KI wird alles verändern, davon zeigen sich Experten überzeugt. Bereits heute ist sie unser ständiger Begleiter, implementiert in Smartphones, Internetseiten, Spracherkennungssystemen usw. Und sie kann angeblich Wunderdinge vollbringen: Krebs besser erkennen, Texte schneller übersetzen, das Wetter besser vorhersagen. Wir alle kennen solche Berichte. Doch was kann KI in der Maschine bewirken? Das Unternehmen Omron hat sich mit der Vorstellung einer SPS mit ‚adaptiven Algorithmen‘ auf dieses Feld vorgewagt. Mit Lucian Dold, General Manager Product und Solution Marketing, EMEA-Region bei Omron sprachen wir über das neue Produkt, dessen Unterschied zu einer klassischen SPS und den Möglichkeiten, die eine solche Steuerung bietet.
Herr Dold, springen Sie als Omron jetzt auch auf den fahrenden KI-Zug auf?
Lucian Dold: Das könnte man auf den ersten Blick vielleicht so denken (lacht). Aber das Thema Künstliche Intelligenz – oder um es anders auszurücken – adaptive Algorithmen, also Gerätefunktionen, die lernen, sich selbst adaptieren und selbst optimieren, setzen wir bei Omron schon seit vielen Jahren ein – unter anderem in unseren Inspektionssystemen. Natürlich sehen wir auch diesen Push, der derzeit durch die Industrie geht – Digitialisierung, Industrie 4.0, KI usw. Aber unsere Herangehensweise an das Thema war ein völlig anderer. Wir haben in den vergangenen drei bis vier Jahren intensiv mit unseren Kunden gesprochen über die Dinge, die ihnen wirklich Schmerzen bereiten. Wir haben ihnen auch die Frage gestellt, wo sie Bedarf für Innovationen haben. Dabei haben sich vier Themenblöcke herausgebildet: Das ist der Bereich Produktivität, der Bereich Qualität, der Bereich Complience&Security und das ist schließlich der Bereich Expert Free. Hinter dem letzten Punkt steckt die Problematik, dass viele Unternehmen in Zukunft nicht mehr in ausreichendem Maß qualifizierte Mitarbeiter rekrutieren können werden. Die Frage stellt sich also: Wie kann meine Maschine sich auf Zustände, Veränderungen oder auch Probleme einstellen – beispielsweise bei Toleranzen beim Eingangsmaterial. Das war für uns der Start für die Überlegung eine Steuerung mit integrierten adaptiven Algorithmen zu entwickeln und zu bauen.
Aber zu diesem Zeitpunkt gab es doch schon Watson und Co. Warum nutzen Sie nicht die Dienste in der Cloud?
Dold: Alle Angebote, die es an dieser Stelle gibt, sind für diese Zielgruppe zunächst einmal viel zu kompliziert und zu abstrakt. Unsere Steuerung ist – wenn Sie es so wollen – der Gegenentwurf zu einer reinen Cloudlösung. Unser Ziel war es dem Maschinenbauer eine adaptierende und selbstlernende Steuerung an die Hand zu geben, die ganz konkret dafür vorbereitet ist, seine Probleme zu lösen, ohne sich das ganze Hintergrundwissen einer KI aneignen zu müssen. Wenn er sich also fragt, ‚wo entstehen meine Qualitätsprobleme?‘ , ‚wo sind meine Flexibilisierungsmöglichkeiten?‘, ‚Warum steht die Maschine sporadisch?‘, ‚Wie erkenne ich Maschinenstillstände im Voraus?‘ dann geben wir ihm mit unserer neuen Steuerung ein Werkzeug zur Beantwortung dieser Fragen an die Hand. Das war unsere Motivation, und deshalb sind wir ganz bewusst einen anderen Weg gegangen.
Wie haben Sie diese Steuerung dann entwickelt?
