![\"Der](\"https:\/\/industry-science.com\/wp-content\/uploads\/2024\/04\/Gruhn_IM-18-6_BIld-1-1024x800.png\")
Wenn gesprochene Sprache in Text \u00fcbertragen wird, wenn ein Chatbot auf einer Website eine Kundenanfrage beantwortet oder ein Bilderkennungssystem Gegenst\u00e4nde auf Fotos markiert, arbeiten im Hintergrund KI-Technologien.<\/p>\n\n\n\n
Genau diese Technologien sind es auch, die sich f\u00fcr den Einsatz im Umfeld von CPS eignen. Denn die weiter oben beschriebenen typischen Szenarien, in denen CPS ihre St\u00e4rke ausspielen – das Finden von Optimierungspotenzialen, das Erkennen von Mustern, die enge Zusammenarbeit mit Menschen – sind typische Einsatzfelder f\u00fcr KI.<\/p>\n<\/div>\n<\/div>\n\n
Mensch und Maschine Hand in Hand<\/h2>\n\n
Bisher beschr\u00e4nkte sich der Einsatz von automatischen Fertigungssystemen, beispielsweise Robotern, auf das Ausf\u00fchren fest vorgegebener Bewegungsmuster. CPS, die auf sogenannten Machine-Learning-Technologien (ML) setzen, erm\u00f6glichen in Zukunft einen deutlich flexibleren Einsatz im Produktionsprozess. Unter ML verstehen Experten die F\u00e4higkeit eines Systems, das Durchf\u00fchren von Aufgaben mittels vorhandener Erfahrung selbstst\u00e4ndig zu verbessern. Dieser Lernprozess basiert auf bereits vorhandenen Daten.<\/p>\n\n
In den letzten Jahren haben Forscher dank ML noch vor kurzem kaum vorstellbare Durchbr\u00fcche im Bereich des maschinellen Sehens, also dem automatischen Erkennen von Objekten und Situationen aus Bildern, sowie im Bereich der Sprach- und Gestenerkennung erzielt. So ist es f\u00fcr CPS m\u00f6glich, Anweisungen von Menschen durch nat\u00fcrliche Sprache und Gesten zu erkennen. Dies erweitert das Spektrum der Kommunikationsm\u00f6glichkeiten deutlich: Im laufenden Produktionsbetrieb k\u00f6nnen Mitarbeiter dem System auf Zuruf oder mit einfachen Gesten Anweisungen geben, ohne ihre eigene Arbeit unterbrechen zu m\u00fcssen.<\/p>\n\n
Aber ML hat noch eine weitere, mindestens genauso bedeutende Auswirkung auf das Einsatzspektrum von CPS: Die Technologie erlaubt die engere Zusammenarbeit und direktere Kooperation von Menschen und Maschinen. Bisher arbeiten beide Seiten, beispielsweise in der Produktion, aus Gr\u00fcnden der Unfallvermeidung oft getrennt voneinander. Um menschliche Mitarbeiter zu sch\u00fctzen, m\u00fcssen Unternehmen Schnittstellen der Zusammenarbeit aufwendig planen und umsetzen. Dank M\u00f6glichkeiten wie der automatischen Bilderkennung und -interpretation ist ein CPS nicht mehr blind f\u00fcr seine Umgebung. Es erkennt den Aufenthaltsort und die Bewegungsparameter seiner menschlichen Kollegen und kann die eigenen Bewegungsabl\u00e4ufe darauf abstimmen – Stichwort Arbeitssicherheit [4].<\/p>\n\n
Das CPS kann sich aber auch, im wahrsten Sinne des Wortes, ein Bild von der Stimmung seines Gegen\u00fcbers machen. Ist der Mensch abgelenkt? L\u00e4sst die Konzentration langsam nach? \u00dcbersieht er eine Gefahrensituation? Hier spielen die oben bereits erw\u00e4hnten M\u00f6glichkeiten zur Bilderkennung eine Rolle: Aufnahmen des Gesichtes und die Analyse der Mimik sind die Grundlage f\u00fcr die Einsch\u00e4tzung der Situation. Aber auch Stimmanalysen und Blickmusterauswertungen helfen CPS dabei, ein \u201eGef\u00fchl\u201c f\u00fcr die Situation zu entwickeln. Im Laufe der Zusammenarbeit lernt das System, immer zutreffendere Prognosen \u00fcber seinen menschlichen Kollegen zu treffen.<\/p>\n\n
