Frank Scheufens, PNY, im Gespräch So wird die KI-gestützte Smart Factory zum Erfolg

Anbieter zum Thema

PNY TECHNOLOGIES EUROPE SAS

NVIDIA GmbH

SPI GmbH

CADFEM Germany GmbH

CAD+T Solutions GmbH

Künstliche Intelligenz entwickelt sich zu einem zentralen Baustein moderner Produktionsumgebungen. Im Gespräch erklärt Frank Scheufens, Product Manager Professional Visualization EMEA bei PNY Technologies, wie KI-Infrastrukturen, Edge-Computing und digitale Zwillinge den Weg zur Smart Factory ebnen – und wie Unternehmen ihre AI-Projekte erfolgreich an den Start bringen.

Die Smart Factory steht für die nächste Ebene der industriellen Fertigung: eine datengetriebene Umgebung, in der Maschinen, Systeme und Prozesse intelligent zusammenarbeiten. Durch den Einsatz von KI, Edge Computing und digitalen Zwillingen lassen sich Abläufe automatisieren und optimieren. So entstehen Produktionssysteme, die schneller auf Marktveränderungen reagieren können, die Produktqualität verbessern und dabei sparsamer mit den Ressourcen umgehen.

Autocad Magazin (ACM): Welche zentralen Herausforderungen sehen Sie aktuell in der Fertigungsindustrie, die durch KI basierten Einsatz von GPU-Architekturen adressiert werden können?

Frank Scheufens: Aktuelle Fertigungsumgebungen sind geprägt von Fachkräftemangel, komplexen Anlagen und volatiler Nachfrage. KI-Systeme, die auf GPUs laufen, können hier gleich mehrere Engpässe auflösen: Sie unterstützen Bediener durch intelligente Assistenz, übernehmen visuelle Inspektionen und lernen neue Produktvarianten schnell an. Gleichzeitig erlaubt GPU beschleunigte Analytik die Auswertung riesiger Datenströme aus Maschinen und Lieferketten nahezu in Echtzeit. So werden Ausfälle prognostizier- und vermeidbar, Materialflüsse stabiler und Produktionspläne zuverlässiger. Unternehmen können damit Flexibilität und Produktivität steigern, ohne Sicherheit oder Qualität zu kompromittieren – ein entscheidender Vorteil im internationalen Wettbewerb.

Ein zentraler Trend ist die Verlagerung von ‚starrer‘ Automatisierung hin zu lernfähigen Robotersystemen, die aus Daten und Simulationen kontinuierlich besser werden.

ACM: Wie definieren Sie „Smart Factory“ im Kontext von KI und Deep Learning – und welche Technologien stehen dabei im Zentrum?

Frank Scheufens: Im Kontext von KI ist eine Smart Factory eine Produktionsumgebung, in der Entscheidungen datenbasiert und weitgehend autonom getroffen werden. Deep‑Learning‑Modelle verknüpfen Sensordaten, Maschinensignale und Bildinformationen, um Anomalien zu erkennen und Prozesse in Echtzeit zu regeln. Zentrale Bausteine sind vernetzte IIoT‑Geräte, digitale Zwillinge sowie GPU‑gestützte Edge‑ und Cloud‑Systeme. Dadurch erhöht die Fabrik kontinuierlich ihre Effizienz, Qualität und Reaktionsfähigkeit.

Zentrale Technologien für die Smart Factory

ACM: Wo sehen Sie die größten Hürden bei der Implementierung von KI-Systemen in bestehenden Fertigungsprozessen?

Frank Scheufens: Ein zentrales Hindernis ist die mangelnde Datenbasis: Historische Daten sind unstrukturiert, nicht gelabelt oder gar nicht vorhanden. Bestehende Automatisierungstechnik ist oft nicht für kontinuierliches Datenstreaming und KI‑Inferenz ausgelegt. Gleichzeitig kollidieren Anforderungen an Cybersecurity und Echtzeitfähigkeit mit Cloud‑basierten Ansätzen. Budget‑ und Skill‑Lücken, etwa bei MLOps, erschweren den Übergang von PoCs zu stabilen Produktionssystemen. Und oft fehlen klare ROI-Nachweise und skalierbare Betriebsmodelle, sodass KI-Projekte oft in der Pilotphase verharren.

ACM: Welche Rolle spielt Edge-AI – und wie unterscheiden sich die Anforderungen gegenüber dem Rechenzentrum?

Frank Scheufens: Die Rolle von Edge‑AI besteht darin, Entscheidungen unmittelbar im Prozess zu treffen, ohne Umweg über das Rechenzentrum. So bleiben Daten lokal, Latenz und Bandbreite werden minimiert, was auch für Sicherheitskritische Anwendungen entscheidend ist. Im Vergleich dazu kann das Rechenzentrum komplexere Modelle trainieren und große Datenmengen aggregiert auswerten. Edge‑Systeme müssen jedoch leichter administrierbar, widerstandsfähig und oft autonom lauffähig sein.

Beispiele aus der Praxis

ACM: Wo haben Nvidia-Technologien die Effizienz oder Qualität gesteigert?

