Künstliche Intelligenz (KI)
Kurz erklärt
Künstliche Intelligenz (KI) bezeichnet den Versuch, das Lernen und Denken des Menschen auf einen Computer zu übertragen. Er entwickelt im Laufe der Zeit eine „eigene Intelligenz“ und muss so nicht für jede neue Anforderung neu programmiert werden. Die KI kann Antworten eigenständig finden und löst Probleme selbstständig.
Film ab
Regionale Anlaufstelle für KI
Land fördert die neue Anlaufstelle für KI in der Region Ostwürttemberg
Künstliche Intelligenz greifbar machen – und anwendbar! Dieses Ziel rückt mit der Förderzusage für das Zentrum für Künstliche Intelligenz (KI) des Ministeriums für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg für die Region in unmittelbare Nähe. Denn für den gemeinsamen Aufbau des KI-Lab erhalten die Hochschule Aalen und das digiZ | Digitalisierungszentrum Ostwürttemberg vom Land rund 100.000 Euro Förderung. Mit der Kooperation sollen regionale Unternehmen dabei unterstützt werden, die wirtschaftlichen Chancen der Schlüsseltechnologie KI für sich zu nutzen.
“Es gibt kaum ein Feld der Digitalisierung, das solch hohe Wachstumsraten erwarten lässt.”
Wirtschaftsministerin Nicole Hoffmeister-Kraut
Expertenbericht
Basis für kontinuierliche Verbesserungen durch Künstliche Intelligenz
Künstliche Intelligenz (KI) ist für die deutsche Industrie von Science-Fiction zu nutzbarer, fortschrittlicher Technologie avanciert, mit der sich Optimierungspotenziale in der Fertigung nutzen lassen. Besonders groß ist das Interesse der Fertigungsunternehmen an KI-Anwendungen im Kontext von vorausschauender Wartung (Predictive Maintenance) und Qualitätskontrolle und -sicherung (Predictive Quality). Beim Start in die Welt der KI sollten Unternehmen besonderes Augenmerk auf die Themen Daten, interne Kollaboration und externe Unterstützung legen.
Einer Studie des Berliner Instituts für Innovation und Technik (iit) im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) zufolge birgt künstliche Intelligenz (KI) ein enormes Potenzial für die künftige Wertschöpfung in der produzierenden Industrie. Auf rund 31,8 Mrd. Euro schätzt das iit die durch den Einsatz von KI mögliche zusätzliche Bruttowertschöpfung innerhalb der nächsten fünf Jahre.1
Bereits heute nutzen 12 Prozent der Industrieunternehmen Künstliche Intelligenz im Kontext von Industrie 4.0, so eine repräsentativen Befragung in der deutschen Industrie im Auftrag des Digitalverbands Bitkom. Knapp die Hälfte der von Bitkom befragten Unternehmen (49 Prozent) ist überzeugt, dass KI die Basis für kontinuierliche Verbesserungen in der Fertigung bildet. 39 Prozent erwarten, dass sich mittels KI die Fehlererkennung optimieren und dadurch Ausfallzeiten von Maschinen reduzieren lassen. Eine Verbesserung der Produktqualität erhofft sich jedes vierte Unternehmen (25 Prozent). Jedes fünfte Unternehmen verspricht sich weniger Kosten, zum Beispiel für Personal, Wartung und Inspektion (19 Prozent).
Bereits heute nutzen 12 Prozent der Industrieunternehmen Künstliche Intelligenz im Kontext von Industrie 4.0, so eine repräsentativen Befragung in der deutschen Industrie im Auftrag des Digitalverbands Bitkom. Knapp die Hälfte der von Bitkom befragten Unternehmen (49 Prozent) ist überzeugt, dass KI die Basis für kontinuierliche Verbesserungen in der Fertigung bildet. 39 Prozent erwarten, dass sich mittels KI die Fehlererkennung optimieren und dadurch Ausfallzeiten von Maschinen reduzieren lassen. Eine Verbesserung der Produktqualität erhofft sich jedes vierte Unternehmen (25 Prozent). Jedes fünfte Unternehmen verspricht sich weniger Kosten, zum Beispiel für Personal, Wartung und Inspektion (19 Prozent).
Vielfältige Technologien und Einsatzfelder
KI umfasst verschiedene Technologiearten und -modelle: In der Industrie kommen vorzugsweise rational inspirierte KI-Technologien zum Einsatz. Zu diesen gehören:
- Computer Vision (Objekterkennung in Bildern, Erkennung von Handlungen in Videos, Umgebungserkennung)
- Machine Learning (überwachte und nicht überwachte Lernverfahren, bestärktes Lernen, Künstliche Neuronale Netze, Deep Learning, statistische Modelle, ML Ensembles)
- Aktionsplanung und Optimierung (Bewegungsplanung und Motorkontrolle, Selbstorientierung und Kartierung von Umgebungen, Navigieren, Routenplanung, Prozessoptimierung)
Ebenso vielfältig sind die Einsatzmöglichkeiten dieser KI-Technologien. Anwendbar sind sie in den verschiedensten Segmenten der Wertschöpfungskette – von der Produktentwicklung über die Produktion und Instandhaltung bis zur Logistik.
