Datenmanagementsysteme als Basis für KI-Einsatz im Lager

Bild: Trapo AG

Intelligente Konzepte für die Intralogistik eröffnen neue Geschäftsmodelle: Laut einer Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie werden voraussichtlich bis 2023 47 Prozent der befragten Unternehmen KI-Technologien zumindest in geringem Umfang einsetzen. Dass entsprechende Lösungen bei der Optimierung von Prozessen in der Intralogistik behilflich sein können, ist bekannt – allerdings ist jede KI-Anwendung immer nur so gut wie die Daten, die an den Maschinen erhoben werden. Hier bieten leistungsfähige Datenmanagementsysteme wie z.B. das Trapo Intelligent Managementsystem TIM Unterstützung.

Prozesseffizienz durch das Zusammenspiel von Software und Transportsystemen

Die Lösung verschafft Betrieben die nötige Unterstützung und Transparenz: Durch Datenanalysen lassen sich Produktionsabläufe frühzeitig verbessern, Fehlerquellen ohne Umweg lokalisieren und Optimierungspotenziale aufdecken. Hinzu kommt, dass das System zusätzlich zur ertragsoptimierten Ausweitung der Produktionszeiten mit effektivem Zeitmanagement punktet. Gleichzeitig ermöglicht es eine Kostenreduzierung sowie eine Qualitätssteigerung. Darüber hinaus setzt es auf Predictive Maintenance: Zuverlässiger Ersatzteil- und Präventivservice gewährleistet eine hohe Anlagenverfügbarkeit und verhindert Stillstandzeiten und Produktionsausfälle. Darüber hinaus kann Wartungspersonal geplant eingesetzt werden.

Laut Statista bewerteten vor einem Jahr rund 22 Prozent der befragten Experten die Relevanz von fahrerlosen Transportsystemen als sehr hoch für das eigene Unternehmen. Heute optimieren Transportsysteme, die im Praxiseinsatz automatisch durch Produktion und Lager navigieren, als flexible Alternative zu starrer Fördertechnik den Transport von Materialien und Teilen. Ein Beispiel für das effiziente Zusammenspiel von Menschen und Automatisierungslösungen im Betrieb liefert der Trapo Transport Shuttle (TTS) in Verbindung mit einem MRK-Roboter: Im Praxiseinsatz des Roboters können sich Greifer und die Hände von Mitarbeitern gefahrlos berühren und während der Bearbeitung von Werkstücken nebeneinander und miteinander agieren.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige