Немецким поставщикам и автопроизводителям стоит обратить внимание: руководитель ИТ-производства ZF предупреждает, что следующая волна заводского ИИ может застопориться, если компании не исправят способы сбора и управления данными на производстве. Это важно для рабочих на сборочных линиях, поставщиков, обслуживающих заводы в Германии и Австрии, и покупателей, которые рассчитывают на стабильное качество от электроники до трансмиссий.
«Можно положить всё в дата-лейк» — и всё равно провалиться
Волькер Сабо (Volker Szabo), глава направления IT Production Solution Analysis and Strategy Execution в ZF Group, сообщил CIOnews 8 ноября 2026 года, что корпоративный ИИ в производстве сдерживается тем, что он называет «спагетти-архитектурой» — десятилетиями кастомных, не документированных точечных интерфейсов, которые скрывают происхождение данных и делают масштабирование дорогим и рискованным. «Можно положить всё в дата-лейк, но люди не знают, где рыбу ловить», — сказал Сабо.
Сабо описал практическое решение: управляемый слой интеграции, который стандартизирует способы публикации производственных данных программируемыми логическими контроллерами, SCADA-системами и платформами MES/ERP. По его словам, этот слой создаёт единый источник достоверных данных и позволяет быстрее и безопаснее развёртывать модели ИИ для визуального контроля качества, предиктивного обслуживания и цифровых двойников на нескольких заводах.
Как небольшое техническое изменение может освободить большую ценность ИИ
В интервью Сабо привёл конкретный пример экономии: сокращение десятков точечно соединённых интерфейсов до общего слоя интеграции может уменьшить число интерфейсов примерно на 80% в упрощённом сценарии — это не прямое снижение затрат, но существенное уменьшение архитектурной сложности и объёма поддержки, которые обычно убивают развёртывания. Он также рекомендовал начинать с узко ограниченных пилотов — «начните с таблички на оборудовании, а потом добавляйте данные шаг за шагом» — вместо попытки создания единого большого цифрового двойника.
Игроки отрасли уже тестируют похожие подходы. Siemens и NVIDIA продвигают инструменты цифровых двойников и агентно-ориентированные решения для заводов на примере Siemens Electronics Factory в Эрлангене как шаблон адаптивного производства; Siemens заявляет, что эти приложения уже испытываются в производстве и призваны ускорять инспекции, планирование и виртуальную пусконаладку.
Что это означает для рынка
Для европейских автопроизводителей и поставщиков посыл чисто операционный: внедрение ИИ для контроля качества, робототехники или предиктивного обслуживания перестаёт быть только задачей обучения моделей — это проблема интеграции и управления. Если OEM и поставщики уровня Tier‑1 последуют совету Сабо, они смогут быстрее масштабировать успешные пилоты на несколько заводов в Германии и Австрии, сокращая время и затраты на внедрение инспекций и обслуживания с поддержкой ИИ в рабочие смены. Это уменьшит риск брака и простоя на линиях по сборке батарей и трансмиссий и сделает тестирование производственных изменений с помощью цифровых двойников менее разрушительным — преимущества, важные в условиях одновременной работы над программами электромобилей и нестабильностью цепочек поставок.
Для профсоюзов и производственных советов техническая рекомендация также имеет практические последствия: подход «интеграция в первую очередь» склонен сохранять существующие контроллеры и оборудование, одновременно добавляя доступ к данным, что может ограничить необходимость немедленной замены железа и позволить поэтапно повышать квалификацию операторов и ремонтных бригад вместо резкой переквалификации.
Интервью ZF подчёркивает тихое смещение по всей Германии и Австрии: следующая стадия заводского ИИ будет выиграна или проиграна на уровне интерфейсного слоя между контроллерами и корпоративными системами, а не только за счёт более крупных моделей.
B2B-рынок транспортных средств WorldTrader24 для дилеров →
Источники: CIOnews, Siemens
Примечание партнёра: технологический партнёр AutoPresse DaVinci AI разрабатывает ИИ‑решения для всей автомобильной отрасли — от анализа рынка и дилерской сети до автономных ИИ‑агентов и производства изображений и видео.