Frank Scheufens: Nvidia-Plattformen kommen vor allem in der visuellen Qualitätskontrolle, der Fabriksimulation und bei Assistenzsystemen zum Einsatz. Pegatron berichtet von massiv gesteigerter Inspektionsgenauigkeit, geringeren Nacharbeitsquoten und einer schnelleren Einführung neuer Produktvarianten, seit Metropolis‑basierte Lösungen im Einsatz sind. Foxconn wiederum nutzt Omniverse‑basierte digitale Zwillinge, um ganze Werke vorab virtuell zu planen und die Anlaufzeit neuer Fabriken um bis zu 40 Prozent zu verkürzen. 

Die Zukunft von Automatisierung und Robotik

ACM: Wie unterstützen PNY und Nvidia Unternehmen beim Aufbau einer skalierbaren KI Infrastruktur?

Frank Scheufens: PNY spezialisiert sich auf Nvidia‑basierte Lösungen für skalierbare AI: DGX‑Plattformen für Rechenzentren, Edge‑Lösungen für den Shopfloor und GPUs für den Einsatz in Workstations, inklusive Netzwerk-Speicher-Lösungen. Nvidia liefert den AI‑Enterprise‑Stack (NIM, NeMo). Die Partnerschaft reduziert Komplexität durch Referenzdesigns, sowie schnelle Lieferung und Support, sodass Unternehmen ihre Dateninfrastruktur erweitern und KI‑Modelle effizient deployen können – ideal für Smart Factories.

ACM: Welche strategischen Partnerschaften und Ökosysteme gibt es dafür?

Frank Scheufens: PNY pflegt strategische Partnerschaften vor allem mit Nvidia als Kernpartner für GPUs, Netzwerk und KI‑Lösungen. Weitere Kooperationen umfassen zum Beispiel Canonical für Ubuntu‑basierte AI‑Server. VAST/NetApp/DDN/ PEAK:AIO für Hochleistungs‑Speicherlösungen (AI‑Data‑Lakes, Scale‑out Storage) oder Vertiv für KI‑Infrastruktur (Strom/Kühlung) und weitere. Diese Partnerschaften stärken das Ökosystem für Reseller, Systemintegratoren und ISVs. PNY ist mittlerweile ein Multi‑Solution‑Provider mit Fokus auf AI Infrastructure, vGPUs und Data Center.

ACM: Welche Trends in KI-gestützter Automatisierung und Robotik sehen Sie in den nächsten drei bis fünf Jahren?

Frank Scheufens: Ein zentraler Trend ist die Verlagerung von ‚starrer‘ Automatisierung hin zu lernfähigen Robotersystemen, die aus Daten und Simulationen kontinuierlich besser werden. Kollaborative Roboter wachsen stark, da sie Fachkräfte entlasten und sich schneller auf neue Produkte umstellen lassen. KI‑Modelle für Vision, Greifen und Bahnplanung laufen dabei zunehmend auf Edge‑GPUs nahe der Zelle. Ergänzt wird dies durch digitale Zwillinge, in denen Layouts, Programme und Energieeffizienz vorab virtuell optimiert werden.

Best Practices: Mit wenigen, aber relevanten Use Cases starten

ACM: Wie adressieren Sie Sicherheit, Datenschutz und Zuverlässigkeit in KI-Produktionsumgebungen?

Frank Scheufens: PNY verfolgt einen „Safety by Design“‑Ansatz: Daten werden geschützt, Zonen getrennt und KI‑Entscheidungen nachvollziehbar gestaltet. Für die Absicherung der Mensch‑Maschine‑Kooperation bietet PNY Nvidia IGX Thor als Industrial‑Grade Plattform für Safety‑KI‑Agenten, die Kameras, LiDAR und andere Sensoren fusionieren, um Menschen zu erkennen und Roboterbewegungen sicher anzupassen. So lassen sich produktive, aber dennoch sichere kollaborative Zellen und Smart‑Factory‑Umgebungen realisieren.

ACM: Welche Best Practices empfehlen Sie Unternehmen, die ihre erste AI Smart Factory-Initiative starten wollen?

Es empfiehlt sich, AI‑Smart‑Factory‑Initiativen mit klaren Zielen und wenigen, hochrelevanten Use Cases zu starten – etwa visuelle Qualitätskontrolle oder Predictive Maintenance. Parallel sollte die Datenbasis geprüft, die OT/IT‑Architektur bewertet und früh ein skalierbares Fundament wie PNY AI Factory mit Nvidia‑Technologien gelegt werden. Wichtig sind zudem Change‑Management, Schulungen und ein iteratives Vorgehen: vom Pilotprojekt mit klaren KPIs hin zum Roll‑out über mehrere Linien und Werke.

Herr Scheufens, herzlichen Dank für das Gespräch. 

Die Fragen stellte Andreas Müller.

Weitere Informationen: 

https://www.pny.com/

Autodesk auf der Hannover Messe 2026

Von der digitalen Planung zur lernenden Fabrik