden passender ML-Modelle für verschiedene Datensätze

Bei AutoML wird das Experimentieren mit Machine Learning Algorithmen abstrahiert und dadurch beschleunigt. In den meisten Fällen enthalten bestehende AutoML-Lösungen eine Auswahl an verschiedenen ML-Algorithmen und Feature-Engineering-Verfahren, die automatisiert auf den gegebenen Daten getestet werden.
So findet AutoML für jeden Datensatz das passende Modell. Das hatte den Vorteil, dass wir für jedes Produkt das passende Modell finden und auch neue Produkte direkt in die Plattform integrieren können.

Zwei Personen sitzen an einem Tisch mit einem Laptop. Auf dem Tisch steht ein Glas Wasser, im Hintergrund ist eine Backsteinwand mit Pflanzen zu sehen.

Unser Ergebnis: Eine einheitliche und skalierbare Lösung

Dank AutoML haben wir die PoC-Phase des Projekts auf wenige Wochen verkürzt. Wir haben schnell erste und fachliche gute Ergebnisse geliefert. Dadurch haben wir großes Vertrauen auf der Kundenseite gewonnen und Begeisterung für das Projekt geweckt. Das ermöglichte es uns, die angesprochenen Automatisierungsthemen zu bearbeiten und dafür ausreichend Zeit zu bekommen.  
In der Zwischenzeit wurde ein weiteres Werk in die Plattform integriert. Außerdem wurden Machine Learning Algorithmen, die in den Fachbereichen entwickelt wurden, parallel zu AutoML als mögliche Lösung integriert. Dadurch werden diese Lösungen auch zwischen den Fachbereichen geteilt. 

Effiziente Zeitreihenanalyse mit AutoML und individueller Algorithmus-Entwicklung in der Siemens IT-Landschaft

Mit AutoML in Kombination mit den selbst entwickelten Algorithmen werden pro Zeitserie 50 Modelle trainiert und das jeweils Beste daraus für die Vorhersage ausgewählt. Dadurch wird der bestmögliche Algorithmus pro Zeitserie identifiziert und die Vorhersage-Qualität verbessert.

Durch die Einbindung in die IT-Landschaft von Siemens werden neue Modelle automatisiert trainiert, sobald es die Datengrundlage erfordert. Vorhersagen werden direkt in die Datenstrecken der Fachbereiche eingespeist. Die Integration weiterer Werke ist in Planung.

Eine abstrakte Illustration zeigt eine menschliche Figur aus geometrischen Formen in einem Schema aus Rosa und Violett.
Das wichtigste Erfolgskriterium dieses Machine-Learning-Projekts ist eine einheitliche und skalierbare Lösung, die sowohl die Vielfalt unserer Produkte als auch manuell geplante Werke effektiv einbindet. Diese Synergie, maßgeschneidert durch MaibornWolff, zeigt den wahren Wert des Projekts.
Dr. Daniel Patrick Kilian, Senior Key Expert Data Science & AI, Digital Industries IT bei Siemens

Unsere Referenzen & Projekte

Eine Referenz sagt mehr als 1.000 Worte. Zum Glück haben wir davon Dutzende. Klicken Sie sich durch eine Auswahl unserer spannendsten Projekte und überzeugen Sie sich selbst!

  • Ein roter MAN-Lastwagen fährt unter einem klaren Nachthimmel mit leuchtenden Sternen auf einer leeren Straße.
    MAN: Effiziente Bedrohungsanalyse für Steuergeräte

    Mit der Digitalisierung steigen die Cyberrisiken – besonders für MANs neues Steuergerät CM4. Unsere Expert:innen nutzen die 4×6 Methodik und ThreatSea, um Bedrohungen frühzeitig zu erkennen und gezielte Schutzmaßnahmen zu entwickeln. Erfahren Sie, wie MAN mit intelligenter Risikoanalyse die Sicherheit seiner Fahrzeuge stärkt.

