Hören Sie sich die Audioversion dieses Artikels an (von KI generiert).
Das Warmwalzwerk von California Steel Industries in Fontana erstreckt sich über mehr als eine halbe Meile.
Im Inneren erhitzen riesige Öfen Stahlplatten auf etwa 1.260 Grad Celsius. Bei dieser Temperatur wird der Stahl weich genug zum Walzen.
Doch zunächst muss er gereinigt werden. Der Ofen hinterlässt eine dicke Kruste aus „Zunder" auf der Oberfläche. Wird diese nicht entfernt, drückt sie sich in den Stahl und ruiniert die Oberfläche. Ein Zunderbrecher löst die Kruste auf. Anschließend blasen Hochdruckwasserstrahlen sie weg.
Dann durchläuft die Stahlplatte fünf Vorwalzgerüste, die sie von einer Dicke zwischen 17,8 und 22,9 cm auf bis zu 1,37 mm reduzieren — annähernd die Dicke einer Kreditkarte. Eine Besäumschere schneidet die unregelmäßigen Enden ab, bevor der Stahl zur Fertigwalzung weitergeleitet wird. Anschließend walzen sechs weitere Fertigwalzgerüste ihn auf seine endgültige Dicke und Oberflächenqualität.
Zu diesem Zeitpunkt bewegt sich der Stahl mit einer Geschwindigkeit von etwa 56 km/h.
Das ist zu schnell, um Defekte mit dem Auge zu erkennen. Bei Karosserieteilen und Haushaltsgeräten muss die Oberfläche makellos sein — Defekte sind direkt durch die Lackierung sichtbar.
Das fertige Band wird zu einer Rolle aufgewickelt. Einige wiegen bis zu 25 Tonnen. Der gesamte Prozess dauert etwa fünf Stunden. Bei voller Kapazität läuft das Werk 24 Stunden am Tag und produziert 2 Millionen Tonnen Stahl pro Jahr.
Aber zumindest kann man Stahl sehen.
In den modernsten Halbleiterfertigungsanlagen von heute sind die relevanten Defekte für das menschliche Auge unsichtbar.
Und die Folgen, wenn man sie übersieht, sind ebenso schwerwiegend.
Ein einziger Halbleiterdefekt kann 25.000 $ kosten — und menschliche Prüfer können ihn nicht verhindern
In der Halbleiterfertigung beginnt alles mit einem Wafer — einer dünnen, polierten Scheibe aus reinem Silizium, meist etwa 30 cm im Durchmesser. Diese Wafer müssen makellos sein. Selbst ein mikroskopisch kleiner Kratzer oder Verunreinigung kann Defekte auf Hunderten von Chips verursachen.
Der erste Schritt ist der Schaltkreisdruck mittels extremer ultravioletter Lithographie. Dabei werden Schaltkreismuster mit Licht projiziert, dessen Wellenlänge kürzer ist als jede sichtbare Farbe. Ein einziger fertiger Chip kann allein in diesem Stadium 20 bis 30 Durchläufe erfordern.
Die in diesem Prozess verwendeten Spezialmasken — eine Art dreidimensionale Schablone — müssen ebenfalls perfekt sein. Ein einziger Defekt ruiniert jeden Chip, den diese Maske berührt. Und diese Masken können bis zu 1 Million $ pro Stück kosten.
Nach jedem Durchlauf durchläuft der Wafer Ätz-, Abscheidungs- und chemische Behandlungsprozesse, um Transistorschichten aufzubauen. Dann wiederholt sich der Zyklus. Die komplexesten Chips von heute durchlaufen 1.500 bis 2.000 einzelne Schritte, bevor sie funktionsfähig werden. Jeder Schritt ist ein potenzieller Fehlerpunkt. Ein einziges Staubpartikel kann einen gesamten Wafer ruinieren.
Ein einzelner Wafer für die fortschrittlichsten Halbleiter kann zwischen 20.000 und 25.000 $ kosten. Jeder Wafer enthält Hunderte von Chips. Ein defekter vernichtet auf einmal Hunderte von Produkten. Und die Fabs, in denen all das geschieht, kosten zwischen 15 und 20 Milliarden $ im Bau.
Fabs müssen diese Verluste wo immer möglich reduzieren. Und menschliche Prüfer sind dieser Aufgabe schlicht nicht gewachsen.
Bei 56 km/h bewegt sich Stahl zu schnell, um ihn zu sehen. In einer Halbleiterfab sind die Defekte zu klein, um sie zu sehen. In beiden Fällen stehen die Einsätze zu hoch, um etwas zu übersehen.
