Service-Meister stellt Plattform-Architektur vor

Ditzingen, DEU, 04.05.2018.Trulaser Center 7030 von Tumpf in den Ausstellungsraeumen von Trumpf in Ditzingen..No model release.
Bild: Eco – Verband der deutschen Internetwirtschaft e.V

Das Service-Meister Konsortium kündigt an, zum Jahresende seine 2020 entwickelte Plattform-Architektur vorzustellen. Damit liegt das Projekt zur Entwicklung eines Service-Ökosystems auf Basis künstlicher Intelligenz (KI) im Zeitplan. Service-Meister entwickelt Innovationen mittels KI, die ab 2022 die Serviceprozesse kleiner und mittlerer Unternehmen verbessern sollen. Mittels smarter Chatbots, Augmented Reality oder KI-Apps greifen Servicetechniker dann überall auf alle für den jeweiligen Servicefall nötigen Informationen zu. Gespeichert und analysiert werden die in einem gemeinsamen Data-Room. „Mit Service-Meister möchten wir das enorme volkswirtschaftliche Potenzial heben, das künstliche Intelligenz für den Mittelstand hat“, sagt Andreas Weiss, Geschäftsbereichsleiter Digitale Geschäftsmodelle im Eco – Verband der Internetwirtschaft e. V. „Dazu zählt auch, dem Fachkräftemangel im Mittelstand entgegenzuwirken.“ Setzen Gesamtwirtschaft und Mittelstand KI flächendeckend ein, lässt sich, laut KI-Studie des eco – Verbands der Internetwirtschaft, ein Wachstum des Bruttoinlandsprodukts von über 13 Prozent bis 2025 (im Vergleich zu 2019) realisieren, was einem Gesamtpotenzial von rund 488Mrd. Euro entspricht.

KI ermöglicht vorausschauende Wartungen

Gefördert wird Service-Meister vom BMWi (Bundeswirtschaftsministerium), das erst kürzlich angekündigt hat, die KI-Mittel von drei auf fünf Milliarden Euro bis 2025 zu erhöhen. Das entspricht der vom Kabinett beschlossenen Fortschreibung der KI-Strategie der Bundesregierung. Die ServiceMeister Schnellboote sind Beispiele für den gelungen Transfer von Forschungsergebnissen in die Anwendung. In diesen individuellen Use Cases kooperieren jeweils ein Industrie- und Implementierungspartner. Trumpf und USU Software z.B. arbeiten zusammen daran, den Status von Anlagen automatisch zu diagnostizieren, Wartungskosten zu reduzieren und Serviceeinsätze effizient zu planen. Gelingen soll das mit einer Kombination aus Sensorik, Diagnoseverfahren und KI-Knowhow. „Ziel ist es, unsere Maschinen durch künstliche Intelligenz dazu zu befähigen, sich mittels Predictive Maintenance selbst vorausschauend zu warten“, sagt Maximilian Veith von Trumpf. Möglich wird dies z.B. mit Hilfe der intelligenten Analyse unterschiedlicher Diagnosedaten, die beispielsweise zukünftig auch Geräuschveränderungen enthalten. Notwendige Daten werden an eine Cloud-Plattform transferiert und dort differenziert ausgewertet. Auf Basis dieser Informationen lassen sich Wartungstickets zukünftig (teil)automatisieren und Feedback zum Erfolg von Maßnahmen in einem kontinuierlichen Lern- und Verbesserungsprozess nutzen. Das steigert fortlaufend die Anlagenverfügbarkeit und reduziert Wartungskosten.

Service-Meister Konsortium arbeitet an Lösungen

Im Forschungsprojekt Service-Meister arbeiten Unternehmen wie KEB, Atlas Copco, Würth, Krohne und Trumpf mit den Implementierungspartnern USU, Inovex, Open Grid Europe und Grandcentrix zusammen. Die Tandems entwickeln zurzeit in sechs sogenannten Schnellbooten individuelle Use Cases, in denen auch der Wissens- und Fortbildungsstand der jeweiligen MitarbeiterInnen ein wichtiges Thema darstellt.

Eco - Verband der deutschen Internetwirtschaft e.V

Das könnte Sie auch Interessieren

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.