    Mehr erfahren
    7 Monate

    Projektdauer

    Über 20 Workshops

    Bedrohungsanalysen

    Über 500

    potenzielle Risiken evaluiert

    Mehr erfahren
  • Ein Techniker in einer grünen Siemens-Jacke sitzt vor einem Computer in einer Fabrikhalle mit industriellen Geräten im Hintergrund.
    Siemens: AI Demand Prediction Plattform für die industrielle Produktionsplanung

    Mit der AI Demand Prediction Plattform schaut Siemens in die Zukunft. Dank Machine Learning und AutoML lassen sich für über 100 Produkte präzise Nachfragevorhersagen erstellen und die Produktion besser planen. Als Proof of Concept gestartet, entwickelte sich die Plattform schnell zu einem produktiv nutzbaren System. Die Self-Service-Web-Applikation wird bald in weiteren Werken eingesetzt.

    Mehr erfahren
    Projektdauer

    Seit Februar 2022

    Proof of Concept

    in wenigen Wochen

    Zeitserien-Vorhersage

    für 100 verschiedene Produkte

    Mehr erfahren
  • Zwei Frauen stehen in einer Werkstatt. Eine Frau hält ein Tablet in den Händen.
    TÜV NORD GPT: Entwicklung der KI-Assistenz

    Schneller relevante Informationen finden, indem Sie mit Dokumenten chatten? Das geht! Die TÜV NORD GROUP setzt GPT-Technologie in der sicheren Microsoft Azure Cloud ein. Mit dem Ziel, das Wissens-Management und die Effizienz zu optimieren. Das System ermöglicht neue Nutzungsmöglichkeiten im Prüfkonzern und wird sicher betrieben. Erfahren Sie jetzt mehr über das innovative KI-Assistenzsystem.

    Mehr erfahren
    Projektdauer

    seit September 2023

    33.000

    GPT-Anfrangen im ersten Monat

    ChatGPT Modell 4

    in der europäischen Microsoft Azure Cloud

    Mehr erfahren
  • Carousel_Schöck_Bauteile-1
    Schöck Bauteile: Verbesserung des Anforderungsprozesses

    Gemeinsam mit MaibornWolff optimierte der Spezialist aus der Bauwirtschaft das Anforderungsmanagement seiner Bemessungssoftware Scalix. Dank des Digital Design Ansatzes wurden die fachlichen Anforderungen neu spezifiziert und die Software nutzerzentriert weiterentwickelt. Ziel ist es, die Zufriedenheit der User kontinuierlich zu steigern und interne sowie externe Interessen zu integrieren. Lesen Sie jetzt mehr über die Methodik und Ergebnisse!

    Mehr erfahren
    Projektdauer

    seit 2022

    Teamgröße

    2-3 Digital Designer:innen

    In 2024
    Scalix ersetzt alte Software
    Mehr erfahren
  • VW fährt durch Tunnel bei Nacht
    VW: Digitalisierung von Produktionskennzahlen mit der App iProcess

    Weniger Papier, mehr Effizienz: Volkswagen ersetzt analoge Prozesse durch die iProcess-App. Cloud-native Technologien und Digital Design ermöglichen eine intuitive Erfassung und Analyse von Produktionskennzahlen. Das steigert Transparenz, Overall Equipment Effectiveness und ebnet dem Automobilkonzern den Weg für Predictive Maintenance.

    Mehr erfahren
    Projektdauer

    Seit Januar 2021

    Teamgröße

    5 bis 10 Personen

    Schnelle App-Entwicklung

    dank Digital Design

    Mehr erfahren
  • Frau am Strand bei Sonnenuntergang mit Laptop.
    DER Touristik: In 7 Monaten zum digitalen Reisebegleiter

    Reiseinfos, Buchungen, Support – alles in einer App. MaibornWolff entwickelte mit Flutter eine plattformübergreifende Lösung für DER Touristik. In nur sieben Monaten entstand eine stabile App für iOS und Android, die mehrere Marken, Sprachen und Länder unterstützt. So geht Kundennähe auf Reisen.

    Mehr erfahren
    7 Monate

    vom Kickoff zum Go Live

    iOS und Android

    digitale Reisebegleitung

    Whitelabelling-Lösung

    Unkomplizierte Einbindung weiterer Marken, Sprachen und Länder

    Mehr erfahren
  • Sportauto steht in farbenfroher Wüstenlandschaft.
    Mixed Reality: Mit einem realen Auto in virtueller Welt fahren

    Virtuelles Racing im echten Auto? MaibornWolff machte es für den BMW M möglich. Innerhalb von drei Monaten entwickelten wir mit Unreal Engine 4 einen Prototyp, der Fahrzeugsignale hochperformant verarbeitet und ein immersives Fahrerlebnis ohne Motion Sickness schafft. Das Cockpit bleibt real, die Umgebung wird zur Rennstrecke.

