Design

Einführung von Machine Learning in die Produktion

Einführung von Machine Learning in die Produktion

Ein KMU-spezifischer, holistischer Leitfaden
Manuel Savadogo, Malte Stonis ORCID Icon, Peter Nyhuis ORCID Icon
Machine Learning bietet insbesondere im Produktionsumfeld eine Vielzahl an Potenzialen und gewinnt somit immer mehr an Bedeutung. Jedoch fehlte kleinen und mittleren Unternehmen ein Leitfaden, der spezifisch auf ihre individuellen Herausforderungen ausgelegt ist und sie Schritt für Schritt durch die Einführung leitet. Im Zusammenspiel mit einer Potenzialanalyse, der Ermittlung relevanter Voraussetzungen sowie einer Reifegraduntersuchung kann dieser Leitfaden Abhilfe leisten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 88-95
Digitalisierung von Raster-Zeichnungen mit Deep Learning

Digitalisierung von Raster-Zeichnungen mit Deep Learning

Wie ein Framework OCR-Software bei der Extraktion von Daten übertrifft
Xiao Zhao, Marko Weber, Jan Schöffmann, Daniela Oelke ORCID Icon
Ein neuer Blick in die Tiefe technischer Zeichnungen: Ein Deep-Learning-Framework liest CAD-Grafiken so genau wie nie zuvor – erkennt Formtoleranzen, Maße und jedes Detail. Was früher mühsam von Hand geschah, übernimmt nun eine KI, die sich in die Besonderheiten jeder Linie und Beschriftung einfühlt. Diese vielversprechende Technologie steigert nicht nur die Genauigkeit, sondern beschleunigt auch die Verarbeitung von Zeichnungen erheblich. So eröffnet das System neue Wege für Präzision in der Produktion.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 10-17
Mit generativen Sprachmodellen die Social-Media-Moderation verbessern

Mit generativen Sprachmodellen die Social-Media-Moderation verbessern

Studie zur Erkennung und Korrektur von Desinformation
Anton Schegolev, Maximilian Ambros ORCID Icon
Fake News beherrschen zunehmend die digitale Welt. Es stellt sich die Frage: Können moderne Technologien diesen Trend umkehren? Der Artikel beleuchtet das Potenzial des GPT-4o-Sprachmodells, Fake News in Online-Kommentaren und Nachrichtenartikeln zu identifizieren und falsche Informationen zu korrigieren. Mit einer beeindruckenden Genauigkeit zeigt das Modell, wie Sprachtechnologie Fehlinformationen bekämpfen kann.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 72-79 | DOI 10.30844/I4SD.24.6.72
Echtzeit-Reaktionen für fahrerlose Transportsysteme (FTS)

Echtzeit-Reaktionen für fahrerlose Transportsysteme (FTS)

Überwachung und Steuerung bei großen Latenzzeiten
Dominik Augenstein, Lea Basler
Das stetige Fortschreiten der Digitalisierung konfrontiert Unternehmen mit neuen Herausforderungen und Chancen. Unmittelbare Datenverarbeitung ist mittlerweile allgegenwärtig und die Vorteile sind offensichtlich. Doch in Deutschland herrscht eine lückenhafte Breitbandversorgung, was die Prozessverbesserung erschwert. Mathematische Ansätze und Machine Learning ermöglichen zeitnahe Optimierungen und eine reibungslose Produktion.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 56-62
I4S 6/2024: Machine Learning

I4S 6/2024: Machine Learning

Eine Technologie mit Optimierungspotenzialen bei Effizienz, Transparenz und Nachhaltigkeit
Machine Learning hebt die Automatisierung auf ein neues Level. Doch was bedeutet das für die Rolle des Menschen? Die Entwicklung energieeffizienter und fairer Algorithmen sowie die Optimierung der Datenqualität sind entscheidend für die Zukunftsfähigkeit von Machine Learning und Künstlicher Intelligenz. Die Beiträge in dieser Ausgabe untersuchen die entscheidenden Potenziale und Anwendungsgebiete der Technologie.
Digitale Lösungen für den Übergang von KMU zur Kreislaufwirtschaft

