Internet of Things und künstliche Intelligenz

Digitalisieren im passenden Tempo

Der Digitalisierungsmotor dreht sich immer schneller - auch weil die Corona-Pandemie virtuelle Geschäftsprozesse vorantreibt. Gerade für KMU sind die Hürden auf dem Weg zu digitalem Zwilling, IoT und KI jedoch oft hoch. Der IT-Dienstleister GFT will sie mit seiner Plattform Sphinx Open senken.
Bild: GFT Technologies SE

Digitale Zwillinge, IoT-Plattformen und künstliche Intelligenz (KI) bieten jede Menge Möglichkeiten, die auch kleinere Unternehmen relativ unkompliziert nutzen können. „Der Schlüssel dafür ist eine leistungsfähige, flexible und sichere IT. Sie schafft die Voraussetzung für intelligente Wertschöpfungsketten, die die Effizienz im Tagesgeschäft steigern und die Grundlage für neue Geschäftsmodelle bilden“, sagt Thomas Martin, Managing Director für den Geschäftsbereich Industrie bei der GFT Technologies. Allerdings ist der Digitalisierungsgrad in den meisten Unternehmen noch gering. Zudem fällt es Firmen oft schwer, eine passende Strategie sowie die richtigen Entscheidungswege für ihre Investitionen zu finden. Hinzu kommt, dass das Plattform- und Lösungsangebot unübersichtlich ist. Es gilt, eine Vielzahl von Komponenten mit unterschiedlichen Schnittstellen und Kommunikationsprotokollen zu kombinieren. „Die hierfür benötigte digitale Agenda mit der auf die Digitalisierung bezogenen Vision und den strategischen Zielen braucht als Fundament und Voraussetzung sogenannte Enabler. Dazu zählen Infrastruktur und Architektur, Datenerfassung und -analyse, digitale Kompetenzen, passende Prozesse und Vorgehensmodelle, Ressourcen, Digitalkultur und auch ein erweitertes Partnernetzwerk. Das alles sind gleichzeitig Voraussetzungen und Handlungsfelder zur Gestaltung der digitalen Agenda“, schildert Martin.

Bestandsaufnahme

Besonders die Integration von IoT-Lösungen kann mittelständischen Industrieunternehmen die Möglichkeit eröffnen, Informationen aus allen Unternehmensbereichen zu sammeln und auf Basis der gewonnenen Daten neue Geschäftsansätze zu entwickeln. Beim Einsatz solcher Lösungen fallen große Datenmengen aus den gekoppelten Systemen an, die schnell verarbeitet werden müssen – in der Regel mittels Big-Data-Technologien. Die gewonnenen Daten aus der Produktion können mit anderen Systemen kombiniert werden, wodurch man einen Überblick über die gesamte Wertschöpfungskette erhält.

Digitaler Zwilling

Objekte wie Maschinen lassen sich mithilfe von Daten und Algorithmen als digitale Zwillinge abbilden. Sie beschreiben die Eigenschaften und das Verhalten der tatsächlichen Objekte unter bestimmten Bedingungen und können über Sensoren in Echtzeit mit der realen Welt verbunden sein. Durch die Kopplung mit aktuellen Daten, etwa Umgebungsbedingungen oder Maschinenpositionen, ermöglichen digitale Zwillinge komplexe Analysen und Simulationen und ersparen häufig physikalische Prototypen. Um Produktionsumgebungen digital nachzubilden, sind IoT-Plattformen wie Sphinx Open Online von GFT das Mittel der Wahl. Diese meist cloudbasierten Plattformen simulieren Produktionsabläufe, basierend auf gesammelten Daten. Dadurch erhalten Anwender Informationen, die ihnen wertvolle Erkenntnisse über ihre produktiven Prozesse liefern, beispielsweise über ungenutzte Potenziale oder etwaige Produktionsschwachstellen. Zusätzlich lassen sich die angeschlossenen produktiven Umgebungen über die IoT-Plattform automatisch steuern. Dabei unterstützen entweder definierte Regelwerke oder KI-Lösungen.

Mit KI kombinieren

„Das volle Potenzial wird erst dann entfaltet, wenn IoT, Produktions- und Prozessdaten sowie künstliche Intelligenz kombiniert und gemeinsam weiterentwickelt werden“, sagt Martin. „KI ermöglicht es, die Analyse der Daten, die im IoT-Umfeld anfallen, zu verbessern und daraus intelligente Schlüsse zu ziehen. Gleichzeitig kann die Erhebung dieser Informationen die Entwicklung der KI entscheidend vorantreiben – es besteht also eine gegenseitige Wechselwirkung“, so der Spezialist. Auf diese Weise können Firmen die vorhandenen Ressourcen effizienter nutzen, präventive Maßnahmen durchführen und wichtige Prozesse optimieren. Beispiele dafür sind Trackingsysteme in der Logistik, automatisierte Fehlermeldungen aus dem Maschinenpark oder vollautomatisierte Produktionsabläufe.

Seiten: 1 2Auf einer Seite lesen

GFT Smart Technology Solutions GmbH

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.