Aus guten Gründen Wachstumsmarkt

Künstliche Intelligenz in der Produktion

Künstliche Intelligenz (KI) gilt als Schlüsseltechnologie auf dem Weg zur Smart Factory. Daher sollte sich auch der produzierende Mittelstand, oft als Rückgrat der deutschen Wirtschaft bezeichnet, mit der Adaption von KI-Technologie befassen. Doch was machen KI-Systeme überhaupt anders als bisherige IT-Lösungen? Und welcher Nutzen erwartet die Anwender?
Bild: ©pinkeyes/stock.adobe.com

Wenn vom Einsatz künstlicher Intelligenz in der Produktion gesprochen wird, ist meist die sogenannte schwache KI gemeint, die sich durch die Fähigkeit zur Selbstoptimierung auszeichnet. Dafür müssen technologische Lösungen Daten nicht nur lesen, sondern interpretieren können. Hier liegt der wesentliche Unterschied zu einem Manufacturing Execution System (MES), das Daten aggregiert, verdichtet und visualisiert. Diese Eingabe-Ausgabe-Struktur ließe sich durch KI um die Funktion der Dateninterpretation erweitern.

Muster erkennen

Die technische Grundlage der Dateninterpretation ist das Machine Learning. Die KI erkennt in den Daten Muster, die in die Interpretation einfließen. Während selbst kleinste Aufgabenveränderungen eine Neuprogrammierung klassischer regelbasierter IT-Systeme nach sich ziehen, kann ein KI-basiertes System Änderungen erkennen und aufgrund des bereits im System vorhandenen Wissens auf diese Änderungen reagieren. Die Reaktion selbst stellt neues Wissen innerhalb des Systems dar – quasi den Lerneffekt.

Wissensmanagement

Die Fähigkeit zur Dateninterpretation reicht noch lange nicht, um KI-Systeme wie in der Vision einer Smart Factory vollständig autonom agieren zu lassen. Sie ermöglichen aber, das sogenannte implizite Wissen ins System zu übertragen. Mit implizitem Wissen sind das Knowhow und die Erfahrungen der Menschen gemeint, die sie sich über die Jahre im Rahmen ihrer Tätigkeiten angeeignet haben und das nicht mehr verfügbar wäre, wenn die Wissensträger ausfallen oder das Unternehmen verlassen. Durch KI verändert sich die von Menschen ausgeübte Arbeit.

Mehr Potenzial als IT und Robotik

Auch wenn es noch ein weiter Weg ist bis zu autonom entscheidenden Produktionssystemen und dem Werkstück, das sich selbstständig den Weg über den Shopfloor sucht, wird der KI doch erhebliches Wachstumspotenzial beigemessen. Das McKinsey Global Institute prognostiziert für Deutschland bis 2030 ein jährliches Wachstum des Bruttoinlandsprodukts um 1,3 Prozentpunkte allein durch den Einsatz künstlicher Intelligenz. Zum Vergleich: Einen derartigen Effekt hatte weder die Nutzung der Informations- und Kommunikationstechnologie (Wachstumsschub um 0,6 Prozentpunkte) noch die Einführung von Industrierobotern (0,4 Prozent). Eine Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie geht davon aus, dass im produzierenden Gewerbe der Einsatz künstlicher Intelligenz bis 2023 eine zusätzliche Bruttowertschöpfung in Höhe von rund 31,8 Milliarden Euro generieren wird. „Die Mehrheit der Unternehmen des produzierenden Gewerbes rechnet mit einem stark wachsenden Einsatz von KI-Technologien in allen Wertschöpfungsstufen in den nächsten fünf Jahren“, heißt es in der Studie. Dieses Wachstumspotenzial ist auch der geringen Verbreitung von KI-Systemen in der produzierenden Industrie geschuldet: 25 Prozent der großen und 15 Prozent der kleinen und mittelständischen Produzenten nutzen bereits KI-basierte Anwendungen. Im Produktionsumfeld sinkt diese Zahl bei KMU auf acht Prozent. Die Prozess-Steuerung durch selbstlernende Systeme ist nur wenig ausgeprägt.

Seiten: 1 2Auf einer Seite lesen

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