Dold: Wir haben uns zuerst überlegt welche Algorithmen und welche Technologie überhaupt Sinn macht. Wir haben uns in diesem Zusammenhang zunächst die Frage gestellt: Was macht eine Maschine aus, wie sie in jeder Produktion steht und wie differenziert sich dieses System z.B. von einem Amazon, einer Spracherkennung oder irgendwelchen anderen KI-Dingen? Bei Omron insgesamt gibt es mehrere Abteilungen, die sich in der Tiefe mit dem Thema KI befassen, beispielsweise in den Bereichen Automotive oder auch Health Care. Das heißt, wir haben Leute, die beschäftigen sich mit Deep Learning, mit neuronalen Netzen, mit sehr vielen Algorithmen im Bereich komplexe Regression. Auf diese Abteilungen mit mehreren 10-Mann-Jahren Erfahrung haben wir zurück gegriffen und eine Hand voll Algorithmen – mehr sind es tatsächlich nicht – identifiziert, die wirklich für Maschinenbauer geeignet sind. Das ist ganz wichtig auf einer Hardware, die über begrenzte Ressourcen verfügt. Diese Algorithmen haben wir genommen und auf unsere Sysmac-Plattform gepackt, wo das ganze auf einem Intel i5-Prozessor läuft. Mit diesem Ansatz sind wir schon vor ungefähr 1,5 Jahren zu ausgewählten Kunden gegangen, die diese Systeme testen. Damit haben wir ungefähr 1,5 Jahre Vorsprung mit der praktischen Erprobung gegenüber Wettbewerbern. Wir haben dadurch gemeinsam mit dem Kunden und sehr offen gelernt, was KI im Maschinenumfeld kann und wie es implementiert sein muss, damit es für die Anwender einfach zu handhaben ist. Dabei hat sich das System im Laufe der Zeit von einem Expertensystem, das es am Anfang war, zu einem System entwickelt, das einfach parametrierbar und einfach einstellbar ist – Schlagwort: Funktionsblöcke. Dieses System werden wir im Juli launchen.
Muss ich jetzt einen Experten für KI haben, um eine Steuerungsanwendung und eine Maschinensteuerung zu programmieren?
Dold: Es wäre gelogen zu behaupten, dass ein SPS-Programmierer automatisch auch mit einem KI-System umgehen kann. Aber es ist auch nicht so, dass Sie dafür einen Diplom-Mathematiker oder jemanden mit zwei Doktortiteln brauchen, der sich dann in die tiefe Mathematik eingräbt und weiß wie alles genau funktioniert. Wir haben in der Prototypen-Phase gelernt, dass wir die Funktionen auf spezifische Problemstellungen eingrenzen müssen. Dafür werden wir entsprechend spezifische Funktionsblöcke für die Controller anbieten. Diese werden so gestaltet sein, dass sich normale Programmierer mit dem entsprechenden Wissen schnell einarbeiten können. Aber wir müssen ehrlich sein, und ich denke mal da müssen alle ehrlich sein: Wenn Sie adaptive Systeme verwenden, dann verhalten diese sich anders und sind ein Stück komplexer als ein ganz normales UND/ODER-Gatter oder irgendwelcher strukturierter Texte.
Wie unterstützen Sie die Maschinenbauer dabei in diese Welt vorzudringen?
Dold: Wir bieten natürlich Schulungen an. Derzeit arbeiten wir dadaran, unsere eigenen Mitarbeiter zu schulen. Im zweiten Schritt bieten wir – ähnlich wie für die klassische Steuerung und für den Motion Controller – Schulungen an, sowohl bei uns im Hause als auch vor Ort beim Kunden.
Sind Ihre KI-Implementierungen normale neuronale Netzwerke oder speziell für den Maschinenbau abgespeckte Versionen?
Dold: Es sind keine abgespeckten Versionen, es sind aber auch keine neuronalen Netze. Wir haben einen Algorithmus implementiert der an der TU München entwickelt wurde und der bei relativ geringen überbestimmten oder sogar unterbestimmten Datenmengen für entsprechende Datenpunkte eine einfache Zuordnung zu Zuständen ermöglicht. Das funktioniert über Gewichtung und Vektoren. Und dieser Algorithmus lernt. Sie müssen sich das so vorstellen: Die Steuerung wird in der Maschine installiert. Dann wird im Betrieb der Normalzustand, also die Produktion von Gutteilen, eingelernt. Anschließend werden die abnormalen Zustände gelernt. Also differenzieren wir zunächst nur zwischen normal und abnormal. Und dann lernt der Algorithmus auch die Grenzen anhand einer Klassifzierung: Dieser Datensatz ist abnormal, weil etwas passiert ist. Die Maschine hat gestanden, das Produkt das produziert wurde, war nicht gut. Das wird dann als abnormal klassifiziert. Die Maschine überwacht innerhalb der Größen und lernt dadurch ’normal‘ und ‚abnormal‘ zu unterscheiden. Sobald der Vektor, der dabei generiert wird, einen Wert erhält, der größer eins oder zwei ist, gibt er das Signal ‚abnormal‘. An dieser Stelle hängt es dann davon ab, wie das System konfiguriert ist. Entweder gibt es eine Warnung, beispielsweise ‚Überprüfe das Produkt‘ oder es wird vielleicht automatisch ausgeschleust. Oder aber die Maschine stoppt bewusst, weil sie näher untersucht werden muss. Auch Informationen zur vorausschauenden Wartung sind hier möglich, gerade wenn es um das Thema Verschleiß geht.
