European Media Partner

KI unterstützt uns bereits jeden Tag

Maschinelles Lernen und Predictive Maintenance sind die beiden Säulen von KI in der Industrie.    

Künstliche Intelligenz hilft der Industrie 4.0 dabei, all diese gewonnenen Datenmengen sinnvoll zu nutzen und die Prozesse und Abläufe miteinander zu vernetzen, zu optimieren und Fehlersituationen frühzeitig zu erkennen.    

Künstliche Intelligenz (KI) ist schon längst Alltag – im Gesundheitswesen, dem privaten Konsum, der öffentlichen Sicherheit und der Wirtschaft.

Fortschritte wurden in den letzten Jahren in einem Teilbereich des Machine Learning erzielt, dem sogenannten Deep Learning – beide sind gleichzeitig Teilbereiche von KI. Dabei werden sogenannte Modelle für einen bestimmten Anwendungsfall anhand von Erfahrungen antrainiert und „erweitern“ somit ihr Wissen. Diese antrainierten Modelle können dann für diesen Anwendungsfall immer schneller und immer genauer exakte Ergebnisse auf Grund der antrainierten Wissensbasis liefern. Deep Learning basiert auf neuronalen Netzen, versucht also die Prozesse, die sonst nur Menschen vorbehalten sind, nachzuahmen.

In Wirtschaft und Industrie werden KI-Modelle eingesetzt, um intelligente Entscheidungen zu treffen. So greifen neben der Finanz- und Versicherungsbranche immer mehr Industrieunternehmen auf die vielversprechenden Möglichkeiten der KI-Algorithmen zurück. Schnelleres Reagieren auf Unvorhergesehenes, schnelleres Erkennen und Beheben von Fehlern, schnellere und exaktere Übertragung von Kommunikation, schnellerer und umfassenderer Zugang zu Wissen, internen Fakten und Produktionsprozessen, Vorgängen und Trends und Prognosen – die Unterstützung des „künstlichen Gehirns“ bietet Unternehmen de facto bemerkenswerte Vorteile.

Bei der Digitalisierung der Fertigung fallen große Datenmengen an, die mittels Kombination aus Machine Learning und Digitalem Zwilling durch Online-Condition-Monitoring große Optimierungspotenziale bieten, wie schnelle Ursachenfindung bei Störungen. Condition Monitoring bedeutet eine permanente Zustandsüberwachung der Maschine. Adaptive Regelungssysteme ermöglichen bei der Produktion eine höhere Produktqualität durch datengetriebene Prozessmodellierung.

Künstliche Intelligenz hilft der Industrie 4.0 dabei, all diese gewonnenen Datenmengen sinnvoll zu nutzen und die Prozesse und Abläufe miteinander zu vernetzen, zu optimieren und Fehlersituationen frühzeitig zu erkennen– bis die Maschinen und Programme irgendwann von selbst wissen, was zu tun ist. Wenn in Echtzeit erfasste Daten mit Karten und dem Eigenzustand der Maschine vernetzt werden, werden Bewegungen und Kraft adaptiv geregelt. Der „digitale Zwilling“ bildet dabei Prozesse bis hin zu ganzen Fabrikhallen ab, um vorab die Machbarkeit zu simulieren.

Zukünftig wird die Zusammenarbeit von Mensch und Roboter immer mehr Hand in Hand gehen. KI-Assistenten sollen dabei individuell jeden Mitarbeiter dort unterstützen, wo dieser es wünscht und braucht.

Ausgesprochen hilfreich ist der Einsatz von KI außerdem in technischen Prüfverfahren. Manuelle Prüfungen auf etwaige Schäden bei Zügen, Flugzeugen oder technischen Anlagen sind extrem zeitaufwändig, führen zu hohen Standzeiten der Systeme und sind zudem unter Umständen riskant oder aufwendig durchzuführen. So liefern beispielsweise Flugzeugturbinen bei jedem einzelnen Flug Datenmengen in der Größe von mehreren Terabyte, die den Menschen überfordern, mit denen KI-Programme jedoch hervorragend arbeiten können: Denn mit Predictive Maintenance kann Künstliche Intelligenz mit einer hohen Wahrscheinlichkeit voraussagen, wann es bei den Turbinen in Zukunft zu Problemen kommen kann und wie diese sich bereits im Vorfeld beheben lassen, um einen reibungslosen Betrieb und ungeplante Ausfälle zu vermeiden. Ergebnis ist neben höherer Sicherheit eine große Kostenersparnis.

KI kann auch dabei helfen, die Daten der gemessenen Signale in Echtzeit anzuzeigen, und zwar parallel zur digitalen Erfassung des Prüfvorgangs. Das funktioniert per SAR-Brille, bei der die erforderlichen Daten via WLAN oder Bluetooth direkt auf dem Brillenglas des menschlichen Trägers erscheinen, oder mit Hilfe eines mobilen Endgeräts. Vorteil der ersten Variante sind freie Hände.

KI hat jedoch nicht nur in Managementetagen und großen Produktionshallen Einzug gehalten, sondern auch im schnöden Büroalltag: Mit Robotic Process Automation (RPA)

lassen sich strukturierte Geschäftsprozesse automatisieren. RPA kann zum Beispiel die Buchhaltung dabei unterstützen, eingehende Zahlungen richtig zuzuordnen oder sich ständig wiederholende Vorgehen über mehrere Systeme zu automatisieren. Werden die Modelle erfolgreich trainiert, kann ein RPA-Programm auch unvollständig ausgefüllte Überweisungen wesentlich schneller und dabei zuverlässiger und sicherer zuordnen als menschliche Buchhalter.

Künstliche Intelligenz kommt im Marketing wie beim Customer-Relationship-Management (CRM) zum Einsatz. Das Programm erkennt und identifiziert dabei kaufbereite Kunden mit personalisierten Angeboten – zum optimalen Preis, über den besten Kanal und zum passenden Zeitpunkt. Studien besagen, dass Amazon bereits über 30 Prozent seines Umsatzes mit KI-basierten, automatisierten Produktvorschlägen generiert.

Wer in seinem Unternehmen KI einführen möchte, sollte das GIGO-Prinzip beachten (Garbage in, Garbage out). Liegen die Daten in nicht ausreichender Qualität vor, erreichen die Modelle keine ausreichende Genauigkeit und erzielen kaum Erfolg und schlechte Ergebnisse.  Um KI erfolgreich zu implementieren, braucht man eine interdisziplinäre Herangehensweise mit Experten aus Prozess-Profis, Geschäftsmodell-Experten, IT-Spezialisten und Data Scientisten/Data Engineers. Diese Experten müssen auch berücksichtigen, dass Künstliche Intelligenz keine Moral kennt. Werden falsche Daten eingespeist oder falsche Annahmen trainiert, besteht die Gefahr, dass das Modell falsche Schlüsse zieht. Deshalb ist es auch sinnvoll jedes Modell vor Inbetriebnahme qualitätszusichern und unfangreich zu testen.

Teile diesen Artikel

Journalist

Katja Deutsch

Weitere Artikel