Die verbesserten M\u00f6glichkeiten zur Interpretation menschlichen Verhaltens bieten aber nicht nur mehr Sicherheit und einfachere Mensch-CPS-Kommunikationsformen. Sie erlauben es auch, dass Mitarbeiter den Systemen schneller neue Funktionen beibringen k\u00f6nnen beziehungsweise sie in vorhandene Abl\u00e4ufe einfacher integrieren k\u00f6nnen. Es bedarf dazu keiner dedizierten Entwickler mehr.<\/p>\n\n
![\"Verfahren](\"https:\/\/industry-science.com\/wp-content\/uploads\/2024\/04\/Gruhn_IM-18-6_BIld-2-1.png\")
CPS, beispielsweise in Gestalt von Produktionsrobotern, lernen durch das Beobachten und Imitieren menschlicher Bewegungen. Ohne gro\u00dfen Aufwand k\u00f6nnen sie so neue Fertigkeiten erlernen.<\/p>\n\n\n\n
Je besser CPS und Menschen einander verstehen, desto n\u00e4her am Menschen lassen sich solche Systeme einsetzen. Denkbar ist die Nutzung in den Bereichen der Medizin- oder Pflegebranche. Hier k\u00f6nnen Mediziner CPS beispielsweise als Assistenten bei Operationen einsetzen. Die Systeme sind in der Lage, Instrumente mit extrem hoher Pr\u00e4zision auch bei komplexen Behandlungen zu f\u00fchren. Dies erlaubt die fortschreitende Miniaturisierung von Werkzeugen, die wiederum zu geringeren Beeintr\u00e4chtigungen f\u00fcr den Patienten f\u00fchrt.<\/p>\n<\/div>\n<\/div>\n\n
Entscheidungsfreudige CPS<\/h2>\n\n
Aber KI erlaubt nicht nur, dass CPS und Menschen einander besser verstehen und enger zusammenarbeiten k\u00f6nnen. Sie hilft auch dabei, dass Systeme autonomer entscheiden und arbeiten k\u00f6nnen. So erlauben es die Techniken des bereits erw\u00e4hnten ML einem CPS, automatisch Regeln abzuleiten und so adaptives Verhalten zu entwickeln. ML erm\u00f6glicht es CPS, mithilfe spezieller Algorithmen automatisiert – auf der Grundlage vorhandener Daten – zu lernen. Dabei erkennen Systeme Zusammenh\u00e4nge und Korrelationen und leiten daraus Regeln ab, ohne dass Experten diese im Vorfeld definieren m\u00fcssen.<\/p>\n\n
Das System erkennt selbstst\u00e4ndig neue Begebenheiten und reagiert auf diese. Ein derart intelligentes und vollst\u00e4ndig vernetztes CPS kann beispielsweise eigenst\u00e4ndig die Auswirkungen der versp\u00e4teten Anlieferung von Bauteilen auf den Produktionsprozess absch\u00e4tzen und entsprechend darauf reagieren. Es informiert nach- beziehungsweise vorgelagerte Produktionsstufen, priorisiert die Abl\u00e4ufe neu und vergibt neue Termine – unabh\u00e4ngig vom menschlichen Zutun. Dabei spult das CPS nicht nur starr eine vorgegebene Programmierung ab, sondern passt seine Planungen eigenst\u00e4ndig an die ver\u00e4nderlichen Umweltparameter an.<\/p>\n\n