Worin liegt der zentrale Unterschied, dass Sie die KI-Funktion in die Maschine holen, und nicht – wie es andere vielleicht empfehlen – mit einem Edge-Controller oder aus der Cloud realisieren?
Dold: Unser lokales Konzept hat viele Vorteile: Da wäre zunächst natürlich die Echtzeit-Thematik. Dadurch, dass wir unsere KI im Controller selbst zur Verfügung stellen, können wir sicherstellen, dass alles in Echtzeit passiert. Der Echtzeitzugriff auf die Sensoren und Aktuatoren ist ein nicht zu unterschätzender Vorteil. Auswertungen laufen im Produktivbetrieb und nicht nur auf historischen Daten. Zudem ist das erforderliche Investment unserer Lösung gegenüber einer Cloudlösung um Potenzen niedriger. Das bedeutet auch, dass man sich dieser neuen Technologie in einem überschaubaren Investitionsrahmen nähern kann. Gerade in Branchen, in denen die Margen heute nicht besonders hoch sind ist dies ein wichtiger Punkt. Ein riesengroßer Vorteil ist aus meiner Sicht, dass die KI bereits mit dem Steuerungssystem mitkommt und betrifft das Engineering. Die KI ist immanenter Teil der Maschinenfunktion. Ein weiteres Thema ist Securtiy. Und in vielen Bereichen auch das Thema ‚Wie sichere ich eigentlich mein Produkt- und Prozess-Know-how?‘ Hier erfahren wir von vielen Kunden, dass sie befürchten, dass die ganzen Daten in der Cloud dazu geeignet sind, Rückschlüsse auf gut gehütete Produkt- und Fertigungsgeheimnisse zu ziehen. Das will keiner, und da reagieren ja auch alle sehr allergisch. Mit dem Controller in der Maschine haben Sie all diese Probleme nicht, weil diese Analysen abgeschottet in der eigentlichen Maschine, in der eigentlichen Applikation laufen.
Heißt dass, dass Sie Cloudlösungen per se ablehnen?
Dold: Nein, ganz im Gegenteil, wir wollen aber, dass die Maschinenbauer die Wahl haben. Wir arbeiten derzeit daran, eine skalierbare und kaskadierbare Lösung für unsere Kunden anzubieten. Dabei bleiben alle Echtzeitauswertungen auf der Steuerung. Überlagerte Muster, für die die Analyse-Fähigkeiten der Steuerung vielleicht nicht ausreichen, können bei Bedarf an einen leistungsfähigen Edge-Controller weitergegeben werden. Das heißt vom Ansatz her fangen wir in der Maschine an. Wenn die Maschine nicht mehr weiter kommt, kann sie auch diese Muster an den Edge-Controller weiterschicken, der dann weitere Optimierungen durchführt und diese Optimierungsparameter wieder zurückgibt an die Steuerung. Dadurch erreichen wir zusätzliche Optimierungen in der Linie. Als dritte Ebene bleibt dann noch eine entsprechende Cloudlösung, in der dann – sofern notwendig – weitergehende Analysen erfolgen können.
Wird diese Lösung bereits mit der Steuerung verfügbar sein?
