Njemački dobavljači i proizvođači automobila trebaju obratiti pozornost: voditelj proizvodnog IT‑a ZF Grupe upozorava da će sljedeći val AI u tvornicama zapeti ako tvrtke ne poprave način prikupljanja i upravljanja podacima na proizvodnoj razini. To je važno za radnike na montažnim linijama, dobavljače koji opskrbljuju njemačke i austrijske pogone te kupce koji očekuju pouzdanu kvalitetu od elektronike do pogonskih sklopova.
„Možete sve staviti u data lake“ — i ipak podbaciti
Volker Szabo, voditelj IT Production Solution Analysis and Strategy Execution u ZF Grupi, rekao je za CIOnews 8. studenoga 2026. da je enterprise AI u proizvodnji ograničen onim što on naziva „spaghetti arhitekturom“ — desetljećima rađenim, dokumentirano nepotpunim point‑to‑point sučeljima koja skrivaju podrijetlo podataka i čine skaliranje skupim i rizičnim. „Možete sve staviti u data lake, ali ljudi ne znaju gdje loviti,“ rekao je Szabo.
Szabo je opisao praktično rješenje: upravljani integracijski sloj koji standardizira način na koji programabilni logički kontroleri, SCADA sustavi i MES/ERP platforme objavljuju proizvodne podatke. Taj sloj, tvrdi, stvara jedinstveni izvor istine i omogućuje bržu i sigurniju implementaciju AI modela za vizualnu inspekciju kvalitete, prediktivno održavanje i digitalne blizance u više pogona.
Kako mala tehnička promjena može otključati veliku AI vrijednost
U intervjuu je Szabo dao konkretan primjer potencijalne uštede: smanjenje desetaka point‑to‑point veza na zajednički integracijski sloj moglo bi u pojednostavljenom scenariju smanjiti broj sučelja za otprilike 80% — nije riječ o izravnoj uštedi troškova, već o velikom smanjenju arhitektonske složenosti i napora održavanja koji obično ubijaju implementacije. Također je preporučio početak s usko ograničenim pilotima — „počnite s nazivnom pločicom, pa dodajte podatke korak po korak“ — umjesto pokušaja jedinstvenog grandioznog digitalnog blizanca.
Igrači iz industrije već testiraju slične pristupe. Siemens i NVIDIA promiču alate za digitalne blizance i agente u Siemens Electronics Factory u Erlangenu kao uzorak za adaptivnu proizvodnju; Siemens navodi da se te aplikacije već isprobavaju u proizvodnji i imaju za cilj ubrzati inspekciju, planiranje i virtualno stavljanje u pogon (virtual commissioning).
Što to znači za tržište
Za europske proizvođače automobila i dobavljače poruka je operativna: implementacija AI za inspekciju kvalitete, robotiku ili prediktivno održavanje više nije samo pitanje treniranja modela — to je problem integracije i upravljanja. Ako OEM‑i i Tier‑1 tvrtke prihvate Szabov savjet, mogu brže skalirati uspješne pilote preko više njemačkih i austrijskih pogona, smanjujući vrijeme i trošak uvođenja AI‑om potpomognute inspekcije i održavanja u rutinske smjene. To smanjuje otpad i rizik zastoja na linijama za baterije i pogonske sklopove, te čini testiranje promjena u proizvodnji putem digitalnih blizanca manje disruptivnim — benefiti koji su važni dok pogoni balansiraju programe za EV i volatilnost dobavnih lanaca.
Za radnike i povjerenstva radnika tehnička preporuka ima i praktične implikacije: pristup koji prvo rješava integraciju obično štedi nasljedne kontrolere i strojeve dok dodaje pristup podacima, što može ograničiti neposredne promjene hardvera i omogućiti postupno osposobljavanje operatera i timova za održavanje umjesto nagle rekonstrukcije.
Szabov intervju podcrtava tihu promjenu diljem Njemačke i Austrije: sljedeća faza AI u tvornicama bit će dobivena ili izgubljena na sloju sučelja između kontrolera i enterprise sustava, a ne samo u većim modelima.
WorldTrader24 B2B-tržište vozila za trgovce →
Izvori: CIOnews, Siemens
Partner napomena: AutoPresse tehnološki partner DaVinci AI razvija AI rješenja za cijelu automobilsku industriju – od analiza tržišta i zastupnika do autonomnih AI agenata te proizvodnje slika i videa.
