Energieeffizienz steigern: Hilfe für kleinere Unternehmen

Die Digitalisierung und Methoden der künstlichen Intelligenz (KI) bieten vielfältige Optionen, die Energieeffizienz zu steigern. Über eine Plattform sollen kleine und mittlere Unternehmen künftig Werkzeuge, Wissen und eine Infrastruktur zur Unterstützung bei Integration und Nutzung der neuen Technologien erhalten. Das ist Ziel der Forschungen im neuen Verbundprojekt ecoKI unter Leitung des Biba – Bremer Institut für Produktion und Logistik an der Universität Bremen.
Bild: David Schumacher/Biba

Der Weg vom Prototypen aus dem Forschungslabor auf den Markt ist beschwerlich und dauert lange. Der Schritt in die betriebliche Anwendung vor allem kleiner und mittlerer Unternehmen (KMU) wird noch zu selten vollzogen. Die Forschungs- und Technologieplattform ecoKI soll hier Hürden abbauen und die Prozesse beschleunigen. Das Projekt hat den Transfer von Erkenntnissen und Entwicklungen aus öffentlich geförderter Forschung im Blick.

Das Ziel der Partnerinnen und Partner: Wissen zu Digitalisierung und KI-Methoden speziell zum maschinellen Lernen zusammentragen und es einfach sowie übersichtlich zugänglich machen, weiteres Wissen aufbauen und Fachleute mit Anwendern vernetzen, um so einen niedrigschwelligen und schnellen Einstieg in den Nutzen der neuen Technologien zur Steigerung der Energieeffizienz zu ermöglichen.

Dauerhaft verfügbare Lösungen

Es sollen dauerhaft verfügbare, ausbaufähige Lösungen entstehen – mit der Plattform selbst wie auch durch die somit generierte Umsetzung einzelner Projekte in den Unternehmen mit dem Ziel einer gesteigerten Energieeffizienz. Zudem erwarten die Verbundpartner durch ihre Forschungen auch neue Fragestellungen und weitere Erkenntnisse zu den Bedarfen der Industrie.

Eine zentrale Aufgabe im ecoKI-Projekt ist der Aufbau und die Organisation der Plattform als Grundlage für ein langfristiges, funktionsfähiges Geschäftsmodell. Die zweite wesentliche Arbeit ist die Entwicklung von Standard-Bausteinen für die Plattform. Diese sollen den Anwendern als Wissensbasis dienen und für neue Aufgabenstellungen zu nutzen sein. Die in die Plattform implementierten, wiederverwendbaren Module sollen Unternehmen Unterstützung dabei bieten, ihre Prozesse kostengünstig und effizient durch den Einsatz von KI-Methoden weiterzuentwickeln. Synergien aus unterschiedlichen Anwendungsfällen sollen genutzt werden können.

Die wirtschaftlichen Verwertungsperspektiven des Vorhabens sind langfristig-strategisch ausgerichtet und gründen vor allem in der künftig durch ecoKI verbesserten Kooperation zwischen Entwicklern und den An-wendern innovativer KI-Technologien in der betrieblichen Praxis.

Mit CRISP-DM, rigorosen Modellen und maschinellem Lernen

Bei der Sammlung, Verarbeitung und Nutzung der Daten setzen die Projektpartner auf die Methode des CRISP-DM (Cross Industry Standard Process for Data Mining). Das ist ein bewährtes, standardisiertes Prozessmodell, mit dessen Hilfe eine einheitliche Vorgehensweise bei der Entwicklung von Data Mining-Prozessen erreicht wird, um Trends und Zusammenhänge erkennen zu können. Zur Entwicklung der generischen Bausteine für die Plattform beschäftigt sich das Projekt auch mit sogenannten rigorosen Modellen und – im Bereich der Künstlichen Intelligenz – mit dem Deep Learning, einem Teilgebiet des maschinellen Lernens.

Rigorose Modelle bilden einen technischen Mechanismus mit exakter wissenschaftlicher Methodik ab. Sie haben den Vorteil, mit ihrer Hilfe simulierte Verfahren genauer verstehen zu können. Maschinelles Lernen beschäftigt sich, im Gegensatz zu formalisiertem Fachwissen, mit der automatisierten Erstellung von Vorhersagemodellen basierend allein auf Daten. Besonders aufgrund der Entwicklung von Deep Learning-Ansätzen und deren erfolgreichen Anwendungen verzeichnet der Einsatz des maschinellen Lernens seit Jahren ein rasantes Wachstum.

Eckdaten zum Verbundprojekt ecoKI

In dem vom Biba – Bremer Institut für Produktion und Logistik initiierten Workshop ‚Steigerung der Energieeffizienz in der Produktion durch Digitalisierung und KI‘ unter anderem mit Vertreterinnen und Vertretern des Bundesministeriums für Wirtschaft und Energie (BMWi) und des Projektträgers Jülich (PtJ) entstand die Idee zur Realisierung einer an den Fragestellungen nachhaltiger Energieeffizienz ausgerichteten Forschungs- und Technologieplattform sowie Netzwerkstruktur. Sie soll insbesondere KMU innovative F&E-Ergebnisse leichter zugänglich machen und die Anwendung fördern.

Seiten: 1 2Auf einer Seite lesen

Universität Bremen

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.