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

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