Künstliche Intelligenz und MES

Auf dem Weg in die 5. industrielle Revolution

Die Einbindung von künstlicher Intelligenz auf Werksebene bietet enorme Optimierungs- und Produktionssteigerungspotentiale - obwohl die wirtschaftliche Nutzung erst seit kurzem möglich und noch gar nicht alle Anwendungsfelder greifbar sind. Doch um den Blick auf die Zukunft der Produktion zu schärfen, müssen die Vergangenheit und technologische Innovationen verstanden sein.

Sensordaten gewinnen an Bedeutung

Im Produktionsalltag kann das beispielsweise bedeuten, dass der Ausfall einer Maschine nicht mehr nur umgehend gemeldet wird, sodass der Planer schnell reagieren kann. Vielmehr kann nun prognostiziert werden, wann mit einem Maschinenausfall zu rechnen ist und welches Verschleißteil daher zeitnah instandgesetzt oder ausgetauscht werden sollte. Die hierfür zuständigen Sensoren melden also nicht mehr singuläre Ereignisse, sondern setzen ihre Daten direkt in Zusammenhang mit anderen relevanten Daten und erkennen so den Kausalzusammenhang. Das KI-basierte System kann daher frühzeitig und eigenständig Abweichungen erkennen, einordnen und – wenn notwendig – Maßnahmen ergreifen. Dieses Konzept heißt im Fachjargon zumeist Predictive Maintenance. Eine solch intelligente Steuerung kann unter anderem in der Personaleinsatzplanung eingesetzt werden. Denn wenn das KI-unterstützte Produktionsmanagement neue oder geänderte Aufträge, eine Maschinenstörung oder andere ungeplante Situationen erkennt, kann – je nach Umfang und Auswirkung der Situation – die Schicht- und Einsatzplanung angepasst werden. Auf Grundlage der erfassten Daten und der kybernetischen Feedbackschleifen kann analysiert werden, wie sich der Personalbedarf verändert. Eine neu erstellte Produktionsplanung legt fest, wann welcher Mitarbeiter und welche Fachkraft an welcher Maschine sein muss und mit welcher Gesamtplanung die Produktions- und Liefertermine am ehesten eingehalten werden können. Das System plant Maschinenumrüstungen, Materialflüsse und weitere produktionsrelevante Aufgaben und schlägt die Alternativplanung vor – oder setzt diese direkt um. Zeitgleich fließen die neue Planungsinformationen ins ERP-System, sodass gegebenenfalls Kunden über eine verspätete Lieferung informiert werden können.

Die fünfte industrielle Revolution

Diese tiefgreifenden Veränderungen der betrieblichen Abläufe illustrieren, warum der Einzug der künstlichen Intelligenz in die Fertigung eine große Innovation, möglicherweise sogar eine fünfte industrielle Revolution darstellt: Nachdem bisher die meisten technologischen Innovationen zur Unterstützung und Entlastung des Menschen dienten, kann eine KI-basierte Fertigung Prozesse autonom kontrollieren und steuern. Die Technologie ist also nicht mehr nur Partner, sondern eigenständiger Akteur. An dieser Stelle werfen häufiger Kritiker ein, dass so Menschen aus der Arbeitswelt verdrängt werden und dadurch Massenarbeitslosigkeit entstehe. Doch einerseits wird der Facharbeiter für das Einrichten und Trainieren von KI-basierten IT-Lösungen benötigt. Denn selbst wenn die künstliche Intelligenz gewisse Aufgaben effektiver bearbeiten kann als Menschen, weiß sie keine Produktionsziele zu definieren und nicht die passenden Qualitätsstandards einzuhalten. Auch fehlt ihr die Kreativität, um an neuen Einsatzgebieten oder gar ganzen Produktentwicklungen zu arbeiten. Andererseits erfordert die Digitalisierung eine Vielzahl an gut ausgebildeten Fachkräften – unzählige Stellen müssen geschaffen und adäquat besetzt werden. Und gerade in Wissenschaft und Forschung werden immer Menschen benötigt, um die Welt der Innovationen zu organisieren, zu bewerten und zu testen.

Innovativer Wegbereiter

Die Vision des Industrial Internet of Things sieht die Vernetzung aller Anlagen, Maschinen, Transportmittel, Leitstände, Prozesse und so weiter vor. Aus dieser Echtzeitkommunikation der Teilnehmer untereinander resultiert eine Datenmenge, die eine ideale Grundlage für KI-gesteuerte Manufacturing Execution Systems darstellt. Denn mit Hilfe der richtigen Algorithmen kann eine sehr tiefgehende Produktions- und Prozessanalyse getätigt werden. Die so offengelegten Optimierungspotentiale bei der Produktivitätssteigerung werden von vielen Experten auf rund 20 Prozent geschätzt. Doch wie groß diese Prozentzahl im Einzelnen auch sein mag, die nachhaltige Steigerung der Wirtschaftlichkeit mit Hilfe eines professionellen MES-Tools und bedarfsgerechten KI-Lösungen ist regelmäßig möglich.

Seiten: 1 2 3Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.