KI-Anwendungsfälle von After Sales bis Zielgruppenselektion

In kaum einer anderen Branche lassen sich durch die Kombination neuer Technologien und vorhandener Daten so viele interessante Anwendungsfälle ableiten wie in der Produktion. Für künstliche Intelligenz etwa lassen sich Einsatzmöglichkeiten entlang der gesamten Wertschöpfungskette finden, von der ersten Produktidee bis hin zur Wartung.
Bild: ©Pugun & Photo Studio/stock.adobe.com

Ausgangspunkt für KI-Projekte sind stets Daten. Sie sind der Rohstoff. Durch verbaute Sensoren an Maschinen und Produkten entstehen im produzierenden Gewerbe permanent Daten. Als weitere Quellen kommen Datenströme zwischen Unternehmenseinheiten, Lieferanten und Kunden hinzu. Für die Unternehmen geht es darum, diese zu bündeln und verfügbar zu machen – unter Achtung aller Vorgaben zum Datenschutz.

Der Rohstoff für KI

Was KI exakt ist, ist letztlich nicht klar definiert. In diesem Zusammenhang wird KI daher pragmatisch als ein Teilgebiet der Informatik definiert, das sich mit der Abbildung intelligenten menschlichen Verhaltens durch IT befasst. Übertragen auf Anwendungsfälle bedeutet das, dass in KI-Systemen Modelle entstehen, die bestimmte Aufgaben selbstständig lösen. Dem Feld der KI lässt sich ein breites Set an Methoden, Verfahren und Technologien zuordnen.

Für die unten aufgeführten Anwendungsfälle sind insbesondere die Teilgebiete Machine Learning und Deep Learning relevant. Machine Learning ist die Fähigkeit, auf Basis von Daten ein Modell zu erlernen. Selbstlernende Algorithmen entwickeln dabei aus Trainingsdaten Regeln, anhand derer das System eigenständig in großen Datenmengen Muster identifiziert. Deep Learning ist eine Disziplin des Machine Learnings, die in sogenannten neuronalen Netzen mit mehreren, hintereinander geschalteten Schichten komplexere Zusammenhänge erkennt.

Diese Methode ist der Wegbereiter für KI-Verfahren wie der Bildkennung, die es Systemen erlaubt, ihre Umgebung zu beobachten. Auch für die Umwandlung gesprochener Worte und Sätze zu geschriebenem Text oder andersherum (Text-to-Voice / Voice-to-Text) sowie für die Algorithmus-basierte Textanalyse (Text-Mining) ist Deep Learning der Wegbereiter.

Wie sich diese Methoden und Verfahren von Unternehmen des produzierenden Gewerbes einsetzen lassen, zeigen die folgenden Anwendungsfälle. Der Fokus liegt auf den Unternehmensbereichen Forschung und Entwicklung (F&E), Produktion, Supply Chain Management (SCM) und Sales / After-Sales.

In der Forschung und Entwicklung

KI-Lösungen im Bereich F&E ermöglichen das datengetriebene Gestalten von Produkten. Mit KI ist es praktisch so, als schauten F&E-Experten den Kunden über die Schulter. Wann, wie oft und wie intensiv ein Kunde eine Maschine nutzt, verrät eine Auswertung der Einsatzdaten, die über Sensoren gewonnen werden. Bündelt ein Hersteller diese Daten, kann er mittels Machine Learning Nutzergruppen innerhalb der Kundschaft identifizieren und in die Produktentwicklung einfließen lassen. Beispiel Bohrmaschine: Viele Kunden nutzen diese nur selten und kurz, ein kleines Cluster hingegen lang und oft bei maximaler Leistung. Fließt diese Erkenntnis in die Produktentwicklung ein, könnte die neue Bohrmaschinen-Generation aus weniger leistungsstarken Bauteilen bestehen, ergänzt um eine leistungsstärkere Profi-Variante.

Seiten: 1 2 3Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.