KI-Anwendungen für Wartung und Qualitätssicherung
„Einen hohen Mehrwert bietet KI für Bereiche, die durch manuelle Aufwände oder ein Vorgehen nach vorgefertigten Plänen geprägt sind“, sagt Carsten Schuff, Topic Lead Künstliche Intelligenz bei dem auf Plattformen und Anwendungen für die Digitalisierung spezialisierten Produktentwickler PlanB. „Dazu gehören beispielsweise Wartungsarbeiten und Werkstoffprüfungen zur Qualitätssicherung. Hier lassen sich mittels KI deutliche Effizienzsteigerungen erzielen.“
Predictive Maintenance
Ein vielversprechender Anwendungsbereich für KI ist die vorausschauende Wartung von Maschinen und Anlagen (Predictive Maintenance). Das KI-System ist in der Lage, frühzeitig Verschleiß und andere Probleme zu erkennen und Maßnahmen wie eine Überprüfung durch Mitarbeiter, eine Wartung oder eine Reparatur zu initiieren. Ebenso erkennt das System, ob eine eigentlich geplante Wartung überhaupt zum avisierten Termin notwendig ist.
„Ermöglicht wird dies durch die Auswertung von kontinuierlich per IoT-Sensoren gemessenen kritischen Betriebsparametern wie Druck, Temperatur, Dichte, Umdrehungen etc.“, erklärt Florian Schmid, Solution Expert Data Science bei PlanB. „Dabei baut das KI-System fortlaufend aus den Sensordaten der Maschinen und Informationen von internen Spezialisten Erfahrungswissen auf, auf dessen Basis das System dann Lebensdauer von Maschinenkomponenten oder drohende Ausfälle prognostiziert und den optimalen Zeitpunkt für Wartung respektive Reparaturen festlegt.“
Kostspielige Ausfallzeiten werden durch die dank KI frühzeitig mögliche Einleitung von Wartungs- und/oder Reparaturarbeiten reduziert. Zudem profitieren Unternehmen von einer verbesserten Instandhaltungsplanung und können Instandhaltungsaktivitäten effizient priorisieren.
Predictive Quality
Auch der Produktionsausschuss und die Menge der Retouren und Produktrückrufe lassen sich durch den Einsatz von KI minimieren – was sowohl für weniger Kosten als auch für mehr Zufriedenheit bei den Kunden sorgt.
Ein Anwendungsszenario ist die Prüfung der Beschaffenheit von Bauteilen, Produktionsstoffen oder Produkten anhand von Video-, Bild- oder Sensordaten. Beispielsweise lässt sich die Oberflächenstruktur eines Produktes mittels 3D-Kameratechnik überprüfen. Um Abweichungen bzw. Fehlstellen zu erkennen, werden die erzeugten 3D-Daten mit einem Referenzmodell verglichen. Auch Unregelmäßigkeiten in Produktionsprozessen lassen sich durch die Auswertung der Videodaten feststellen.
„Zudem kann KI Fehlerwahrscheinlichkeiten auch vorhersagen, sodass sich Produkteigenschaften und Produktionsprozesse bereits im Vorfeld innerhalb der Konzeptions- und Entwicklungsphase anpassen lassen, um die Fehleranfälligkeit zu senken“, erläutert Carsten Schuff. „KI-Systeme nutzen dazu als Basis Daten zu Produktionsprozessen, Produktspezifikationen, Qualitätsprüfungsprotokollen und Retouren sowie Algorithmen aus dem Bereich des maschinellen Lernens.“
Autor
|
Oliver Mucha, PlanB. GmbH aus Hüttlingen |
Tipps für den KI-Start
Die möglichen Anwendungsszenarien für KI sind vielfältig. Damit sie auch praktisch gelingen und den erhofften Nutzen bringen, haben Carsten Schuff und Florian Schmid vier Tipps:
1. Viele, gute Daten
Daten sind der Treibstoff für jede KI-Anwendung. Wie viel davon eine funktionierende KI-Applikation braucht, lässt sich nicht pauschal beantworten. „So viele wie möglich“, so lautet die Empfehlung von Carsten Schuff, „und auf einem möglichst hohen Qualitätsniveau. Denn unvollständige, fehlerhafte Daten verursachen auch fehlerhafte Erkenntnisse.“
2. Gemeinsam agieren
„KI ist kein reines IT-Thema“, ist Florian Schmids Botschaft an Unternehmen. „Deshalb sollten bei KI-Projekten von vornherein Domänen-Experten mit der IT und KI-Experten zusammenarbeiten und ihr jeweiliges Spezialwissen zu den unternehmensindividuellen Fertigungsverfahren und Produkten einbringen.“ Der positive Nebeneffekt: Durch die Zusammenarbeit werden intern KI-Kompetenzen aufgebaut.
3. Schrittweise vorgehen
Auch wenn KI inzwischen in der Fabrikhalle angekommen ist, fehlt vielen Unternehmen die Erfahrung mit den Technologien. Deshalb empfiehlt PlanB., zunächst die aktuellen, unternehmensindividuellen Herausforderungen zu identifizieren und anschließend zu evaluieren, wo sich mittels KI-Technologie ein konkreter Nutzen erzielen lassen kann – und das unter Berücksichtigung des Wirtschaftlichkeitsprinzips, sprich Investitionen, die dem zu erwartenden Nutzen angemessenen sind.
4. Partner einbeziehen
Um KI-Projekte gut und effizient auf den Weg zu bringen, sollten sich Unternehmen Experten an Bord holen. Mitbringen sollten diese sowohl umfassende Digitalisierungs- und KI-Expertise als auch nachweisbare Projekterfahrung in der Fertigung. Erfolgsentscheidend für die richtige Wahl des Partners sind neben Expertise und Erfahrung außerdem Vertrauen in den Partner und eine Zusammenarbeit auf Augenhöhe. „Das Bauchgefühl muss stimmen – und das ist und bleibt analog“, sagt Schuff abschließend.
|
|
|
Carsten Schuff,
PlanB. GmbH |
Florian Schmid,
PlanB. GmbH |