Im Zeitalter der künstlichen Intelligenz, warum müssen Unternehmen über ihre vergangenen Erfolge hinauswachsen?
Seit den bahnbrechenden Fortschritten der generativen KI ist „KI+“ fast zu einem Transformationsvorhaben für alle Unternehmen geworden. Doch in diesem Prozess stellen immer mehr Unternehmen fest, dass es kaum möglich ist, die erwarteten Ergebnisse zu erzielen, wenn man nur die ursprünglichen Produkte, Stellen und Prozesse mit dem Präfix „KI“ versieht.
Im August dieses Jahres teilte Wang Puzhong, CEO des Kerngeschäftsbereichs für lokales Geschäft von Meituan, bei der Nachbesprechung der internen KI-Anwendungen eine nicht ganz reibungslose Anfangserfahrung mit: Nachdem das Unternehmen zu Beginn des Jahres alle Mitarbeiter dazu angeregt hatte, KI auszuprobieren, stiegen die Kosten für Tokens rasch an, und die von dem Modell erzeugten Fehler störten zudem den tatsächlichen Betrieb. Danach verlagerte das Unternehmen schrittweise seinen Fokus auf hochwertige Szenarien sowie die Zusammenarbeit zwischen Geschäft, Organisation und Technik.
Die Bedeutung dieser Nachbesprechung liegt darin, dass Meituan genau ein Unternehmen ist, das die letzte technologische Revolution erfolgreich gemeistert hat. Es ist in der Welle des mobilen Internets gewachsen und hat die lokalen Lebensdienstleistungen mithilfe digitaler Technologien neu gestaltet. Doch selbst angesichts der neuen KI-Welle muss es ebenfalls Fehler ausprobieren und die Abstimmungsweise zwischen technischen Investitionen, Geschäftszielen und organisatorischer Zusammenarbeit neu finden.
Neue Technologien verändern die Bedingungen für die Geschäftsentwicklung, und die in der Vergangenheit wirksamen strategischen Urteile und Ausführungsweisen müssen entsprechend neu überprüft werden. Aus diesem Grund können sich reifere Unternehmen möglicherweise schwerer an die KI-Transformation anpassen, da die früheren Erfolgs erfahrungen zu diesem Zeitpunkt zu Pfadabhängigkeiten werden und zu schwer zu überwindenden Transformationshindernissen werden können.
Die Erkundung von Supcon Technology, sich von einem Automatisierungsunternehmen zu einem industriellen KI-Unternehmen zu entwickeln, ist möglicherweise ein weiteres beobachtenswertes Beispiel.
Dieser Industrielle Automatisierungsführer, der in den 1990er Jahren gegründet wurde und seit 15 Jahren in Folge den ersten Platz im inländischen Marktanteil von DCS (verteiltes Steuerungssystem) einnimmt, versucht, im Höhepunkt seiner Entwicklung aktiv „sich selbst zu revolutionieren“ und sich von einem Automatisierungsunternehmen zu einem industriellen KI-Unternehmen zu wandeln. Am 16. Oktober hat die von Supcon Technology gemeinsam mit Zhenhai Refining & Chemical und Wanhua Chemical in Ningbo veranstaltete Pressekonferenz für industrielle KI-Ergebnisse breite Aufmerksamkeit in der Branche erregt. Die dort gezeigten massenhaften industriellen KI-Anwendungen in der Prozessindustrie stellen eine konzentrierte Darstellung der phasenweisen Ergebnisse innovativer Technologien dar.
Als Unternehmen, das sich ursprünglich auf die industrielle Automatisierung stützte, hat Supcon Technology durch seine Fähigkeiten in Steuerungstechnik, industrieller Software und Projektabwicklung eine absolut führende Position in komplexen Produktionsstätten wie der Ölraffination und der Chemieindustrie aufgebaut. Heute versucht es, seine langjährig angesammelten Branchenerfahrungen weiter in große Modelle, industrielle intelligente Agenten und nachhaltige Dienstleistungsfähigkeiten umzuwandeln, um seine Fähigkeitsgrenzen im KI-Zeitalter weiter zu erweitern. Dies bietet ein Fenster, um zu beobachten, wie reife Unternehmen ihre früheren Erfolge im KI-Zeitalter überwinden können.
