automotive

In den letzten Jahren hat das Quantencomputing neue Erfolge erzielt, wie z. B. das Quantenüberlegenheitsexperiment von Google [1] und es zeigt sich, dass es von großen Industrieunternehmen zur Lösung komplexer Probleme eingesetzt wird. Aber was hat zu dieser Entwicklung geführt? Welche Arten von Problemen können wir in naher Zukunft erwarten, die mit Quantencomputing zu lösen sind? Auf welche Herausforderungen stoßen wir bei dieser Technologie und ihrem Einsatz im industriellen Umfeld?

In kaum einer Branche haben sich die Produktionsbedingungen in den letzten Jahren so rasant gewandelt wie in der Automobilindustrie: Steigende Modellvarianten, höhere Varianz, größere Segmentierung und eine zunehmend internationale Automobilproduktion erfordern leistungsfähige Zulieferwerke mit hoher Fertigungstiefe. Zulieferer, die im Wettbewerb bestehen wollen, müssen ihre Prozesse deswegen kontinuierlich und flexibel an die Dynamiken der großen Hersteller anpassen. An vorderster Stelle steht dabei die Unternehmens-IT: Von ihr wird erwartet, immer mehr ehemals analoge Prozesse digital abzubilden. Doch die Digitalisierung gelingt nur mit hoher Branchenkenntnis und individuell zugeschnittenen Lösungen.

Die Automobilhersteller und ihre Zulieferer benötigen ein hohes Maß an Prozessflexibilität, um schnell und effizient auf die Nachfrage am Markt reagieren zu können. Greifen jedoch Produktions-, Bestell- und Lieferprozesse nicht optimal ineinander, entstehen Verzögerungen, die unweigerlich die Kosten in die Höhe treiben. Die Suche nach Schwachstellen in der Supply Chain ist eine große Herausforderung, denn gängige Analysetools können die ohnehin schon komplexen Prozesse nicht ganzheitlich erfassen. Die neue Process Mining Technologie ermöglicht hingegen die Analyse und Visualisierung der gesamten Prozesskette, bei der klassische Analysetools kapitulieren.