Alle Blog-Beiträge
Podcast-Cover MDIBTY Folge 182 mit Dubravko D., Continental

Folge 182

AI in der Industrie einsetzen und Produktionen verbessern

Dubravko D. (Continental) über industrielle AI-Anwendungen, Produktions-Optimierung und warum Industrie-AI messbarer ist als Consumer-AI

Dubravko D.

Head of AI Production, Continental

·43:34 Std. ·5 min Lesezeit

In Folge 182 von MY DATA IS BETTER THAN YOURS (MDIBTY) spricht Jonas Rashedi mit Dubravko D. (Head of AI Production, Continental) über Industrial AI. Konkret: Industrielle AI ist messbarer als Consumer-AI. Output, Qualität, Ausfälle — alles direkt in Euro übersetzbar. Die wichtigsten Produktions-AI-Cases sind weniger spektakulär, als die Öffentlichkeit denkt: Bildklassifikation, Sensor-Fusion, Predictive Maintenance.

3 Erkenntnisse aus dieser Folge

  1. 01

    Industrielle AI ist messbarer als Consumer-AI. Output, Qualität, Ausfälle — alles direkt in Euro übersetzbar.

  2. 02

    Die wichtigsten Produktions-AI-Cases sind weniger spektakulär, als die Öffentlichkeit denkt: Bildklassifikation, Sensor-Fusion, Predictive Maintenance.

  3. 03

    Continental zeigt: Industrie-AI braucht enge Zusammenarbeit zwischen Data Scientists und Ingenieur:innen. Pure Data-Teams scheitern; pure Engineering-Teams auch.

Worum es in dieser Folge geht

Dubravko leitet AI in der Produktion bei Continental. Wir sprechen über industrielle AI — einen Bereich, der weniger Aufmerksamkeit bekommt als Consumer-AI, aber wirtschaftlich oft relevanter ist.

Die Storyline

Industrielle AI ist messbar

Wenn wir einen AI-Case einführen, reduzieren wir Ausschuss um 3 %. Das sind bei unserem Volumen Millionen pro Jahr. Keine Attribution-Diskussion, keine 'schwer messbar'-Ausrede.

— Dubravko D.

Das ist der Unterschied. Industrie-AI wirkt direkt auf Produktions-KPIs — und die sind in Euro präzise messbar.

Die wichtigsten Use Cases

  1. Bildklassifikation: Qualitäts-Kontrolle in Millisekunden.
  2. Sensor-Fusion: Muster-Erkennung aus mehreren Datenströmen.
  3. Predictive Maintenance: Ausfälle vor dem Auftreten vorhersagen.

Interdisziplinäre Teams

Dubravko betont: Industrie-AI funktioniert nicht mit reinen Data-Teams. Man braucht Ingenieur:innen, die die Produktion verstehen, UND Data Scientists, die Modelle bauen können. Die Kombination entscheidet.

Was andere Industrien mitnehmen

  1. AI-Use-Cases in Produktion priorisieren. Messbarer Impact, klarer ROI.
  2. Gemischte Teams aufbauen. Nicht Silos.
  3. Von Spektakulärem abrücken. Unspektakuläre, aber wirksame Cases zählen.

Warum mich das besonders umtreibt

Deutschlands industrielle Stärke hängt von AI-Adoption ab. Dubravkos Folge zeigt, dass die Branche liefert — nur leiser als Tech-Startups. Für CDOs in Industrie: Pflicht-Folge.

Jetzt reinhören

Jetzt reinhören

Alle Blog-Beiträge ansehen