KI verbessert die Qualitätskontrolle
Dies ist ein Bereich, in dem KI nicht nur hilft. Sie ist die einzige Lösung, die tatsächlich funktioniert.
KI-„Deep Learning" und „Edge Learning" heben die Fehlerkontrolle auf ein Niveau, das Menschen nicht erreichen können. Deep Learning funktioniert, indem es Hunderte von Beispielbildern analysiert, bis das System lernt, eigenständig Entscheidungen zu treffen — kein Programmierer ist bei jedem Schritt erforderlich.
Edge Learning geht noch weiter. Diese Systeme kommen vortrainiert und benötigen möglicherweise nur fünf bis zehn Bilder für den Start. Sie sind in Minuten einsatzbereit.
Die Ergebnisse sind messbar.
Bei BMW reduzierten KI-gestützte Bildverarbeitungssysteme die Fehlerquoten in einem europäischen Werk innerhalb eines Jahres um 30 %. Die Kundenzufriedenheit stieg nach der Einführung um 15 %. Bei Foxconn erkennen KI-gestützte Kameras Defekte nun mit 98 % Genauigkeit, lösen 80 % weniger Fehlalarme aus und prüfen jede Einheit 60 % schneller als zuvor.
Dies sind keine Pilotprogramme. Es sind Produktionssysteme, die im großen Maßstab in einigen der anspruchsvollsten Fertigungsumgebungen der Welt betrieben werden.
Das meine ich, wenn ich sage, dass die eigentliche KI-Geschichte nicht die ist, die die meiste Aufmerksamkeit erhält.
Alle schauen auf die großen Infrastrukturnamen — die Chip-Unternehmen, die Cloud-Anbieter, die Chatbot-Plattformen. Und ja, diese sind wichtig. Aber es gibt eine parallele Geschichte, die sich auf dem Fabrikboden, im Ölfeld und in der Halbleiterfab abspielt.
KI löst Probleme, die bisher unlösbar waren. Und die Unternehmen, die diese Lösungen liefern, werden wettbewerbsfähiger, rentabler und wertvoller — still und leise, ohne großes Aufsehen.
Genau nach dieser Art von Gelegenheit habe ich in meiner gesamten Karriere gesucht.
Die nächste Generation von Gewinnern finden, bevor der Markt es merkt
Die Herausforderung besteht natürlich darin, herauszufinden, welche Unternehmen tatsächlich gewinnen — nicht nur behaupten, KI einzusetzen, sondern sie auf eine Weise nutzen, die sich in den Fundamentaldaten niederschlägt.
Das ist ein Problem, an dem Marc Chaikin seine gesamte Karriere gearbeitet hat. Sein Power Gauge-Bewertungssystem wurde entwickelt, um durch den Lärm zu schneiden und Aktien mit echtem Momentum zu finden. Es tut dies seit Jahrzehnten.
Aber am 24.06. gehen Marc und ich einen Schritt weiter. Wir enthüllen das erste KI-gestützte Produkt, das Chaikin Analytics je entwickelt hat — und es ist anders als alles, was wir der Öffentlichkeit bisher gezeigt haben.
Wir nennen es die Time Machine. Sie durchsucht Jahrzehnte der Marktgeschichte, um heute Aktien zu finden, deren fundamentale und technische Fingerabdrücke den frühen Profilen von Aktien wie Nvidia Corp. (NVDA), Amazon.com Inc. (AMZN) und Meta Platforms Inc. (META) entsprechen — kurz bevor diese ihre größten Bewegungen machten. Bei Backtests förderte sie Aktien zutage, die Gewinne von 995 %, 1.406 % und 3.804 % erzielten, während die „Seed"-Aktien, mit denen sie abgeglichen wurden, weit bescheidenere Renditen verzeichneten.
Die KI-Geschichte vom Fabrikboden ist ein Beispiel für die Art von Chancen, die die Time Machine aufzudecken entwickelt wurde. Unternehmen, die echte industrielle Probleme mit KI lösen — bevor der Markt es mitbekommt.
Dies ist das erste Mal, dass wir so etwas Einzelanlegern zur Verfügung stellen. Die Charter-Mitgliedschaft ist begrenzt, und dieses Angebot wird nach der Enthüllung am 24.06. nicht wiederholt.
Der erste Schritt ist einfach: Sichern Sie sich Ihren Platz für unsere kostenlose Veranstaltung.
Personen, die sich anmelden, erhalten jetzt sofort frühen Beta-Zugang zur Time Machine — kein Kauf erforderlich. Sie können jedes beliebige Ticker-Symbol eingeben und sehen, wie es sich mit den größten Börsensiegern aller Zeiten vergleicht, noch vor dem offiziellen Start.
Sichern Sie sich hier Ihren Platz.
