Die Demokratisierung künstlicher Intelligenz

Technologie für alle

Durch die Nutzung von künstlicher Intelligenz in Verbindung mit dem Internet of Things werden Fertigungsprozesse intelligenter und effizienter. Damit Daten in der Industrie auch maximal gewinnbringend genutzt werden können, muss die Technologie aber ihren Weg aus dem Elfenbeinturm finden. Denn nur durch die Einbindung aller Mitarbeiter können Synergien genutzt, bestehende Prozesse verbessert und neue Use Cases identifiziert werden.
Bild: ©THANANIT/stock.adobe.com

Im Rahmen von Industrie 4.0 soll künstliche Intelligenz Fertigungsprozesse intelligenter sowie effizienter machen und dadurch die Wertschöpfung der Produktion erhöhen, die Produktivität und den Umsatz steigern. Obwohl Anwendungsfälle wie vorausschauende Wartung oder digitale Zwillinge bereits in der Industrie zum Einsatz kommen, ist die Mitwirkung am enstprechenden Projekt oft noch auf die Datenteams des Unternehmens beschränkt. Dabei bringt gerade die Einbindung aller Mitarbeiter in KI-Projekte großes Potenzial, sagt Rachel Boskovitch, Expertin der Enterprise-AI-Plattform Dataiku.

Bild: Bitkom e.V.

Synergien durch Demokratisierung

Einer der größten Use Cases von KI in der Industrie ist die vorausschauende Wartung. Sie hat das Ziel, den Austausch oder die Wartung von (Verschleiß-) Teilen auf Grund von Daten bereits anzuzeigen, bevor diese ausfallen. So kann die Lebensdauer optimiert und gleichzeitig Qualitätsstandards in der Produktion gewährleistet werden. Dieser Use Case eignet sich auch um andere Teams einzubinden – beispielsweise die Techniker in der Produktion. Diese können über ein gemeinsames Dashboard in einer zentralen Plattform direkt am Projekt partizipieren. Mit einem visuellen Entscheidungstool werden sie befähigt, direkt selbst zu erkennen, wann Teile gewartet oder ausgetauscht werden müssen. Gleichzeitig eröffnet diese Demokratisierung des Datenzugangs neue Möglichkeiten der Dateneinspeisung, denn neben Daten aus dem IoT können weitere Datenquellen, wie beispielsweise manuelle Daten aus der menschlichen Inspektion einbezogen und vom Modell verwendet werden, um noch präzisere Vorhersagen zu treffen. Mittels AutoML-Funktionen können duzende Algorithmen direkt in einer gemeinsamen Oberfläche verglichen werden und Modelle mit einem Klick bereitgestellt werden, gleichzeitig verhindern robuste Modellüberwachungsfunktionen ein Abdriften des Modells.

Qualitätssicherung

Auch im Bereich der Qualitätssicherung bietet die Zusammenarbeit von Mensch, Technologie und Daten, die im Zuge der Demokratisierung von KI erreicht wird, neue Möglichkeiten. Dabei werden beispielsweise Sensordaten aus der Produktion von einem Modell genutzt, das den Prozentsatz an Ausschuss misst. Ist dieser zu hoch, werden Techniker aus der Produktion informiert und können Gegenmaßnahmen ergreifen und damit Produktionsausfälle vermeiden oder abmindern. Diese Demokratisierung und die gemeinsame Arbeit auf einer zentralen Plattform kann die Zusammenarbeit vertiefen. So können die Fachkenntnisse aus dem Fertigungsbereich mit der Expertise des Datenwissenschaftlers kombiniert werden, woraufhin wiederum das Modell verbessert werden kann, während Analysten und MLOps-Spezialisten direkt mit eingebzogen werden können. Weil alle Stakeholder auf Daten zugreifen und diese visuell aufbereiten können, werden neue Erkenntnisse gewonnen, gleichzeitig bleibt bei Aktualisierungen des Modells alles auf dem aktuellen Stand.

Zwei Faktoren

Die Basis der Demokratisierung von KI in der Industrie bilden dabei also vor allem zwei Faktoren: Einerseits können Datenprojekte auf einer zentralen Plattform allen Unternehmensbereichen zugänglich gemacht werden, andererseits werden sämtliche am Projekt beteiligten Teams durch die Etablierung einer zukunftsfähigen KI-Kultur befähigt, sich aktiv an den Prozessen zu beteiligen. Auf der zentralen Plattform zur Arbeit mit Daten und KI werden sämtliche Datenprojekte abgebildet – inklusive der zugehörigen Datensätze, Funktionen und Metriken. Wichtig ist dabei die Aufbereitung der Daten in visueller, einfacher Form – also einer einheitlichen Sprache, die das Vorgehen bei Datenprojekten schrittweise beschreibt und gesamte Prozesse so dokumentiert, dass sie für sämtliche Mitarbeiter innerhalb des Unternehmens nachvollziehbar ist. Gleichzeitig kann eine gemeinsame Plattform zu einer verbesserten Data Governance beitragen. Modelle werden nicht mehr in lokalen und oftmals intransparenten Umgebungen, wie beispielsweise den Rechnern einzelner Datenwissenschaftlern, abgewickelt. Die Herkunft, Beschaffenheit, Aufbereitung und Verwendung der Daten sind damit immer einsehbar. Auch die Kommunikation findet in einer sicheren Umgebung statt – anstelle unübersichtlicher Mails sind kritische Daten und Feedbacks direkt in der Plattform einsehbar, gehen nicht verloren und halten alle Beteiligten auf dem aktuellen Stand. Eine besondere Bedeutung kommt dieser Art der Zusammenarbeit auch zu, wenn produzierende Unternehmen Daten aus verschiedenen Standorten verwenden. Diese können einfach eingespeist, visualisiert und dann gemeinsam genutzt werden.

Seiten: 1 2Auf 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.