Dold: Das steht zwar auf der Roadmap, aber einen Termin dafür kann ich Ihnen heute noch nicht nennen. Was ich Ihnen jedoch sagen kann ist, dass wir die gesamte Architektur der Steuerung so gewählt haben, dass sie wirklich skalierbar und kaskadierbar ist. Das Edge- und Cloud-Produkt als solches ist mit dem Maschinencontroller jedoch noch nicht verfügbar. Geben Sie uns aber noch ein halbes Jahr bist ein Jahr Zeit. Diese Dinge müssen auch erprobt sein, wir brauchen also Kunden, die mit uns den Weg gehen, die mit uns gemeinsam Erfahrungen sammeln wollen und den nächsten Schritt machen. Aber es steht ganz klar auf der Roadmap.
Werden diese KI oder die adaptiven Algorithmen zur Folge haben, dass man den ein oder anderen Sensor mehr in der Maschine braucht?
Dold: Heute sehen wir in den Maschinen eine klare funktionale Sensorik, die sich in der Regel direkt auf den Fertigungsprozess bezieht. Viele aussagefähige Messwerte, die sich hingegen auf die Maschine beziehen, sind heute jedoch noch nicht verfügbar, weil Sie die für eine klassische Maschine nicht benötigen. Ich gehe davon aus, dass kritische Parameter hier ergänzt werden. Das wird erforderlich sein um die notwendigen Optimierungsziele im Sinne einer besseren OEE tatsächlich zu erreichen. Ich glaube nicht, dass eine Maschine, die vor fünf Jahren konstruiert wurde, alle Daten liefert, die notwendig sind, um entsprechende Einflüssgrößen korrelieren zu können. Insofern: Ja, KI wird auch Auswirkungen auf die Sensorik einer Maschine haben.
Gibt es für solche Anwendungen Applikationsunterstützung aus Ihrem Haus und wie sieht es mit entsprechend kompetenten Integratoren aus?
Dold: Wir haben grundsätzlich viele Applikationsingenieure bei Omron. In jeder Vertriebsorganisation liegt der Anteil an Applikationsingenieuren bei 40 bis 50%. Wenn ein Kunde Hilfe braucht von unserer Seite, stehen wir ihm ganz klar zur Seite. Dabei ist der Applikationsingenieur immer der erste Anlaufpunkt. Zielsetzung dabei ist es natürlich den Kunden die Möglichkeit zu geben, Dinge selber zu tun. Wenn es darum geht, dass der Kunde sagt ‚Ich habe diese Ressource nicht, oder ich will sie gar nicht aufbauen‘, steht ein großes Integratorennetzwerk zur Verfügung. Das sind Unternehmen, die heute schon Omron-Produkte integrieren – sei es Bildverarbeitung, Motion Control, Steuerungstechnik oder Robotik.
Sie haben eingangs erwähnt, eineinhalb Jahre Vorsprung in dem Bereich ‚adaptive Logik im Controller‘. Das heißt Sie glauben, dass auch andere SPS-Hersteller folgen werden?
Dold: Gute Frage. Ich könnte mir vorstellen, dass der eine oder andere Marktbegleiter sagt: ‚Das klingt ja gar nicht mal so schlecht was der Omron da macht, das scheint tatsächlich zu funktionieren.‘ Wenn diese Hersteller die entsprechenden Möglichkeiten auch von ihrer Architektur haben, könnten sie es auf die Steuerung mit dazupacken. Ich erwarte nicht, dass wir da allein auf weiter Flur bleiben werden. Ich würde mir sogar wünschen, dass der eine oder andere das Thema KI in einer ähnlichen Art und Weise umsetzt. Persönlich glaube ich, dass es der richtige Weg für Maschinenbauer und für den Bereich Produktionslinie ist.
Werden Sie die KI-Funktionalität in jeder Ihrer Steuerungen zur Verfügung stellen?
Dold: Also momentan wird es sicher eine Steuerung mit und eine ohne KI geben, ganz klar. Ich persönlich gehe davon aus, dass wir mittelfristig das Thema Funktionalitäten insgesamt auch in einer Art App-Shop haben werden. Auf Basis unserer Sysmac NX7-Controller können Sie dann auf einem laufenden Maschinentyp weitere Funktionalitäten nachladen. Sofern also eine neue Aufgabe umgesetzt werden soll, kann eine Lösung dafür in dem App-Shop nachgekauft bzw. auf dem Controller freigeschaltet werden. Da sind wir noch nicht, aber es wird sich in diese Richtung entwickeln.
