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.

Kultur verankern

Damit sich aber alle Teams an KI-Projekten beteiligen können, muss auch die entsprechende Kultur im Unternehmen verankert sein. Sie zeichnet sich vor allem durch ein teamübergreifendes, grundlegendes Verständnis der KI-Anwendung aus. Das bedeutet aber nicht, dass sich alle Teammitglieder mit den tiefen technischen Aspekten der KI auseinandersetzen müssen. Es geht eher darum, Mehrwerte, Ziele und den Nutzen zu kommunizieren und zu diskutieren. Durch eine zentrale Plattform und teamübergreifende Zusammenarbeit ergeben sich für die Industrie große Mehrwerte. Mitarbeiter profitieren vom gegenseitigen Fachwissen und durch neue Blickwinkel aus unterschiedlichen Abteilungen können neue Ansätze entwickelt werden, die in Zusammenarbeit zu echten Lösungen weiterverarbeitet werden. Wer sich bereits jetzt mit der Demokratisierung von KI auseinandersetzt und diese in der Produktion etabliert, kann gleichzeitig die Basis für ein wirklich datengesteuertes Unternehmen legen.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

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.