Künstliche Intelligenz in der Autoindustrie: Warum Ford wieder auf Erfahrung setzt
Für den US-Autobauer Ford ist der Einsatz von künstlicher Intelligenz bitter geworden. Das Unternehmen musste mehr als 300 entlassene Ingenieure zurückholen, nachdem sich gezeigt hatte, dass künstliche Intelligenz nicht leisten kann, was erfahrene Fachleute in der Fahrzeugentwicklung und Qualitätssicherung leisten. Das berichten unsere Kollegen von Verslo žinios.
Die ersten Schritte mit künstlicher Intelligenz ging Ford bereits im Jahr 2020. Das Unternehmen musste Kosten senken. Nach und nach strich Ford mehr als 5.000 Stellen in der Verwaltung und in technischen Abteilungen. Vor drei Jahren, im Jahr 2023, entschied der Konzern, KI-Lösungen in der gesamten Produktionsstruktur einzusetzen. Algorithmen übernahmen kritische Produktbewertungen und sollten Entscheidungen vorbereiten oder treffen.
Zunächst installierte Ford in den Werken mehr als 900 intelligente KI-Kameras. Sie sollten in Echtzeit Teile überwachen, die über die Montagelinien laufen. Die Systeme sollten Produktionsfehler, Unregelmäßigkeiten an Karosserien und falsch verbundene Komponenten erkennen.
Außerdem übertrug Ford der künstlichen Intelligenz die Aufgabe, technische Zeichnungen für Fahrzeuge zu erzeugen und zu bestätigen. Anders gesagt: Die KI-Module erhielten technische Vorgaben und Designanforderungen und sollten daraus neue Fahrzeugzeichnungen entwickeln oder bestehende Zeichnungen freigeben. Die Annahme war, dass sich so eine hohe Qualität der produzierten Fahrzeuge sichern lasse.
Schließlich vertraute Ford der KI auch digitale Tests von Fahrzeugkomponenten an. Dafür entstanden mehr als 100.000 automatisierte Tests. Die Ergebnisse sollten der künstlichen Intelligenz zeigen, ob Baugruppen wie Getriebe, Fahrwerke und andere Komponenten zuverlässig funktionieren.
Die Realität fiel ernüchternd aus. Es zeigte sich, dass KI zwar wiederkehrende und standardisierte Produktionsfehler erkennen kann. Bei kleinen, ungewöhnlichen mikroskopischen Rissen oder Defekten durch Materialspannung stößt sie jedoch an Grenzen. Erfahrene Ingenieure erkennen solche Probleme dagegen oft mit bloßem Auge oder spüren sie sogar, wenn sie ein Teil berühren.
Hinzu kam ein weiteres Problem: Die Algorithmen konnten Aufgaben nach mathematischen Regeln abarbeiten. Sie konnten aber nicht ausreichend einschätzen, welche physischen Kräfte auf ein Auto wirken, wenn es tatsächlich auf der Straße fährt. Auch die technische Intuition fehlte. Ein Bauteil kann "auf dem Papier" korrekt funktionieren und unter realen Bedingungen trotzdem Probleme verursachen.
Am Ende musste Ford Modelle wie den Ford Explorer und den Lincoln Aviator zurückrufen und reparieren. Die Systeme hatten laut Ausgangstext nicht erkannt, dass Getriebeprobleme auftreten konnten, durch die Fahrzeuge nach dem Abstellen wegrollen können. Zusätzlich gab es Probleme mit der Software der Rückfahrkameras.
Auch der Ford F-150 war betroffen. Bei KI-gestützten Tests blieb nach Darstellung des Ausgangstextes ein Softwarefehler unentdeckt. Dieser konnte dazu führen, dass das Getriebe während der Fahrt unerwartet in einen niedrigeren Gang schaltet. Reparaturen waren auch beim elektrischen Ford Mustang Mach-E nötig. Dort konnte eine Softwarestörung Türmechanismen blockieren und Insassen im Fahrzeug einschließen.
Die Ergebnisse des KI-Einsatzes verursachten nicht nur hohe Kosten für Reparaturen. Sie belasteten auch die langjährigen Qualitäts- und Kundenzufriedenheitsrankings von J. D. Power, in denen Ford zeitweise zurückfiel.
