Wissensmanagementlösungen in Industrieunternehmen auf dem Vormarsch

KI-Unternehmen Mindbreeze skizziert drei Anwendungsszenarien
Smarte Fabriken und vernetzte Arbeitsprozesse sind mittlerweile fester Bestandteil des digitalen Wirtschaftslebens. Diese digitale Transformation bringt viele Vorteile, führt aber gleichzeitig auch zu einem Anstieg der Datenmengen in Unternehmen. Besonders im Industrieumfeld gilt es die vorhandenen Informationen aus Administration/Organisation mit jenen der Produktion zu verknüpfen, um daraus einen Mehrwert zu generieren. Eine Herausforderung, die mit modernen Wissensmanagementlösungen einfach zu lösen beziehungsweise zu handhaben ist.
Bild: ©zapp2photo/stock.adobe.com

So nutzen z.B. Insight Engines Methoden künstlicher Intelligenz wie Machine- und Deep-Learning, um Unternehmensinformationen zu analysieren, zu interpretieren, zu vernetzen und für die Anwender in einer 360-Grad-Sicht aufzubereiten. Dank zahlreicher Funktionalitäten wie semantische Suche, Content Analytics, Guided Search und natürliche Spracherkennung (NLP) in Kombination mit einer Graphdatenbank liefern sie wertvolle Informationen für Geschäftsentscheidungen und Prozesserleichterungen.

Die Experten von Mindbreeze beschreiben drei Szenarien, in denen der Einsatz von KI-basierten Wissensmanagementlösungen bereits heute einen großen Mehrwert mit sich bringt.

1.     Individuelles Knowhow  

Daten sind in Unternehmen in vielen unterschiedlichen Ausprägungen (Formate, Speicherorte) vorhanden. Damit daraus ein echter Mehrwert generiert werden kann, müssen diese Mitarbeitern zum richtigen Zeitpunkt, am richtigen Ort und in der richtigen Form (360-Grad-Sicht oder Details davon) zur Verfügung stehen. Das kann die Adresse eines Kunden sein, die technische Beschreibung eines Bauteils, die Verkaufszahlen eines Produkts in einer bestimmten Region oder die Suche nach einem unternehmensweiten Experten. Insight Engines sind in der Lage Suchabfragen zu interpretieren, die Intention des Fragenden zu ermitteln und proaktiv sowie personalisiert Antworten bereitzustellen. So erhält jeder Anwender eine individuelle auf seine Rolle, Abteilung und Fachwissen abgestimmte Informationsübersicht.

2.     Erkenntnisse für die vorausschauende Wartung 

Von den Anschaffungskosten über die Betriebskosten bis hin zu den Instandhaltungskosten – Anlagen und Maschinen sind mit finanziellem Aufwand verbunden. Ein Ansatz, um möglichst kosteneffizient zu agieren, ist die proaktive Wartung, die nicht nur Instandhaltungskosten reduzieren, sondern auch Ausfallzeiten minimieren kann. Das Stichwort lautet: Predictive Maintenance, also vorausschauende Wartung. Moderne Maschinen und Produktionsanlagen erzeugen, speichern und senden unentwegt Informationen zu ihrem aktuellen Zustand. Intelligente Wissensmanagementlösungen wie Insight Engines verknüpfen die erhaltenen Daten mit weiteren verfügbaren Informationen wie Expertenmeinungen, Wartungsprotokollen, Plänen, Dokumentationen sowie Angaben zu Herstellern und Lieferanten aus anderen Unternehmensdatenquellen zu einer 360-Grad-Sicht. Damit sehen Ingenieure und Techniker alle relevanten Informationen auf einen Blick, um eine vorausschauende Instandhaltung, Bedarfsplanung und ein Ersatzteilmanagement zu ermöglichen.

3.     Intelligentes Stücklistenmanagement

Stücklisten bzw. Bill of Materials (BOM) bilden in produzierenden Unternehmen eine wichtige Datenbasis. Sie dokumentieren, aus welchen Einzelteilen ein Endprodukt besteht. Gerade bei Lieferverzögerungen oder Lieferausfällen benötigter Komponenten ist es wettbewerbsentscheidend, den Überblick zu behalten und auch andere Informationen (etwa über Lieferanten, Verfügbarkeiten, Qualitätsprüfungen oder Bestellungen) in die Entscheidungsfindung einzubeziehen. KI-basierte Wissensmanagementlösungen bieten die Möglichkeit, Inhalte und Informationen aus sämtlichen Unternehmensdatenquellen zu berücksichtigen. So erhalten die Anwender bei Bedarf auf Knopfdruck zusätzliche relevante Informationen, beispielsweise länderspezifische Restriktionen, Vorgaben oder Verfügbarkeiten, ohne eine erneute Rechercheabfrage in einem weiteren System zu starten.

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