Zum Inhalt springen

KI

Ford holt 350 "Graubart"-Ingenieure zurück, weil die KI patzt

Ford setzte auf automatisierte Qualitätssysteme und war enttäuscht. Die Lösung: 350 erfahrene Ingenieure, teils aus dem Fast-Ruhestand zurückgelockt, teils bei Zulieferern abgeworben.

Titelfoto: Diacritica / CC BY 3.0

TL;DR

  1. Ford hat 350 erfahrene Ingenieure eingestellt, Ex-Mitarbeiter und Zulieferer-Leute, nachdem automatisierte Qualitätssysteme enttäuschten.
  2. Führungskräfte räumen ein: Designvorgaben an eine KI zu verfüttern ergab kein hochwertiges Produkt.
  3. Ford wirft die KI nicht raus: Die Veteranen schulen jüngere Kollegen und programmieren die Tools um.

Was passiert ist

Ford hat nach eigenen Angaben 350 erfahrene Ingenieure eingestellt. Manche sind ehemalige Ford-Leute. Andere kamen von Zulieferern. Der Grund laut Bloomberg, zitiert von TechCrunch: Künstliche Intelligenz und automatisierte Systeme lieferten nicht das Qualitätsniveau, das sich der Konzern vorgestellt hatte.

Chief Operating Officer Kumar Galhotra sagte Journalisten, Ford habe sich immer stärker auf automatisierte Qualitätssysteme verlassen, und die Ergebnisse seien enttäuschend gewesen. Also holte der Konzern technische Spezialisten zurück. Sie suchen die Schwachstellen, bevor ein Bauteil auch nur in die Nähe der Fabrik kommt.

Charles Poon, Vice President of Vehicle Hardware Engineering bei Ford, war erfrischend direkt. Man habe fälschlicherweise gedacht, dass es ein hochwertiges Produkt ergibt, wenn man eine KI einführt und sie mit Fords Designanforderungen füttert. Tat es nicht.

Die Veteranen heißen intern "Graubart"-Ingenieure (im Original: "gray beard"). Ja, das ist der echte Begriff aus dem Bericht. Nein, Rückfragen von Glattrasierten beantworten wir nicht.

Ein wichtiges Detail: Das ist kein Ausstieg aus der KI. Ford setzt die zurückgeholten Ingenieure ein, um jüngere Kollegen zu schulen und die KI-Tools neu zu programmieren. Stell dir eine Lehre vor, nur dass der Azubi teils Software ist und teils Neueinsteiger.

Warum es zählt

Die meisten Automatisierungsgeschichten laufen in eine Richtung: Maschine kommt, Mensch geht, die Präsentation jubelt. Diese hier hat einen Plot-Twist. Ein großer Autobauer verließ sich auf automatisierte Qualitätschecks, sah die Qualität hinter dem Ziel zurückbleiben und ging auf Einkaufstour nach menschlicher Expertise.

Die Lehre ist nicht "KI schlecht". Sie ist enger und nützlicher. Software, die mit einem Haufen Designvorgaben gefüttert wird, kennt nur das, was im Haufen liegt. Die Graubärte wissen, was nie aufgeschrieben wurde: wo ein Teil gern reißt, welcher Zulieferer schlampt, wie ein Defekt aussieht, bevor er zum Rückruf wird.

Dieses implizite Wissen spaziert zur Tür hinaus, wenn erfahrene Leute gehen. Ford zahlt jetzt dafür, es wieder hereinzutragen.

Es ist auch ein seltener Moment von Chef-Ehrlichkeit. Öffentlich einzugestehen, dass der erste Ansatz nicht funktioniert hat, ist nicht nichts.

Fords Antwort auf enttäuschende Automatisierung: mehr erfahrene Menschen, nicht weniger.

Für die Jobdebatte ist das ein Datenpunkt, kein Trend. Ford ist ein einzelnes Unternehmen, und die Geschichte stützt sich auf einen verlässlichen Bericht. Aber es ist ein konkreter Fall einer Einstellungswelle, ausgelöst durch ein KI-Defizit, und die sind seltener, als die Schlagzeilen vermuten lassen.

Was du damit machst

  • Dokumentiere dein implizites Wissen.Wenn du die Person bist, die einfach weiß, warum Dinge kaputtgehen: schreib es auf, oder besser, bring es anderen bei. Genau dafür bezahlt Ford seine Veteranen.
  • Tu dich mit der Maschine zusammen.Fords Modell: Menschen schulen Leute und programmieren die KI-Tools um. Sei diejenige oder derjenige, der das System korrigiert, nicht der, den es ersetzt.
  • Prüfe deine eigene Automatisierung.Wenn dein Team einen menschlichen Check durch einen automatischen ersetzt hat, miss die Fehlerquote vorher und nachher, nicht nur das Tempo.
  • Behalte die Nummern deiner alten Kollegen.Erfahrene Leute sind offenbar wieder gefragt, und die, die schon weg sind, auch.

Keep up, sapiens. Manchmal brauchen die Roboter einen Opa.