Künstliche Intelligenz - das Herzstück der Industrie 4.0

Eine Vielzahl an Marktanbietern bietet Lösungen für nahezu jeden Bereich der Industrie an. In diesem Artikel möchten wir jedoch zunächst aufzeigen was sich hinter dem Thema KI verbirgt und welche Vorteile und Herausforderungen KI-Projekte mit sich bringen können. 

Was ist künstliche Intelligenz (KI)?

Der Begriff künstliche Intelligenz (KI) geht auf die 1950er zurück und beschreibt heute im Wesentlichen die eigenständige Fähigkeit eines Programms aus Eingabedaten zu lernen und selbstständig Ergebnisse erarbeiten zu können, ohne dass durch Instruktionen der gesamte Ablauf vorgegeben wird.  

Abzugrenzen ist KI zur „Artificial General Intelligence“, die einen Versuch darstellt tatsächlich menschenähnliche Kompetenzen und Aufgabenverarbeitungsfähigkeiten zu entwickeln. In der Gesamtheit ist dies nicht das Ziel der Technologien, die unter KI zusammengefasst werden, auch wenn teilweise konzeptionelle Überschneidungen vorkommen können, wie beispielsweise im Bereich neuronale Netzwerke. 

In den meisten Fällen beschreibt KI im Industriebereich verschiedene Unterkategorien von Machine Learning, wie z.B. Deep Learning. Dies umfasst eine Reihe von Verfahren durch die ein Programm mittels verschiedener mathematischer Algorithmen lernt, Relationen zwischen Daten herzustellen, die zum Teil von Menschen nur schwer oder gar nicht durchdrungen werden können.  

KI in der Industrie und Produktion

Moderne Produktions- und anderweitige Industrieprozesse erzeugen eine erhebliche Menge an Daten: Sensoren liefern konstant Signale, Prozessparameter und Ergebnisse werden auf Steuerungen gespeichert und kontrolliert, Qualitätsergebnisse in Datenbanken hinterlegt, Produktionsvorgaben und Ergebnisse abgeglichen und vieles mehr. Die meist massive Menge an Daten, die hierbei entsteht, wird häufig mit dem Begriff Big Data betitelt. KI kann genutzt werden, um aus Big Data Smart Data zu generieren.  

In der Industrie und Produktion kann KI auf verschiedenste Art und Weise zum Einsatz gebracht werden. So kann KI maßgeblich zur Prozessoptimierung beitragen. Unterschiedliche Parameter, wie beispielsweise Rezeptur, Maschinengeschwindigkeit und Temperatur können konstant überwacht und angepasst werden. Um folglich den Ausschuss abhängig von den Umgebungsparametern individuell anzupassen, sodass selbst bei veränderten Bedingungen optimale Ergebnisse erzielt werden können. Führt beispielsweise eine Erwärmung im Produktionsprozess zu einer Veränderung von Werkzeugeigenschaften kann die KI auf diese veränderte Eigenschaft angemessen reagieren und andere Parameter, wie Rezeptur und Geschwindigkeit live anpassen. So wird sichergestellt, dass Ausschuss minimiert und die geplante Produktionsmenge so wenig wie möglich beeinträchtigt wird.  

Die Prozessautomatisierung stellt ein weiteres potentielles Feld der Anwendung von KI dar. Beispielsweise kann der Zustand von in der Maschine verwendeten Werkzeugen überwacht werden. Dies kann zum einen direkt via Sensorik oder zum anderen mithilfe von abgeleiteten Metriken, wie z.B. Änderungen im Stromverbrauch oder Verarbeitungszeiten geschehen. Tritt ein Problem auf kann dies frühzeitig erkannt werden, woraufhin die Software ein optimales Wartungsfenster ermitteln und rechtzeitig benötigte Ersatzteile bestellt werden können. Dieses vorausschauende Handeln wird auch als Predicitive Maintenance bezeichnet. Auf diese Weise können Produktionsausfälle und Qualitätsprobleme so gering wie möglich gehalten werden. 

Diese Prozessautomatisierungs- und Optimierungsverfahren können auf eine gesamte Fabrik oder auch ein Netzwerk an Fabriken ausgeweitet werden. Informationen und Erfahrungen die so an einer Maschine, Fabrik oder Standort gemacht werden, können so vollautomatisiert an andere, auch neue Standorte weitergegeben werden. 

Herausforderungen beim Einsatz von KI

Der Einsatz von KI und verwandten Technologien birgt vielfältige Chancen zur weitflächigen Optimierung für Unternehmen, die Anwendung dieser Technologien bringt jedoch auch neue Herausforderungen mit sich.  

Die einfachste Herausforderung kann schon darin bestehen ein Verständnis dafür zu gewinnen, wo KI im Unternehmen sinnvoll eingesetzt werden kann. Darüber hinaus ist Fachwissen für die Implementierung sowie, in vielen Fällen, die Kommunikation der Ergebnisse an die Entscheider notwendig. Die Darstellung dieser Ergebnisse benötigt wiederum eine angemessene Software. 

Auch interne Prozesse müssen an neue Strukturen angepasst werden. Verschiedene Dokumente und Datenpunkte, wie etwa Wartungsintervalle werden auch heute vielfach noch auf Papier geführt. Diese stehen folglich nicht für die Analyse zur Verfügung. Dazu gehört dementsprechend eine Schulung der zuständigen Mitarbeiter, sowie die Anpassung der nachgängigen Prozesse. 

Ausblick

An der Digitalisierung und der Nutzung von KI bzw. Machine Learning basierter Optimierung führt mittel- und langfristig kein Weg vorbei. International werden diese und verwandte Technologien bereits aktiv verwendet, und tendenziell wird die Verwendung zunehmen. Firmen müssen sich schon heute aktiv auf diese Veränderungen vorbereiten, um auch in Zukunft wettbewerbsfähig zu bleiben. Unternehmen sollten daher eine Analyse ihres Digitalisierungs- und KI-Potenzials durchführen und daraus abgeleitete Maßnahmen ergreifen.