    Mehr erfahren
    <3 Monate

    von der Vision zum Prototyp

    3D-Anwendungen

    in Echtzeit

    Team

    Unreal-Entwicklung, XR Technologie, Game Design, Smart Devices, 3D-Content

    Mehr erfahren
  • Frau mit Tablet in moderner Fabrikhalle
    KUKA: Weboberfläche für ein neues Human Machine Interface

    Robotik neu gedacht: KUKA entwickelt mit uns iiQKA.OS – ein Betriebssystem mit intuitivem Web-HMI. Durch Webtechnologien und Scrum-Methoden ermöglichen wir flexible Anpassungen und eine einfache Steuerung. Offene Zusammenarbeit macht die Robotik zugänglicher als je zuvor.

    Mehr erfahren
    Ziel

    Ablösen der aktuellen Steuerungssoftware

    iiQKA.OS

    Schnelle und intuitive Entwicklung

    > 11.000 Stunden

    Projektarbeit

    Mehr erfahren
  • Header_Stiehl-IMOW-16-9
    STIHL: Mähroboter iMOW per App steuern

    Mähroboter neu definiert: Der iMOW von STIHL macht Rasenpflege smarter. Unsere Software-Expertise kombiniert mit STIHLs Hardware-Know-how sorgt für eine intuitive App-Steuerung. Das Ergebnis? Ein vernetztes Gerät, das die Gartenarbeit erleichtert – einfach, effizient, innovativ.

    Mehr erfahren
    Projektdauer

    seit August 2020

    Mähroboter

    via App steuern

    Prozess­optimierung

    beim Kunden

    Mehr erfahren
  • Frau lächelt beim Autofahren in Fahrzeug.
    DEKRA: Dank Co-Creation zur modernen Enterprise Architecture

    Neue IT für eine nachhaltige Zukunft: der globale Prüfkonzern musste seine IT-Landschaft modernisieren. Mit Co-Creation entstand eine harmonisierte Architektur und die EA Community fördert den länderübergreifenden Austausch, für eine starke IT bis 2025 – und darüber hinaus.

    Mehr erfahren
    Wichtigste Methode:

    Aufbau einer EA-Community

    Erstelltes Konzept

    Enterprise Architecture

    Zusammen­arbeit

    auf Augenhöhe

    Mehr erfahren
  • Digikoo_Apple_vision_Pro_Header
    digikoo GmbH: Apple Vision Pro für Stadtplaner

    Städte smarter planen: Gemeinsam mit der TUM entwickelten wir das 3Digipad für Apple Vision Pro. Es visualisiert komplexe Energiedaten in 3D und macht Szenarien intuitiv greifbar. Dynamische Gebäudedaten und KPIs unterstützen Stadtplaner bei nachhaltigen Entscheidungen.

    Mehr erfahren
    4 Monate

    Projektdauer

    3D-Karte mit KPIs
    Gebäudedaten dynamisch darstellen
    Energiedaten
    Immersive Visualisierung
    Mehr erfahren
  • Serverraum mit grüner Bepflanzung, demonstriert Datenplattform für die Azure Cloud.
    digikoo: Eine Datenplattform für die Azure Cloud

    Strukturierte Geo-Daten, automatisierte Qualitätssicherung, nahtlose Bereitstellung – für Digikoo entwickelten wir eine leistungsstarke Snowflake-Datenplattform auf Azure. Sie erleichtert Data Scientists die Analyse und legt die Basis für präzise Prognosen und neue Use Cases.

    Mehr erfahren
    5 Monate

    Projektdauer

    Klimawende

    digital planen und effizient umsetzen

    Foundation Datenplattform

    Microsoft Azure Cloud

    Mehr erfahren

Warum MaibornWolff

Wir bilden Prozesse und Geschäftsmodelle digital ab – End-to-End. Unsere Experten sind spezialisiert in den Bereichen Data Engineering, Data Analytics, Data Science und Data Strategy Consulting. Bei Schnittmengen zwischen den Bereichen Data Analytics und IT Modernization oder Mobile Engineering und Software Testing greifen wir auf unser Team von über 900 IT-Profis zurück, um Ihr Projekt reibungslos zu verwirklichen.

Finde was zu dir passt