Hvad skal der til for at skalere Industrial AI?
Det er svært at skalere Industrial AI, fordi i den fysiske verden er „for det meste rigtigt“ ikke godt nok. En fejl på en produktionslinje eller et elnet kan afbryde produktionen, beskadige udstyr eller skabe sikkerhedsrisici. Industrial AI skal forstå industriel kontekst, standarder og begrænsninger og levere sikkerhed, oppetid og kvalitet.
Det er især udfordrende i eksisterende industrielle faciliteter, hvor maskiner og systemer fra forskellige epoker og leverandører aldrig blev designet til at kommunikere med hinanden.
Et svar er at designe og teste ændringer virtuelt, før de implementeres i den fysiske verden. Digitale tvillinger giver virksomheder mulighed for at modellere produkter, processer og hele faciliteter, simulere, hvordan ændringer vil fungere og optimere dem, før de sættes i drift.
Denne fremgangsmåde giver allerede konkrete resultater. På et amerikansk Gatorade-anlæg hjalp Siemens' digitale tvilling PepsiCo med at forbedre gennemstrømningen ved 20 procent inden for 90 dage mens virtuelle designs låste op for tocifrede kapitalinvesteringsbesparelser.
Yderligere skalering vil kræve interoperabel teknologi og pålidelige data, som virksomheder af enhver størrelse kan anvende, især de små og mellemstore producenter i hjertet af den amerikanske industrielle base.
Men at sætte AI i gang på tværs af den fysiske økonomi kræver mere end teknologi. Det kræver infrastrukturen til at understøtte det - og frem for alt pålidelig strøm.
Kan Amerikas net drive AI og amerikansk produktion?
Ja, men vi er nødt til at bevæge os hurtigere.
AI, avanceret produktion, elektrificering og onshoring driver elefterspørgslen højere efter årtier med relativt flad vækst. At imødekomme denne efterspørgsel vil kræve rigelig, pålidelig strøm og et mere moderne, fleksibelt net.
Men det er ikke bare et spørgsmål om at generere mere elektricitet. Tidligere på året tilbragte jeg tid sammen med borgmestre, forsyningspartnere og datacenterudviklere på at diskutere de udfordringer, som lokalsamfund står over for i frontlinjen i AI-infrastrukturinvesteringer. Spørgsmålene er praktiske: Hvad vil dette betyde for elregninger? Hvordan vil nye faciliteter påvirke det omkringliggende samfund? Og hvordan kan vi imødekomme vækst uden at lægge yderligere pres på eksisterende infrastruktur?
Vi kan ikke løse udfordringen alene ved at opbygge mere fysisk infrastruktur. Netsoftware, distribuerede energiressourcer og efterspørgselsfleksibilitet kan hjælpe forsyningsselskaber med at forbedre pålideligheden og få mere kapacitet fra eksisterende aktiver. Mere effektive køleteknologier og intelligent energistyring kan også hjælpe datacentre med at fungere mere effektivt og reducere deres indvirkning på omgivende samfund.
Den samme tankegang gælder fabrikker og industrielle faciliteter i hele Amerika. Genindustrialisering handler ikke kun om at bygge nye anlæg. Det handler også om at gøre bedre brug af den infrastruktur og de industrielle aktiver, vi allerede har.
At imødegå disse udfordringer vil kræve teknologisk innovation og samarbejde mellem industri, forsyningsselskaber, samfund og regering. Nye generations- og transmissionsprojekter skal stadig navigere i overlappende føderale, statslige og lokale tilladelses- og sammenkoblingsprocesser. Større koordinering, hurtigere beslutninger og mere sikkerhed kan hjælpe med at bringe kritisk strøminfrastruktur online i det tempo, Amerikas økonomi kræver.
Hvordan skal vi forberede den kvalificerede arbejdsstyrke til AI?
Før vi overhovedet overvejer, hvordan AI kan ændre produktionsjob, er vi nødt til at tage fat på de hundredtusinder af stillinger, der allerede er ubesatte. Hos Siemens anerkender vi, at udvikling af arbejdsstyrken ikke kun handler om at forberede vores egne medarbejdere. Det handler om at støtte de industrier, vi betjener, og de samfund, hvor vi opererer.
Det kræver flere veje ind i industrielle karrierer - ikke kun traditionelle fireårige grader, men lærlingeuddannelser, community college-partnerskaber og brancheanerkendte legitimationsoplysninger. Siemens har forpligtet sig til at træne 200.000 elektrikere og produktionseksperter inden 2030. Vores Fremskyndelse for dyrlæger programmet hjælper militære veteraner med at oversætte deres erfaring til færdigheder til industrielle karrierer.
Siemens Foundation hjælper også med at udvide træningskapaciteten. Gennem Karriere Elektrisk, samler fonden arbejdsgivere, undervisere og arbejdsstyrkeorganisationer for at udvide træningsmulighederne for den elektriske industri, herunder gennem partnerskaber med Wake Tech og 10 yderligere North Carolina community colleges.
På vores Fort Worth faciliteter, Siemens hentede pensionerede lærere til at hjælpe med at skabe et træningsprogram for mennesker uden tidligere erhvervserfaring. Arbejdere fra gæstfrihed, kundeservice og landbrug har lært færdigheder til nutidens fabrik. Det er et eksempel på, hvordan vi kan åbne døre til industrielle karrierer for folk, der måske aldrig har overvejet dem.
Hvad ville Industrial AI-succes betyde for amerikansk vækst?
Fem år fra nu vil det klareste mål for Industrial AI-succes ikke være, hvor meget vi taler om AI. Det vil være, hvor bredt vi implementerer det på tværs af økonomien.
Den virkelige test er, om en lille producent, der opererer i et 40 år gammelt anlæg, kan implementere Industrial AI, drive den pålideligt og finde folk med færdighederne til at bruge den. Når det bliver rutine, ved vi, at vi forvandler amerikansk innovation til industriel vækst.
I sidste ende er det det, der betyder noget: at oversætte teknologisk innovation og investeringer til større produktivitet, stærkere amerikanske industrier og flere muligheder for mennesker og samfund over hele landet. Vejen til superintelligens løber gennem den AI, vi implementerer i hele branchen i dag.
Offentliggjort: 27. oktober 2026
