Übersetzt aus dem englischen Original. Zahlen und Quellen sind unverändert. Englisches Original lesen
Toyota Motor Corporation
Toyota gibt 800 Antriebsstrang-Ingenieuren O-Beya, ein Team von KI-Agenten, das Konstruktionsfragen beantwortet
Toyota hat O-Beya entwickelt, ein System aus neun generativen KI-Agenten, das Fragen von Antriebsstrang-Ingenieuren zu Themen wie Schwingungen, Kraftstoffverbrauch und Vorschriften beantwortet. Rund 800 Ingenieure haben seit Januar 2024 Zugriff. Toyota berichtet über die Nutzung, hat die eingesparte Zeit aber noch nicht gemessen.
Kennzahlen
Wortgetreu aus den Quellen übernommen. Kopieren Sie jede Zahl mit ihrer Quellenangabe.
rund 800
Antriebsstrang-Ingenieure mit Zugriff auf O-Beya seit Januar 20241
neun
KI-Agenten in O-Beya zum Zeitpunkt des Microsoft-Berichts1
Hunderte Male
Nutzungshäufigkeit pro Monat laut Projektleitung1
mehr als 100
Anfragen pro Monat laut dem Blogbeitrag von Toyota zu Azure Cosmos DB2
Was es erforderte
Kosten, Teamgröße und Zeitplan wurden in den Quellen nicht veröffentlicht.
Das Problem
Autos verändern sich schnell. Hybride, Elektrofahrzeuge, Batterien und Laden bringen mehr Bauteile in die Konstruktion, während viele erfahrene Ingenieure in den Ruhestand gehen. Toyotas Antriebsstrang-Abteilung, die Motor, Getriebe und Antriebssysteme konstruiert, ist auf Spezialisten angewiesen, deren Wissen in früheren Konstruktionsberichten und in ihren Köpfen steckt. Das richtige Dokument zu finden, dauerte früher lange.
Was sie gebaut haben
O-Beya, benannt nach einem Toyota-Begriff, der „großer Raum“ bedeutet, ist eine Gruppe generativer KI-Agenten, die wie ein jederzeit verfügbarer Raum voller Experten funktionieren. Jeder Agent deckt ein Thema ab, etwa Schwingungen, Kraftstoffverbrauch oder Vorschriften. Ein Ingenieur wählt einen oder mehrere Agenten, und das System fasst deren Antworten zu einer Antwort zusammen. Die Projektleitung sagt, das System solle die Agenten künftig selbst auswählen.
Wie sie vorgegangen sind
Das System läuft auf Microsoft Azure und nutzt das Modell GPT-4o von OpenAI. Es stützt sich auf Toyotas eigene Daten: frühere technische Konstruktionsberichte, geltende Vorschriften und handschriftliche Dokumente erfahrener Ingenieure. Dieser Ansatz, Retrieval-Augmented Generation, bedeutet, dass das Modell vor dem Antworten Unternehmensdokumente nachschlägt. Gesprächsverläufe und die Prüfungen der KI-Antworten durch menschliche Experten werden gespeichert, damit sich die Agenten verbessern können. Die Agenten laufen parallel, sodass weitere Agenten die Antworten nicht verlangsamen. Toyotas eigener Blogbeitrag nennt als größte Herausforderung, die Antworten jedes Agenten genau zu machen.
Ergebnisse
Seit Januar 2024 haben rund 800 Antriebsstrang-Ingenieure Zugriff. Die Projektleitung sagt, das System werde Hunderte Male im Monat genutzt. Toyotas Blogbeitrag sagt, die genau eingesparte Zeit sei nicht gemessen worden, aber Nutzer sagen, die Informationssuche sei viel schneller geworden. Eine Ingenieurin oder ein Ingenieur beschrieb die Antwort zu Messgeräten für Abgasemissionen als detailliert und genau. Toyota plant weitere Agenten, etwa einen, der häufige Kundenbeschwerden zusammenfasst.
Erkenntnisse für Ihr Projekt
Zielen Sie auf ausscheidendes Fachwissen. Toyotas erklärtes Ziel ist es, das Wissen älterer Ingenieure vor ihrem Abschied zu sichern und an die nächste Generation weiterzugeben.
Setzen Sie viele schmale Agenten statt eines allgemeinen Assistenten ein. Jeder Agent hat eigene Daten und eigene Abstimmung, und neue Agenten lassen sich hinzufügen, ohne die Antworten zu verlangsamen.
Stützen Sie Antworten auf Ihre eigenen Dokumente, darunter alte Konstruktionsberichte und handschriftliche Notizen erfahrener Ingenieure, und lassen Sie die Antworten der KI von Fachleuten prüfen.
Entscheiden Sie früh, wie Sie den Wert messen. Toyota hatte die eingesparte Zeit noch nicht gemessen und stützt sich auf Nutzerinterviews.
Einschränkungen
- Beide Quellen sind Veröffentlichungen von Microsoft: ein Porträt und ein Blogbeitrag, den eine Führungskraft von Toyota mitverfasst hat. Keine unabhängige Quelle bestätigt die Zahlen.
- Toyota nennt weder eine Zeitersparnis noch eine Kostenzahl. Der Blogbeitrag sagt, die genau eingesparte Recherchezeit sei nicht gemessen worden; Ingenieure sagen, Informationen zu finden sei viel einfacher.
- Die Nutzungszahlen sind klein und in den beiden Quellen unterschiedlich formuliert (Hunderte Male im Monat gegenüber mehr als 100 Anfragen im Monat). Sie werden hier nicht in Einklang gebracht.
- Der Blogbeitrag beschreibt eine frühere Version mit vier Agenten (Batterie, Motor, Vorschriften und Systemsteuerung). Das Porträt spricht von neun Agenten. Der Blogbeitrag nennt keine Modellversion; GPT-4o stammt aus dem Porträt.
- Das Datum Januar 2024 ist laut Porträt der Zeitpunkt, zu dem die Ingenieure Zugriff erhielten. Das Microsoft-Porträt wurde aus einer archivierten Kopie gelesen.
Quellen
- Toyota is deploying AI agents to harness the collective wisdom of engineers and innovate faster
Microsoft Source Asia · 2024-11-19 · Fallstudie des Anbieters · news.microsoft.com
- How Toyota uses Azure Cosmos DB to power their multi-agent AI system for enhanced productivity
Microsoft Azure Cosmos DB Blog · 2024-11-19 · Fallstudie des Anbieters · devblogs.microsoft.com
In eigenen Worten aus den oben genannten Quellen zusammengefasst. Einen Fehler entdeckt? Siehe Korrekturen.