Solche CPS mit hohem Autonomiegrad werden prim\u00e4r in den Bereichen der industriellen Fertigung eingesetzt. In der Automobilfertigung sind Roboter bereits heute weit verbreitet. Ihr Einsatz ist jedoch auf einzelne, sich oft wiederholende Aufgaben beschr\u00e4nkt. Wie oben gezeigt, k\u00f6nnen intelligente CPS ihre Arbeitsschritte hingegen der Umgebung anpassen und direkt mit Menschen zusammenarbeiten. Dies erm\u00f6glicht k\u00fcrzere Entwicklungs- und auch Produktionszyklen, daraus erw\u00e4chst ein Wettbewerbsvorteil bei der z\u00fcgigen Umsetzung von Innovationen. Gerade in Logistikketten mit zahlreichen Beteiligten und vielf\u00e4ltigen Zusammenh\u00e4ngen spielen autonome Systeme ihre St\u00e4rken aus. In anderen Branchen, zum Beispiel in der chemischen Industrie, verbessern CPS die Arbeitssicherheit der Mitarbeiter. In Zukunft wird die Produktion in Fabriken also g\u00e4nzlich anders aussehen.<\/p>\n\n
In der Fertigung und Logistik f\u00fchren KI-Technologien zu einer verbesserten Adaptivit\u00e4t der Systeme: Bei auftretenden Problemen oder Engp\u00e4ssen k\u00f6nnen kommunizierende CPS selbstst\u00e4ndig neue L\u00f6sungswege finden und umsetzen. Dar\u00fcber hinaus er\u00f6ffnet KI aber auch das Feld des sogenannten Predictive Maintenance, verstanden als das fr\u00fchzeitige Erkennen beziehungsweise Vorhersagen von auftretenden Problemen und den daraus resultierenden vorausschauenden Wartungsarbeiten. Grundlage daf\u00fcr bilden die Konzepte der Mustererkennung (Interpretation wiederkehrender Muster) und der Anomalieerkennung. KI bietet die Chance, Ausfallzeiten zu vermeiden oder zumindest zu reduzieren. So k\u00f6nnen Unternehmen Kosten sparen und verl\u00e4sslichere Services bereitstellen. Bei kritischen Systemen f\u00fchrt dies nicht nur zu finanziellen Einsparungen, sondern auch zu mehr Sicherheit [5].<\/p>\n\n
M\u00f6glich sind all diese Entwicklungen, da CPSSensoren alle Arbeitsschritte, Prozesse und Ereignisse erfassen und sammeln. Aber die Entwicklung geht \u00fcber die reine Produktion hinaus. Die Integration von Sensortechnologien in das Endprodukt erm\u00f6glicht das Erfassen von Daten \u00fcber den gesamten Lebenszyklus eines Produktes hinweg. KI-Analyseverfahren erlauben g\u00e4nzlich neue Einblicke in Nutzung, Verschlei\u00df und Servicebedarf von Ger\u00e4ten und Maschinen. Diese Einblicke tragen wesentlich zur Optimierung von Produktionsprozessen und Endprodukten bei.<\/p>\n\n
So eine Fabrik der Zukunft ist also ein Netzwerk aus kommunizierenden CPS, die Daten erfassen, auswerten und kooperativ planen. Entlang der gesamten Produktionskette ergeben sich so M\u00f6glichkeiten, vorhandene Abl\u00e4ufe anders zu denken: Das f\u00e4ngt an bei der initialen Planung eines Produktes, geht \u00fcber die Konstruktion und Fertigung und reicht bis zu Auslieferung und Betrieb. Beispielsweise k\u00f6nnen Verfahren der KI dabei helfen, individuelle Kundenbed\u00fcrfnisse zu identifizieren. Auch in diesem Zusammenhang spielen Methoden wie Muster- oder Anomalieerkennung eine gro\u00dfe Rolle<\/p>\n\n
