Software-Roboter im Internet der Dinge

Software-Roboter im Internet der Dinge

Bild: ©Alexander Limbach/stock.adobe.com

Künstliche Intelligenz und das Internet of Things sind für sich alleine schon faszinierende Technologien. Werden beide kombiniert, eröffnet dies neue Anwendungszenarien für die Optimierung von Geschäftsprozessen. Dabei sammelt das IoT die Daten, während die KI sie verarbeitet, um ihnen Bedeutung zu verleihen.


Beim IoT mag man an ein System von unabhängigen, miteinander verbundenen Rechnern, mechanischen und digitalen Maschinen oder Objekten denken, die mit eindeutigen Kennungen versehen wurden. Sie tauschen Daten über ein Netzwerk aus, ohne dass eine Interaktion von Mensch zu Mensch oder Mensch zu Computer erforderlich ist. Das IoT kann die physische Welt der Dinge und Maschinen digitalisieren, beispielsweise durch die Installation von vernetzten Sensoren, die Daten sammeln und weiterleiten. So helfen IoT-Anwendungen dabei, Prozesse zu verbessern, Ressourcen zu verteilen und Betriebsstörungen mithilfe einer vorausschauenden Instandhaltung zu antizipieren.

Daten sammeln reicht nicht

Die Hauptschwierigkeit liegt heute nicht mehr darin, Objekte miteinander zu verbinden. Die Herausforderung besteht eher darin, wie man die von den Objekten täglich erzeugten Daten sammelt, analysiert und gewinnbringend nutzt. Allein die Erhebung dieser Daten hilft keinem. Es sei denn, es gibt ein System, das die Daten interpretieren und verstehen kann. An dieser Stelle kann künstliche Intelligenz zum Einsatz kommen. Das IoT wird sozusagen intelligent.

Echtzeitanalysen großer unstrukturierter Datenmengen

KI bietet nicht nur die Möglichkeit, alle Daten, die von vernetzten Objekten erzeugt werden, zu verarbeiten, sondern auch Erkenntnisse in wesentlich kürzerer Zeit daraus abzuleiten, als es Menschen können. KI offeriert heute schon eine breite Palette von Technologien, um strukturierte und unstrukturierte Daten zu verarbeiten. Cognitive Process Automation (CPA) bringt bespielsweise durch Echtzeitanalysen schneller auf den Tisch, welche Faktoren großen Einfluss auf die Entwicklung von Unternehmen haben können. CPA nutzt Technologien wie die Verarbeitung natürlicher Sprache (NLP), Textanalyse, Data Mining, semantische Technologie und maschinelles Lernen, um auch große Mengen unstrukturierter Daten auswerten und eine fundierte Geschäftsentscheidung liefern zu können. CPA ist als nächste Stufe des Robotic Process Automation (RPA) zu verstehen, da sie sich einer KI bedient, um auch unstrukturierte Informationen zu analysieren und zu verarbeiten.

Seiten: 1 2Auf einer Seite lesen

Weissenberg Business Consulting GmbH
www.weissenberg-solutions.de

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