Wenn vergangene Erfolge zur heutigen Trägheit werden
Im Vergleich zu nativen Unternehmen, die in der Welle der neuen Generation von Technologien hervorgegangen sind, haben reife Unternehmen wie Supcon Technology zweifellos stabile und wirksame Betriebsmethoden angesammelt. Doch bei der zukunftsorientierten Transformation können diese angesammelten Vermögenswerte zu einer Belastung für die weitere Entwicklung werden. Da Technologien, Produkte und Kundenbeziehungen über viele Jahre hinweg gewachsen sind, haben sich dahinter entsprechende Gewohnheiten bei der Ressourcenverteilung und Zusammenarbeit gebildet. Selbst wenn eine neue Richtung eine strategische Logik mit geschlossenem Zyklus bilden kann, wird sie bei der tatsächlichen Umsetzung im täglichen Betrieb aufgrund von Trägheit schwer zu realisieren sein.
Eine solche Situation ist auch in früheren technologischen Revolutionen häufig aufgetreten. Im Jahr 2009 brachte Nokia das N97 auf den Markt, um mit diesem Flaggschiffprodukt auf die Konkurrenz durch das iPhone zu reagieren. Später gestand ein leitender Angestellter in einer öffentlichen Rückschau ein, dass die Qualität dieses Produkts die Erwartungen tatsächlich nicht erfüllt hat.
Zu dieser Zeit hoffte die Führungsebene, schnell wettbewerbsfähige Produkte auf den Markt zu bringen, während die mittleren Führungsebenen und Ingenieure mit praktischen Schwierigkeiten bei der Entwicklung konfrontiert waren. Spätere Untersuchungen von Organisationswissenschaftlern ergaben, dass die Sorge der mittleren Führungsebene um Status und Ressourcen ihre Bereitschaft verringerte, negative Informationen zu melden, und die Führungsebene zu einer zu optimistischen Einschätzung der technischen Fähigkeiten des Unternehmens veranlasste.
Nokia hat die Wettbewerbsbedrohung durch die technologische Revolution nicht übersehen, sondern zwischen dem Erkennen des Trendwandels und der Durchführung wirksamer Anpassungen lag ein ganzes System von Entscheidungs- und Ausführungsweisen, das über viele Jahre hinweg funktioniert hat. Das frühere Betriebssystem hat Nokia dazu verholfen, Produkte pünktlich auf den Markt zu bringen, Teams Ziele zu erreichen und Manager Belohnungen zu erhalten. Als sich der Wettbewerbsschwerpunkt jedoch auf Softwarefähigkeiten verlagerte, veranlasste der gleiche Druck das Unternehmen stattdessen, vorrangig die unmittelbaren Produktprobleme zu lösen.
Die Transformation der meisten reifen Unternehmen hat ähnliche Spannungen erlebt: Auf der einen Seite steht das bestehende Geschäft mit kalkulierbaren Kosten, vorhersehbaren Verkäufen und Teams, die wissen, wie sie Ziele erreichen können; auf der anderen Seite steht eine neue Richtung, die noch überprüft werden muss, wiederholte Versuche erfordert und sogar zuerst Produkte und Geschäftsmodelle verändern muss.
Tatsächlich stehen nicht nur Meituan, sondern auch große Unternehmen wie Tencent und Baidu in dieser KI-Welle vor externen Zweifeln an ihrer „mangelnden Nachhaltigkeit“. Dies zeigt, dass die Transformation nicht nur die technischen Fähigkeiten selbst betrifft, sondern gleichzeitig auch strategische Urteile, Ressourcenverteilung, Talentförderung und organisatorische Zusammenarbeit berührt. Je erfolgreicher ein Unternehmen ist, desto enger sind diese Elemente in der Regel mit dem bestehenden Geschäft verbunden. Jede geringfügige Anpassung zieht leichter das gesamte System in Mitleidenschaft, was es umso schwieriger macht, als „Elefant“ die Wende zu vollziehen.
Chu Jian, Gründer von Supcon, hat zuvor auch öffentlich seine Wachsamkeit gegenüber diesem Phänomen zum Ausdruck gebracht. Er ist der Ansicht, dass die Lebenskraft eines Unternehmens von dem Urteil über die Zukunft, den Investitionen in die technologische Forschung und Entwicklung sowie der Reaktion und Sensibilität für die Kundenbedürfnisse abhängt. Er plädiert dafür, dass Manager Raum für Versuche mit kontrollierbaren Risiken lassen und Misserfolge tolerieren sollten.
Für reife Unternehmen gilt: Je überzeugender die vergangenen Erfolge sind, desto mehr Raum muss für neue Urteile und Vorgehensweisen geschaffen werden. Die Schwierigkeit, vergangene Erfolge zu überwinden, liegt darin, Veränderungen einzuleiten, wenn die alten Methoden noch Erträge bringen.
Was hat Supcon Technology getan, um die vergangenen Erfolge zu überwinden?
Vor diesem Hintergrund werden die Hinweise zur Beobachtung der Transformation von Supcon Technology klarer. Das Unternehmen verfügt bereits über die technischen und kundenbezogenen Grundlagen, um in industrielle Produktionsstätten einzudringen. Als Nächstes muss es beurteilen, welche Zukunft diese angesammelten Vermögenswerte im KI-Zeitalter noch unterstützen können.
Strategischer Pfad: Vom DCS-Führer zum industriellen KI-Unternehmen
„Alles auf KI“ zu setzen, ist eine nicht schwer zu treffende allgemeine Richtungsentscheidung. Doch für reife Unternehmen finden die wirklich gewichtigen Entscheidungen an konkreteren Stellen statt. KI kann zur Steigerung der Effizienz von Forschung und Entwicklung sowie Lieferung eingesetzt werden, aber auch in bestehende Steuerungssysteme und industrielle Software integriert werden. Die Richtung der Ressourceninvestition bestimmt letztendlich das Aussehen des transformierten Unternehmens.
Die Wahl von Supcon Technology besteht darin, den entscheidenden Einschnitt der KI-Transformation auf Zeitreihendaten und Produktionsprozesse zu legen.
Dies hängt eng mit der über 30-jährigen Geschäftsakkumulation von Supcon Technology zusammen. Eine Raffinerie wird ihren Produktionsprozess wahrscheinlich nicht tief mit einem Modell verbinden, nur weil dieses fließend Fragen beantworten kann. Was industrielle Kunden wirklich interessiert, ist nach wie vor, ob die Anlagen stabil laufen, wie der Betrieb nach Änderungen der Rohstoffe reibungslos angepasst werden kann und wie ein besseres Gleichgewicht zwischen Qualität, Energieverbrauch und Ausstoß erreicht werden kann. Diese Probleme sind Supcon Technology nicht fremd. Die meisten der früheren Steuerungstechnologien, industriellen Software und Ingenieurserfahrungen des Unternehmens drehten sich um die Lösung dieser Probleme. Dies gibt Supcon Technology ausreichend Grund, weiter entlang des Produktionsprozesses zu investieren.
Doch die Vertrautheit mit den Problemen der Kunden bedeutet nicht, dass neue Technologien von Natur aus wirksam sind. Wie viel Mehrwert KI außerhalb der bestehenden Technologien schaffen kann und ob sie die Abhängigkeit der Anwendung von Expertenwissen verringern kann, muss in der tatsächlichen Produktion bewiesen werden.
Technischer Pfad: TPT+UCS=AOP
Bei der konkreten technologischen Transformation hat Supcon Technology beschlossen, die analytischen Vorhersagefähigkeiten des Modells mit den vorhandenen Steuerungstechnologien zu verbinden, damit KI schrittweise an den Urteilen und Anpassungen im Produktionsprozess teilnimmt.
Daher hat Supcon Technology nicht dem Strom folgend große Sprachmodelle gewählt, sondern basierend auf den Eigenschaften von Prozessindustrieunternehmen einen neuen Weg beschritten und den Weg der selbst entwickelten Zeitreihen-Pretrained-Transformer-Modelle TPT (Time-series Pre-trained Transformer) eingeschlagen, die auf historischen Zeitreihendaten trainiert werden. Dieses Modell kann auch auf unbekannten neuen Sequenzen genaue Vorhersagen oder Analysen durchführen. Im Gegensatz zu herkömmlichen Methoden wie ARIMA und LSTM betonen große Zeitreihenmodelle Generalisierbarkeit, Universalität und Erweiterbarkeit und können Zeitreihenprobleme mit mehreren Variablen, mehreren Aufgaben und verschiedenen Bereichen verarbeiten. Das von Supcon Technology entwickelte TPT verarbeitet industrielle Zeitreihendaten wie Temperatur, Druck und Durchfluss, die sich mit der Zeit ändern. Diese Daten zeichnen den Betriebszustand der Anlagen auf und sind auch eine wichtige Grundlage für das Verständnis des Produktionsprozesses. TPT baut durch Vortraining grundlegende Fähigkeiten auf und wird dann in Kombination mit den Daten und prozesstechnischen Merkmalen spezifischer Anlagen angepasst, um mit Kernfähigkeiten wie Simulation, Optimierung und Vorhersage die Entwicklung der Anlagen zum autonomen Betrieb zu unterstützen.
