KI und Computer Vision im Zusammenspiel

Aufgrund ihrer Komplexität können sich Digitalisierungsprojekte oftmals als langwierig erweisen. Ein schnelles Ausprobieren ist daher kaum möglich. Dabei können schon einfache Use Cases einen Mehrwert bieten - ein Material Handling-Unternehmen hat beispielsweise seine Dokumentation per Smartphone-App von Papier auf digital umgestellt.

 

 

Bild: Company42 GmbH

Daten sind die Grundlage für jede Form der Digitalisierung und Automatisierung von Wertschöpfungsketten. Auch auf den Shopfloors der deutschen Industrie ist der Bedarf an Lösungen zur digitalen Datenakquise nachhaltig angekommen und OEMs, Technologieanbieter und Dienstleister kommen dem Ruf nur allzu gerne nach. Das Angebot an Lösungen ist dabei mannigfaltig und reicht vom Nachrüsten mit vernetzter Sensorik bis hin zum Austausch ganzer Teile des Maschinenparks mit ‚digital-ready‘ Nachfolgemodellen. Ob der hohen technischen Reife heute sind die Möglichkeiten beinahe unbegrenzt und vollständig datengetriebene Geschäftsmodelle scheinbar nur noch ein Integrationsprojekt entfernt.

Komplex und langwierig

Trotz all dem technologischen Fortschritt sehen sich Unternehmen, gerade im KMU-Bereich aber leider häufig mit den gleichen Problemen konfrontieren: Digitalisierung im industriellen Kontext ist komplex und oftmals langwierig in der Umsetzung, invasiv und disruptiv bei eingeschwungen Prozessabläufen und letztendlich teuer in der Integration. Gerade im Feld der (Maschinen-)Datenerfassung setzen Nachrüstlösungen bei bestehenden Anlagen signifikante Eingriffe in die Integrität von Assets und Prozessabläufen sowie den Einsatz von Experten voraus, um Retrofit-Sensorik zu verbauen. In der Konsequenz bedeutet das Standzeiten und ein Up-Front-Invest, das selbst einfache Digitalisierungsprojekte kostenseitig so aufbläst, dass ein schnelles ‚Ausprobieren‘ einen einfachen ersten Schritt in Richtung digitaler Prozesse nahezu unmöglich macht.

Von Papier zu papierlos

Vor etwas über einem Jahr war das Unternehmen Company42 damit betraut, den Wareneingang eines großen Material-Handling-Unternehmen in der Edelstahlbranche zu innovieren und von einem komplett papiergestützten Prozess in einen vollständig digitalisierten zu überführen. Eine eigens dafür entwickelte mobile Applikation half den Mitarbeitern, Dokumentation und Tracking vom Papier auf Smartphones und Tablets zu verlagern. Im Zentrum der Wertekette stand aber das genaue Vermessen, sprich: Verwiegen des Materials. Maschinen (Waagen) lieferten also einen der wichtigsten Datenpunkte innerhalb der Prozesskette, ein vollständig digitaler Prozess müsste auch diese Schnittstelle zwischen Mensch und Maschine abbilden und den Medienbruch des manuellen Abtippens von Daten zu vermeiden. Was technisch an dieser Stelle kein Problem gewesen wäre, war aber leider aus unternehmerischer Sicht unattraktiv. Selbstverständlich war im Portfolio des Waagenherstellers ein Nachfolgemodell mit eingebauter Connectivity verfügbar, doch alleine der reine Austausch der Anzeigeeinheit war mit einem Kostenpunkt und einer Vorlaufzeit für einen Installationstermin verbunden, die das gesamte Projekt budgetär und zeitlich unattraktiv gemacht hätten. Proprietäre Schnittstellen sowie der anbieterseitige ‚Zwang‘ zur Anbindung der Lösung an die OEM-eigene Cloud markierten dann das endgültige Aus für diese Integrationsoption. Die Alternative des Nachrüstens von Konnektivität in Eigenregie war zwar verlockend aber leider ebenso unpraktikabel, da der damit verbundene tiefe Eingriff in die physische Integrität der Waage zum Verlust von Produktzertifizierungen, bis hin zur Eichung, geführt hätte.

Seiten: 1 2Auf einer Seite lesen

Company42 GmbH
box42.io

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