KI systematisch in die Produktion einführen:

Künstliche Intelligenz systematisch in die Produktion einführen

WGP e.V. übergibt Handlungsleitfaden

Bild: Udo Schnell

Vertreter der Enquête-Kommission Künstliche Intelligenz des Bundestages haben am 18. September 2019 den neuen Handlungsleitfaden „KI in der Produktion – Künstliche Intelligenz erschließen für Unternehmen“ der Wissenschaftlichen Gesellschaft für Produktionstechnik e.V. (WGP) in Empfang genommen.


„Künstliche Intelligenz soll die deutsche Produktion zukunftsfest machen“, erläutert Prof. Jörg Krüger, Initiator und Hauptautor des WGP-Standpunktpapiers seine Motivation. „Doch bislang gab es keinen systematischen Ansatz, mit dem das produzierende Gewerbe dieses Potenzial heben könnte.“ Gerade kleine und mittelständische Unternehmen verfügen in der Regel nicht über die notwendigen finanziellen und personellen Kapazitäten, KI-Technologien in ihre Produktion zu integrieren. „Als Zusammenschluss führender produktionstechnischer Professoren in Deutschland verfügt die WGP über ein einmaliges Wissen in der Produktion“, so Krüger. „Dieses Domänenwissen gab uns die Möglichkeit, gemeinsam mit Unternehmen ein Modell zum methodischen Vorgehen zu entwickeln und der Industrie mit konkreten Handlungsempfehlungen den Einstieg in KI zu erleichtern. Wir wollen damit unseren Teil dazu beitragen, die Industrie auch in diesem Bereich international wettbewerbsfähig zu halten“, erläutert Krüger weiter.

Unterstützung der Politik notwendig

Im Rahmen der EMO Hannover 2019 präsentiert die WGP aktuelle Forschungsergebnisse aus dem Bereich Industrie 4.0 und Künstliche Intelligenz. Am Gemeinschaftsstand in Halle 9 nahm eine Delegation der KI-Enquête-Kommission das Papier in Empfang. „Wir freuen uns sehr, unser umfangreiches Wissen aus Forschung und praktischen Umsetzungsprojekten den Abgeordneten und Sachverständigen der Kommission zur Kenntnis geben zu können“, betonte Prof. Berend Denkena, Präsident der WGP. Man wolle so nicht nur den Unternehmen, sondern auch der Politik und Gesellschaft die großen Potenziale von KI in der Produktion aufzeigen.

Aus politischer Sicht betrachtet müssen nun die notwendigen finanziellen Randbedingungen geschaffen werden, damit dieses KI-Wissen insbesondere in den vielen kleinen und mittelständischen Produktionsbetrieben ankommt und dort wertschöpfend eingesetzt wird. Hierfür sei es nötig, dass an den beteiligten Universitäten und Fachhochschulen schnell Weiterbildungsformate erarbeitet werden. Die vom BMWi deutschlandweit geförderten Kompetenzzentren Digitalisierung seien hierfür schon gute Beispiele.

Den Prozess, nicht die Daten im Fokus

Publikationen zur KI gibt es bereits viele. Von diesen hebt sich das WGP-Standpunktpapier jedoch in einem wesentlichen Punkt ab: „Wir verfolgen erstmals einen nicht datengetriebenen, sondern einen prozessgetriebenen Ansatz“, bringt es Krüger auf den Punkt. „Und das macht einen großen Unterschied. Unternehmen schauen nämlich oft nach den Daten, die sie gesammelt haben und versuchen daraus, neue Erkenntnisse zu erzielen. Wir schauen uns dagegen die Prozesse an und leiten dann ab, wo wir gezielt Daten erfassen müssen und wo KI gezielt eingesetzt werden kann, um Prozesse zu optimieren“, so Krüger. So werden schon heute frappierende Leistungssteigerungen etwa in der Bilderkennung mittels neuronaler Netze erzielt. Mithilfe von KI-Technologien können Maschinen mitunter Bilder schneller erkennen als das menschliche Auge. Durch Prozesswissen gelingt es, gezielt Potenziale zur Assistenz des Menschen zu identifizieren, bei denen die rein datengetriebene Perspektive aufgrund geringer Datenmengen keine Lösungsoptionen aufzeigt.

Seiten: 1 2Auf einer Seite lesen

Wissenschaftliche Gesell. f. Produktionstechnik
www.wgp.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