KI-Lösung zur Steigerung der Betriebsleistung

Der in der obigen Abbildung orange dargestellte Indikator ist beispielsweise die Energieeffizienz (oder PUE) für ein 2-MW-Rechenzentrum, das für digitale Datenverarbeitung bestimmt ist. Sie ermöglicht die Beurteilung der Auswirkung und des Ursprungs des Fehlers.
Der in der obigen Abbildung orange dargestellte Indikator ist z.B. die Energieeffizienz (oder PUE) für ein 2-MW-Rechenzentrum, das für digitale Datenverarbeitung bestimmt ist. Sie ermöglicht die Beurteilung der Auswirkung und des Ursprungs des Fehlers. – Bild: Kapsdata

Die von Kapsdata entwickelte Kapstech-Lösung, die auf IIoT-Architekturen und Edge AI basiert, zielt darauf ab, die Prozesseffizienz zu verbessern und gleichzeitig die Umweltbelastung zu reduzieren und soll Unternehmen aus Bereichen wie Industrie, Energie und Gebäudetechnik neue Methoden für die Optimierung von Produktion und Steuerung ihrer Betriebsleistung bieten. Dabei erleichtert die Lösung die Einführung von ISO50001, OPC UA-Standards sowie die Implementierung des IPMVP-Protokolls in Infrastrukturen und schafft die Voraussetzung für eine vorbeugende und vorausschauende Wartung. Der ökologische Wandel wird ebenfalls beschleunigt durch einen verbesserten CO²-Fußabdruck (ISO14001). Die Edge-Struktur soll (Cyber-)Sicherheit und Datenschutz garantieren.

Ein Anwendungsgebiet der Technologie ist die Auditierung und Diagnose der Infrastrukturleistungen von Kälteerzeugung und -verteilung. Das zeigt ein Kundenauftrag für ein Rechenzentrum (Kapazität: 10MW): Die Lösung stellt in diesem Fall nicht nur die Entwicklung und Konsolidierung der Messdatenbank sicher, sondern auch die Implementierung von Machine-Learning-Tools. Diese sind für das Design und die Pflege der für die Echtzeit-Klassifikation verwendeten Modellierungsgesetze notwendig. Dasselbe gilt für die Echtzeit-Erstellung der verschiedenen Dashboards zur Steuerungsunterstützung. Die Vorteile liegen vor allem in der Zeitersparnis für das Personal bei der täglichen Steuerung des Rechenzentrums durch Aufgaben wie die Erkennung von Fehlern und Störungen (Antizipation vor einem Ausfall). Ebenfalls gewährleistet: die Optimierung des Ausrüstungsmanagements (Schaltschwelle, Kaskadierung der Baugruppen, die Modulation thermischer und hydraulischer Trägheit) sowie die Wirkungsanalyse unter Betriebsbedingungen: IT-Last, Temperatur der Wasserkreise und Wartungsmaßnahmen.

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