Niemieccy dostawcy i producenci samochodów powinni zwrócić uwagę: szef IT produkcji w ZF Group ostrzega, że kolejna fala fabrycznej sztucznej inteligencji ugrzęźnie, jeśli firmy nie uporządkują sposobu zbierania i zarządzania danymi na hali produkcyjnej. Ma to znaczenie dla pracowników na liniach montażowych, dostawców obsługujących zakłady w Niemczech i Austrii oraz nabywców oczekujących niezawodnej jakości od elektroniki po układy napędowe.
„Możesz wrzucić wszystko do data lake’a” — i mimo to ponieść porażkę
Volker Szabo, Head of IT Production Solution Analysis and Strategy Execution w ZF Group, powiedział CIOnews 8 listopada 2026 r., że przedsiębiorczą AI w produkcji blokuje to, co nazywa „architekturą spaghetti” — dziesięciolecia niestandardowych, niedokumentowanych połączeń punkt–punkt, które ukrywają pochodzenie danych i utrudniają skalowanie, czyniąc je kosztownym i ryzykownym. „Możesz wrzucić wszystko do data lake’a, ale ludzie nie wiedzą, gdzie łowić” — stwierdził Szabo.
Szabo opisał praktyczne rozwiązanie: zarządzaną warstwę integracyjną, która standaryzuje sposób, w jaki sterowniki PLC, systemy SCADA oraz platformy MES/ERP publikują dane produkcyjne. Taka warstwa, argumentuje, tworzy pojedyncze źródło prawdy i pozwala szybciej i bezpieczniej wdrażać modele AI do wizualnej kontroli jakości, predykcyjnego utrzymania ruchu oraz cyfrowych bliźniaków w wielu zakładach.
Jak mała zmiana techniczna może uwolnić dużą wartość AI
W wywiadzie Szabo podał konkretny przykład potencjalnej ekonomii: zredukowanie dziesiątek połączeń punkt–punkt do wspólnej warstwy integracyjnej mogłoby w uproszczonym scenariuszu skrócić liczbę interfejsów o około 80% — nie jako bezpośrednia oszczędność kosztów, lecz znaczące zmniejszenie złożoności architektury i wysiłku utrzymania, które zwykle zabijają wdrożenia. Zalecał też zaczynać od ściśle określonych pilotaży — „zacznij od tabliczki znamionowej, a potem dodawaj do niej dane krok po kroku” — zamiast próbować jednego wielkiego cyfrowego bliźniaka.
Gracze z branży już testują podobne podejścia. Siemens i NVIDIA promują narzędzia oparte na cyfrowych bliźniakach i agentach dla fabryk w Siemens Electronics Factory w Erlangen jako wzorzec adaptacyjnej produkcji; Siemens informuje, że te aplikacje są już testowane w produkcji i mają przyspieszać przepływy pracy związane z inspekcją, planowaniem i wirtualnym rozruchiem.
Co to oznacza dla rynku
Dla europejskich producentów samochodów i dostawców przekaz jest operacyjny: wdrażanie AI do kontroli jakości, robotyki czy predykcyjnego utrzymania ruchu to już nie tylko kwestia treningu modeli — to problem integracji i zarządzania. Jeśli producenci OEM i Tier‑1 przyjmą radę Szabo, będą mogli szybciej skalować udane pilotaże w wielu zakładach w Niemczech i Austrii, skracając czas i koszty wprowadzenia inspekcji i utrzymania wspieranego przez AI na standardowe zmiany. To zmniejsza ryzyko strat i przestojów na liniach baterii i układów napędowych oraz sprawia, że testy cyfrowych bliźniaków zmian produkcyjnych są mniej zakłócające — korzyści istotne w sytuacji, gdy fabryki równoważą programy EV i niestabilność łańcuchów dostaw.
Dla związków zawodowych i rad zakładowych techniczne zalecenie ma również praktyczne implikacje: podejście skoncentrowane na integracji zwykle zachowuje istniejące sterowniki i maszyny, dodając dostęp do danych, co może ograniczyć natychmiastową wymianę sprzętu i pozwolić na stopniowe podnoszenie kwalifikacji operatorów i zespołów utrzymania zamiast gwałtownego przeprojektowania.
Wywiad ZF podkreśla cichą zmianę w Niemczech i Austrii: kolejny etap fabrycznej AI zostanie wygrany lub przegrany na warstwie interfejsu między sterownikami a systemami korporacyjnymi, a nie jedynie przez większe modele.
WorldTrader24 B2B-Fahrzeugmarkt dla dealerów →
Źródła: CIOnews, Siemens
Uwaga partnera: partner technologiczny AutoPresse DaVinci AI opracowuje rozwiązania AI dla całej branży motoryzacyjnej – od analiz rynkowych i dealerskich po autonomiczne agenty AI oraz produkcję obrazów i wideo.
