Wie sicher ist die Zukunft des Maschinenbedieners?

In Zukunft wird die zunehmende Automatisierung sicherlich Arbeitsplätze kosten – auch in der Produktion. Wird es zukünftig keine Aufgaben für Maschinenbediener mehr geben? Lesen Sie, warum ihre Aussichten besser sind, als manche Prognose erwarten lässt.

Manche Fabriken sind heute schon stark automatisiert. Statt des Maschinenbedieners sorgen CNC-Steuerungen samt Sensoren und Einstellmotoren dafür, dass stundenlange Fertigungsabläufe vollautomatisch ablaufen. Ein CAM-System wie TopSolid’CAM ermöglicht das Generieren der dafür benötigten CNC-Steuerungsprogramme.

 

Moderne Fertigung mit hohem Automatisierungsgrad

 

Roboter werden im Maschinenbau inzwischen in steigendem Umfang genutzt. Jeder zweite Betrieb hat schon Roboter im Einsatz. Bei den Unternehmen, die Roboter verwenden, steigt voraussichtlich dieses Jahr der Anteil von Maschinen mit Roboter von 17 % auf 21 % also um ein Fünftel. Sie ermöglichen zum Beispiel eine mannlose dritte Schicht, weil der Roboter das Fräszentrum über Nacht automatisch mit Werkstücken beschickt.

Laut diverser Veröffentlichungen wird durch die weiter fortschreitende Digitalisierung gerade die produzierende Industrie stark vom zusätzlichen Arbeitsplatzabbau betroffen sein. Speziell der Maschinenbediener wird als Beruf ohne Zukunft genannt.

Dabei berufen sich viele Publikationen auf die Studie The Future of Employment, veröffentlicht 2013 von zwei Autoren aus dem Umfeld der Oxford University. Interessant an dieser Studie ist, dass sie auch neuere technische Entwicklungen aufgreift. Sie argumentiert, dass die Automatisierung Arbeitsplätze in der Industrie weitgehend verschwinden lässt.

 

Studie mit negativem Ausblick für Zukunft im Maschinenbau

 

Die Analyse beruht im Grundsatz auf zwei Gegensatzpaaren: Routinearbeiten vs. Nichtroutinearbeiten sowie manuelle vs. kognitive Aufgaben. Die Kombination von beiden Typen, also manuelle Routinearbeiten, lässt sich am leichtesten automatisieren. Das ist in den hochentwickelten Industrieländern in großem Umfang schon geschehen.

Aus Sicht der Autoren führt der technische Fortschritt dazu, dass bisherige Nichtroutinearbeiten zunehmend zu automatisierbaren Routinetätigkeiten werden. Die Stichworte hierzu heißen maschinelles Lernen, ein Teilbereich der künstlichen Intelligenz (KI), und Big Data.

 

Es wäre zum Beispiel früher ausgeschlossen gewesen, dass Autos automatisiert im Straßenverkehr fahren oder handschriftlich geschriebene Dokumente maschinell entziffert würden. Diese vormaligen Nichtroutineaufgaben sind heute durch Computer automatisierbar. Die Auswertung von „Big Data“ durch KI soll die Digitalisierung der Aufgaben von Maschinenbedienern ermöglichen, die heute noch nicht als Routine gelten.

 

KI und Big Data kontra Arbeitsplätze

 

Im Hinblick auf die Robotik sagen die Autoren einen starken Schwund an Arbeitsplätzen für Maschinenbediener voraus.

Laut der Studie “The Future of Employment” zählen Arbeitsplätze in der Produktion zu den am stärksten gefährdeten, ähnlich wie Vertriebs- und Verwaltungstätigkeiten. Als aussichtsreicher werden die Sparten Management, IT, Ausbildung und Gesundheit eingeschätzt.

Es stellt sich die Frage, wie wahrscheinlich ein solches Szenario für die metallverarbeitende Industrie ist. Wie eingangs erwähnt, ist der Automatisierungsgrad jetzt schon hoch, jedenfalls in Industrieländern wie Deutschland.

 

Facharbeiter führen vielfältige Arbeiten durch

 

Heutige Maschinenbediener haben Aufgaben wie das Einspannen von Rohlingen in Spannfutter oder das Bestücken von Werkzeugmagazinen zu erledigen. Oft legen sie die Reihenfolge von Bearbeitungsschritten fest und prüfen die Qualität der Ergebnisse. Manche dieser Aufgaben werden bereits heute automatisiert, beispielsweise durch Roboter, die Spannfutter automatisch mit Rohlingen beschicken. Dafür ist keine KI erforderlich.

Wird das maschinelle Lernen tatsächlich einen zusätzlichen Automatisierungsschub in der Produktion bringen? Wie der Name bereits sagt, ist das keine Steuerungsmethode, die man einfach anschaltet und die dann funktioniert. Damit eine solche Software zuverlässig arbeitet, muss sie aus vielen tausend richtigen und falschen Beispielen lernen. Deswegen dauert es sehr lange, bis die KI einen Vorgang sicher beherrscht.

Ein Beispiel ist die Erkennung von Handschriften: Jedes Zeichen muss tausendfach an der Kamera vorbeiziehen und von einem menschlichen Betrachter einem Buchstaben oder einer Ziffer zugeordnet werden. Dann erst erkennt die Software die Zeichen. Dabei macht sie zunächst viele Fehler, die noch lange korrigiert werden müssen.

 

KI bewältigt keine neuen Situationen

 

Vergleichen Sie dies mit einer der wichtigsten Aufgaben von Maschinenbedienern: der Störungsbeseitigung. In einer Anlage kann eine Vielzahl von Fehlern auftreten, vom Materialstau über Werkzeugbruch bis zum abgeknickten Kabel. Wollte man die Beseitigung solcher Probleme an KI übertragen, müsste diese für jede mögliche Störung die Erkennung und Behebung üben. Denn bei neuen Situationen, die nicht ins Lernraster passen, versagt sie. Kann diese Technik tatsächlich bald die Facharbeiter ersetzen?

Sicher wandeln sich die Aufgaben des Maschinenbedieners in Zukunft. Im Zuge der CAM-Einführung werden Facharbeiter sich weniger mit Programmkorrekturen beschäftigen. Denn spontane Änderungen sind dann wegen schwer absehbarer Auswirkungen kaum noch möglich.

Ein Schwerpunkt des Maschinenbedieners im arbeitsteiligen Betrieb wird es zukünftig sein, die Maschinen und andere Produktionsmittel instand zu halten und Störungen im Betrieb zu beseitigen. Gerade für solche Aufgaben ist KI am allerwenigsten geeignet.

An dieser Stelle ist ein Blick auf den aktuellen Stand des sog. Hype-Zyklusses sehr interessant. Die Unternehmensberatung Gartner hatte diese Sichtweise auf Innovationen 1995 eingeführt, um die öffentliche Rezeption technischer Neuerungen zu beschreiben. Typischerweise kommt es nach der Neuentwicklung einer Technologie zu einem steilen Anstieg der Erwartungen, dem ein steiler Absturz in die Enttäuschung folgt. Mit zunehmendem Reifegrad erholt sich die Akzeptanz der Technologie wieder auf ein realistisches Niveau, bis sie produktiv zum Einsatz kommt.

Beim Hype-Zyklus 2018 steht laut Gartner derzeit Deep Learning ganz oben an der Spitze der überzogenen Erwartungen. Bestätigt sich dieses Muster in den nächsten Jahren auch hier, wird man die Erwartungen in das maschinelle Lernen noch gehörig reduzieren müssen.