Ford und KI: Menschen korrigieren die Fehler der Maschinen
Nachdem Ford erkannt hatte, dass erfahrene Ingenieure nicht einfach ersetzt werden können, holte das Management 350 erfahrene technische Spezialisten zurück. Sie entwickelten neue Testprotokolle, führten zusätzliche Prüfungen und Bewertungen durch und korrigierten Fehler, die automatisierte Systeme übersehen hatten.
"Künstliche Intelligenz ist ein fantastisches Werkzeug, aber sie ist nur so gut wie die Informationen, mit denen sie trainiert wurde", sagte Charles Poon, Vizepräsident für Fahrzeugtechnik bei Ford, gegenüber Bloomberg. "Früher haben wir unseren erfahrensten Ingenieuren, die viele Produktlebenszyklen begleitet haben, nicht so viel Aufmerksamkeit geschenkt, wie wir es hätten tun müssen."
Poon räumte ein, Ford habe fälschlicherweise angenommen, es reiche aus, KI-Systemen gut formulierte Aufgaben zu geben. Das allein garantiere jedoch noch keine hohe Produktqualität. Automatisierten Werkzeugen fehlten Training und die Erfahrung der langjährigen Ingenieure. Viele dieser Fachleute hatten Ford bereits verlassen, bevor ihr Wissen genutzt werden konnte, um die KI-Systeme besser zu trainieren.
Ford holte die Veteranen deshalb nicht nur zurück. Der Konzern änderte auch die Regeln für den Einsatz von künstlicher Intelligenz in den Werken. Die endgültigen Entscheidungen treffen nun wieder Menschen. KI-Systeme erledigen vor allem die Vorarbeit.
Wenn etwa Teile geprüft werden, die über eine Produktionslinie laufen, gibt das System zweifelhafte Fälle an Menschen zurück. Ingenieure überprüfen die Teile erneut. Ihre Korrekturen fließen anschließend in die Verbesserung der KI-Algorithmen ein.
Auch bei digitalen Tests verändert Ford den Ansatz. Die Algorithmen berücksichtigen stärker Faktoren wie Verschleiß und Umwelteinflüsse. Gleichzeitig entwickeln Ingenieure bewusst nicht ideale Szenarien und ungünstige Bedingungen. So sollen die Systeme lernen, Ursache und Wirkung besser zu verstehen. Wenn Ingenieure von der KI vorgeschlagene Zeichnungen ablehnen, wird dem System auch der Grund erklärt.
Am Ende sollen erfahrene Ingenieure sogar ihre intuitiven Entscheidungen beschreiben. Programmierer können diese Beschreibungen dann in Regeln für KI-Algorithmen übersetzen. Die künstliche Intelligenz soll also nicht nur vorgegebene Anweisungen nachbilden. Sie soll lernen, nach den Methoden erfahrener Fachleute zu arbeiten.
Künstliche Intelligenz in der Autoindustrie: Was deutsche Hersteller daraus lernen können
Auch die Haltung von Ford-Chef Jim Farley hat sich verändert. Er räumte ein, dass künstliche Intelligenz zum Beispiel kein Verantwortungsgefühl besitzt. Algorithmen können in kurzer Zeit Tausende Designzeichnungen erzeugen. Der KI ist es aber gleichgültig, ob ein von ihr entworfener Bestandteil über Jahre zuverlässig funktioniert. Eine solche Verantwortung trägt am Ende nur der Mensch.
Für deutsche Hersteller ist die Entwicklung bei Ford ein Warnsignal. Die Autoindustrie steht auch hierzulande unter hohem Kostendruck. Zugleich setzen Hersteller und Zulieferer immer stärker auf Software, Automatisierung und künstliche Intelligenz. Der Fall Ford zeigt, dass KI in der Autoindustrie enorme Effizienzgewinne bringen kann, aber nicht die Erfahrung von Ingenieuren ersetzt, die Material, Produktion und reale Nutzung über viele Modellzyklen hinweg kennen.
Für den deutschen Markt ist der Fall äußerst relevant, weil auch deutsche Autobauer vor derselben Grundfrage stehen: Welche Aufgaben können KI-Systeme zuverlässig übernehmen, und wo muss der Mensch die letzte Entscheidung behalten? Gerade bei sicherheitsrelevanten Komponenten dürfte diese Grenze für Verbraucher, Hersteller und Aufsichtsbehörden entscheidend werden.