Die Datengrundlage daf\u00fcr bilden historische Daten, die von den mit Sensoren ausgestatteten Produkten selbst kommen. CPS in der Produktion sorgen dann daf\u00fcr, dass Unternehmen individualisierte Produkte auch in geringer Auflage \u2013 Stichwort Losgr\u00f6\u00dfe 1 \u2013 mit geringem zus\u00e4tzlichen Aufwand produzieren k\u00f6nnen. In der Konstruktion k\u00f6nnen Algorithmen einzelne Bauteile, ganze Maschinen oder auch erg\u00e4nzende Servicepakete wie Wartungsvertr\u00e4ge optimieren \u2013 und das in einem durch den Menschen nicht mehr nachvollziehbaren Grad der Detaillierung.<\/p>\n\n
All die oben beschriebenen M\u00f6glichkeiten werden Unternehmen aber kaum mit vorhandenen IT-Systemen realisieren k\u00f6nnen. Denn diese sind zu sehr im traditionellen Ansatz der Modellbildung verfangen. Die IT-Verantwortlichen in Unternehmen werden umdenken m\u00fcssen.<\/p>\n\n
IT-Systeme f\u00fcr alle F\u00e4lle<\/h2>\n\n
In Zukunft werden es Experten immer h\u00e4ufiger mit Systemen zu tun haben, in denen die reale Welt von Menschen, Maschinen und Gegenst\u00e4nden – Atome – mit der Abbildung der realen Welt in Form von Software, Daten und Algorithmen – Bytes – bis zur Ununterscheidbarkeit miteinander verschmelzen. Es sind Systeme, bei denen Unternehmen die gesammelten Daten mit jetzt noch ungeahnten M\u00f6glichkeiten kognitiver Anwendungen analysieren und daraus R\u00fcckschl\u00fcsse ziehen k\u00f6nnen. Und weil das auf Englisch einfach besser zusammenpasst, bezeichnen wir diese Systeme als \u201eSystems of Atoms, Bits, Cognition and Data\u201c (ABCD-Systeme).<\/p>\n\n
Das wird die kommende ITStruktur sein: Im Kern besteht sie aus den klassischen Informationssystemen, die Experten schon seit Jahrzehnten kennen und optimieren. Auf dieser Grundlage arbeiten integrierte L\u00f6sungen aus CPS und Cognitive Computing Systems \u2013 je nach Branche und Unternehmen in unterschiedlichen Gewichtungen und Auspr\u00e4gungen. In dieser Konstellation aus A, B, C und D ver\u00e4ndern sich Gesch\u00e4ftsmodelle, hier wird \u00fcber Erfolg oder Misserfolg entschieden. Auch f\u00fcr diese Systeme gilt: Das Beherrschen von Technologien ist nur eine Voraussetzung f\u00fcr den Unternehmenserfolg. Alles Technologiewissen ist aber nichts wert ohne die F\u00e4higkeit, es in die Alltagswelt der eigenen Mitarbeiter und Kunden zu \u00fcbersetzen. Neue Prozesse, Angebote und Services kann nur der entwickeln, der Branche und Mitarbeiter versteht.<\/p>\n\n
Die Integration von Algorithmen in physikalische Produkte und Anlagen erm\u00f6glicht also neue Nutzungsszenarien und Services. Maschinen, Anlagen und Objekte k\u00f6nnen mit der Hilfe von Sensorik eine Vielzahl an Eigenschaften der Umgebung messen und diese angeschlossenen digitalen Services zur Verf\u00fcgung stellen, welche diese weiterverarbeiten. KI ist eine zentrale Technologie dieser neuen Generation von Produkten und erm\u00f6glicht smarte Entscheidungen aufgrund intelligenter Vorhersagen und Einsch\u00e4tzungen, welche zum Beispiel zu einer umfangreicheren Automatisierung f\u00fchren k\u00f6nnen und vorausdenkendes Handeln erm\u00f6glichen. Voraussetzung daf\u00fcr sind IT-Systeme, die von Grund auf in der digitalen und realen Welt zu Hause sind.<\/p>\n