Digitale Lösungen für den Übergang von KMU zur Kreislaufwirtschaft

Beispiele aus der Textilwirtschaft
Meike Tilebein ORCID Icon, Marcus Winkler, Dieter Stellmach, Guido Grau
Die Umstellung von linearem auf zirkuläres Wirtschaften hat die EU im Green Deal als Ziel formuliert. Ein wesentlicher Baustein hierfür ist der Aktionsplan für die Kreislaufwirtschaft, der zu einer signifikanten Reduktion der Emissionen und einer Stärkung europäischer Unternehmen beitragen soll. Ein Blick auf aktuelle Ansätze zur Kreislaufwirtschaft sowie die Potenziale digitaler Lösungen, hier am Beispiel der Textilindustrie, kann KMU bei der Umsetzung zirkulärer Geschäftsmodelle unterstützen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 26-33 | DOI 10.30844/I4SD.24.5.26
Digitale und ökologische Transformation in Unternehmen

Digitale und ökologische Transformation in Unternehmen

Herausforderungen und Potenziale im Zusammenspiel
Fabian Hoose ORCID Icon, Christopher Prinz ORCID Icon, Manfred Wannöffel ORCID Icon, Bernd Kuhlenkötter ORCID Icon
Wenngleich viel diskutiert, wartet die Doppelte Transformation auf ihre Umsetzung. Unklar bleibt, wie eng die Digitalisierung und der ökologische Wandel in den Betriebsstrukturen zusammenwirken. In jedem Fall muss das Vorhaben nicht nur gesellschaftlich gesteuert, sondern betriebspolitisch gestaltet werden, etwa durch neue Modelle wie digitale Industrieplattformen, ermöglicht durch KI und Big Data. Welche Ansätze besonders vielversprechend sind, zeigt ein Blick auf aktuelle Forschungsergebnisse.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 34-42 | DOI 10.30844/I4SD.24.5.34
Analyse von Arbeitsabläufen mit Motion-Capture-Systemen

Analyse von Arbeitsabläufen mit Motion-Capture-Systemen

Lösungs- und Implementierungsprinzipien
Hermann Lödding ORCID Icon, Silas Pöttker ORCID Icon, Tim Jansen ORCID Icon
In Betrieben mit einem hohen Anteil manueller Tätigkeiten können ineffiziente Arbeitsabläufe zu Gesundheitsproblemen bei Mitarbeitern führen. Studien zufolge machen diese ein Fünftel aller Erkrankungen in der Fertigungsindustrie aus. Die Optimierung von Arbeitsabläufen ist daher entscheidend. War diese bisher jedoch meist aufwendig, stehen dank neuer Lösungsprinzipien und Motion-Capture-Systemen Ansätze zur Verfügung, mit denen sich passende Digitale Assistenzsysteme einfacher konzipieren lassen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 43-49 | DOI 10.30844/I4SD.24.5.43
Weiterbildung in der Industrie 4.0 mit KI-Tutoring-Systemen

Weiterbildung in der Industrie 4.0 mit KI-Tutoring-Systemen

Stand der Technik
Norbert Gronau ORCID Icon, Georg David Ritterbusch ORCID Icon
Die Kommerzialisierung generativer Künstlicher Intelligenz (KI) durch Systeme wie ChatGPT hat eine neue Ära in der Industrie 4.0 eingeleitet. Die automatische Erstellung neuer Inhalte dank generativer KI ist besonders für die Entwicklung von KI-basierten Tutoring-Systemen (AITS) von Bedeutung, die das digitale Lernen im Rahmen von Bildung 4.0 fördern. Zunächst aber müssen KI-Tutoring-Systeme einer Kategorisierung unterzogen werden, etwa nach Lernmethoden, Anwendungsbereiche und ihren jeweiligen Technologien.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 50-57 | DOI 10.30844/I4SD.24.5.50
Wege zum verantwortungsvollen Einsatz von KI am Arbeitsplatz

Wege zum verantwortungsvollen Einsatz von KI am Arbeitsplatz

Eine Perspektive des organisatorischen Wandels
Valentin Langholf ORCID Icon, Uta Wilkens ORCID Icon, Daniel Lupp ORCID Icon, Niklas Obermann ORCID Icon
Die Integration von KI in die Industrie 4.0 nimmt stetig zu. Zu den Anwendungen gehören sowohl Single Purpose Anwendungen als auch generative KI-Systeme für die betriebliche Praxis sowie in Lernanwendungen. Neben dem Umgang mit den technischen Herausforderungen, die diese Systeme mit sich bringen, müssen Unternehmen die mit der Technologieintegration verbundenen organisatorischen Veränderungen bewerten, planen und Unterstützungsangebote bereithalten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 58-66 | DOI 10.30844/I4SD.24.5.58
1 13 14 15 51