Entlang dieses Pfades kann KI in die vertrauten Geschäftsszenarien von Supcon Technology eindringen, doch die früheren Erfahrungen können nicht direkt in Modellfähigkeiten umgewandelt werden. Ein gleicher Temperaturanstieg kann in verschiedenen Anlagen und verschiedenen Produktionsphasen unterschiedliche Probleme bedeuten; die Anpassung eines Parameters kann gleichzeitig Ausstoß, Qualität und Gerätezustand beeinflussen. Das Modell muss diese Veränderungen unter Berücksichtigung des Prozesswissens verstehen, und die vorgeschlagenen Empfehlungen müssen den Gerätefähigkeiten, prozesstechnischen Anforderungen und Sicherheitsbeschränkungen entsprechen.
Genau hier liegt die Schwierigkeit der Umwandlung. Dass Ingenieure eine Anomalie aufgrund ihrer Erfahrung bearbeiten können, bedeutet nicht, dass Software unter verschiedenen Betriebsbedingungen das gleiche Urteil wiederholt treffen kann. Erfahrungen müssen systematisiert, Daten aufbereitet werden. Welche Methoden wiederverwendet werden können und welche Fälle noch die Beteiligung von Experten erfordern, muss ebenfalls kontinuierlich überprüft werden. Die industrielle Akkumulation bildet die Grundlage für die Modellanwendung, aber es gibt noch viel zu tun, um sie in stabile Produktfähigkeiten umzuwandeln.
Nach der Analyse folgt die Ausführung. Die Vorhersage von Änderungen der Indikatoren verbessert die Produktion nicht automatisch, und die entsprechenden Urteile müssen in geeignete Betriebsabläufe umgewandelt werden. Das universelle Steuerungssystem UCS (Universal Control System) von Supcon Technology übernimmt die Aufgabe, Feldgeräte zu verbinden und die Produktionssteuerung auszuführen, und bildet die Grundlage für die Integration der Modellfähigkeiten in die tatsächliche Produktion.
Auf dem Wert der Fusion von TPT und UCS aufbauend verbindet das von Supcon Technology vorgeschlagene autonome Betriebsanlagensystem AOP (Autonomous Operating Plant) diese Gliederungen miteinander: AOP kann die Analysevorhersage mit der Steuerungsausführung verbinden und dann die Wirkung anhand der tatsächlichen Betriebsergebnisse prüfen, um die Fähigkeit des autonomen Betriebs der Fabrik schrittweise zu verbessern. Ob die Empfehlungen des Modells vor Ort verwendet werden können, erfordert noch entsprechende fachliche Urteile, Überprüfungen und Genehmigungen. Die früheren Steuerungstechnologien und Prozesserfahrungen sind nach wie vor wichtig, sie müssen nur enger mit den Modellfähigkeiten kombiniert werden, um den Betrieb der Fabrik gemeinsam zu unterstützen.
Der schwierigere Schritt besteht darin, diese Zusammenarbeit zu verbreiten. Die Geräte, Verfahren und Betriebsbedingungen verschiedener Fabriken unterscheiden sich voneinander. Eine Methode, die in einem Projekt wirksam ist, bedeutet nicht, dass sie direkt auf einen anderen Standort übertragen werden kann. Supcon Technology muss wiederverwendbare Modellfähigkeiten, Kenntnisse und Implementierungsmethoden aus den Projekten extrahieren und gleichzeitig die Anpassung an spezifische Anlagen beibehalten.
Talentmanagement: Zuerst die Transformation der Denkweise der Mitarbeiter
Dieses Problem führt auch zu Veränderungen in der Beziehung zwischen Forschung und Entwicklung sowie Lieferung. Probleme, die das Team vor Ort feststellt, müssen an das Produkt zurückgemeldet werden; neue Fähigkeiten, die durch Forschung und Entwicklung entstehen, müssen ebenfalls in mehr Szenarien überprüft werden. Die Anpassung von Talenten und Organisationen wird damit zu einem praktischen Problem, das im Prozess der Technologieverbreitung gelöst werden muss.
Auf der Ebene der Talente hat Chu Jian diese Ebene einmal so zusammengefasst: „Bei der KI-Transformation von Unternehmen geht es zuerst um die Transformation der Denkweise der Mitarbeiter.“ Früher betrieben die verschiedenen Abteilungen ihr Geschäft wie „Blindboxen“. Nachdem KI in die Prozesse integriert ist, ist der Betriebszustand transparenter und Verbesserungspotenziale lassen sich leichter lokalisieren. Voraussetzung ist jedoch, dass die Manager zuerst die kognitive Iteration abschließen, im Unternehmen eine KI-Atmosphäre schaffen und dann die mittlere Führungsebene und die Mitarbeiter mitziehen. Die Talenttransformation besteht nicht darin,