Künstliche Intelligenz

Künstliche Intelligenz und ihr Teilgebiet Maschinelles Lernen sind in aller Munde. Genaueres Wissen darüber, was die Begriffe eigentlich meinen, ist jedoch oft noch nicht umfassend vorhanden. Deshalb stellt der Beitrag zunächst einiges Grundwissen zum Thema vor und zeigt dann auf, welche Einsatzmöglichkeiten und Mehrwerte insbesondere maschinelle Lernverfahren für die Produktion bieten können. Die Robotik, beispielsweise ein autonomer Griff-in-die-Kiste, ist ein Teilgebiet im Produktionsumfeld, das von den beschriebenen Technologien insbesondere profitiert. Abschließend geht der Beitrag auf das Thema Erklärbarkeit von maschinellen Lernverfahren ein. Das Entschlüsseln der „Black Box“ ist aus technischen, rechtlichen und gesellschaftlichen Gründen eine essenzielle Aufgabe für KI-Experten.

Produzierende Unternehmen müssen effizient und wirtschaftlich arbeiten, gleichzeitig aber kompromisslos Qualität liefern. Denn Kunden sind anspruchsvoll, und in manchen Branchen gilt gar eine Null-Fehler-Toleranz. Häufig findet die Qualitätskontrolle noch manuell und zeitversetzt statt. Das ist eine aufwendige, monotone und oft unbequeme Arbeit. Zudem können Fehler erst spät korrigiert werden. Mithilfe von Künstlicher Intelligenz lässt sich die visuelle Qualitätskontrolle dagegen automatisieren, in Echtzeit durchführen und in den Produktionsprozess integrieren. Sie wird dadurch genauer, effizienter und kostengünstiger. Was man für ein solches Projekt braucht und wie man es in der Praxis am besten umsetzt, zeigt der folgende Beitrag.

Künstliche Intelligenz (KI) und Lernende Systeme bieten enormes wirtschaftliches Potenzial und sind Treiber des digitalen Wandels. Sie verändern die Wertschöpfungsketten, Geschäftsmodelle und Beschäftigungsstrukturen in der Industrie radikal. Traditionelle Produkte werden in nahezu allen Branchen durch datengetriebene Services erweitert. Um mit dem internationalen Wettbewerb Schritt zu halten, müssen Unternehmen ihre Betriebsdaten mithilfe Künstlicher Intelligenz wirtschaftlich nutzbar machen und damit neue Geschäftsmodelle ermöglichen - und zwar besser heute als morgen.

Der Einsatz vollautonomer Systeme ist aufgrund variabler Systemumgebungen oder geringer Stückzahlen nicht in allen Anwendungsfeldern wirtschaftlich. Semi-autonome Systeme können hier helfen, den Menschen zu entlasten, da ein Bediener jederzeit die Kontrolle über das System übernehmen kann. Dieser Beitrag stellt einen neuartigen, auf dem digitalen Zwilling aufbauenden, Ansatz für die Mensch-Technik-Interaktion (MTI) mittels adaptiver Automation vor. An einem Fallbeispiel wird gezeigt, wie der Bediener eines Cyber-Physischen Systems (CPS) in spezifischen Aufgaben durch einen modularen digitalen Zwilling (mDT) unterstützt werden kann. Dies erlaubt die Unterscheidung zwischen kurzfristigen Signaländerungen und langfristiger Verhaltensmodifikation. Mit dem vorgestellten Konzept können semi-autonome Systeme für Anwendungsgebiete entwickelt werden, in denen der Einsatz autonomer Systeme aufgrund komplexer und variabler Systemumgebungen oder geringer Stückzahlen bisher nicht gegeben ...

Im Zuge des zunehmenden Wettbewerbsdrucks sind auch Pharmaunternehmen getrieben ihre Produktionsprozesse stetig effizienter zu gestalten. Insbesondere gilt es Verluste des typischerweise hochpreisigen Produkts zu minimieren. Folgend wird ein Ansatz zur prädiktiven Erkennung des Fehlverhaltens im Betrieb von Abfüllanlagen für pulvrige pharmazeutische Erzeugnisse mit Maschinellen Lernverfahren vorgestellt. Im Fokus steht hierbei die Prognose der Füllabweichungen mit Rekurrenten Neuronalen Netzen, eine Methode der Künstlichen Intelligenz. Ein Überschreiten bzw. Unterschreiten der Toleranz des Abfüllgewichts führt dazu, dass die abgefüllten Einheiten nicht weiterverwendet werden können. Ziel ist es, frühzeitig ein Abdriften der Prozessstabilität zu erkennen und entsprechend einzugreifen. Die nötigen Schritte hierzu werden folgend vorgestellt.

Die Rolle der Finanzfunktion eines Unternehmens wird generell als nicht besonders innovativ angesehen. Viele assoziieren diese Unternehmensfunktion mit Bilanzen, Cashflow-Analysen und Excel-Tabellen. Mit dem Aufkommen der Blockchain-Technologie könnte sich diese Auffassung jedoch grundlegend verändern und neben der Finanzfunktion auch zahlreiche weitere Unternehmensdomänen zu strategisch agierenden Treibern von Innovation verlagern. Dies gilt insbesondere für Unternehmen, die im industriellen Umfeld tätig und von der Maschine Economy beeinflusst sind. Mit dem Aufkommen von Big Data und anderer Technologien wie dem Internet of Things (IoT) oder Artificial Intelligence (AI) begann die vierte industrielle Revolution, die auch als Industrie 4.0 bezeichnet wird.

Im Großanlagenbau ist die Planung der baustellenlogistischen Prozesse im Wechselspiel mit den anfallenden Montageprozessen oftmals aufwendig und fehleranfällig. Werden Transport- und Lagerungsbedingungen nicht richtig interpretiert und eingehalten, können nicht nur Verzögerungen bei der Montage, sondern auch Beschädigungen an den sensiblen Anlagenkomponenten entstehen. Im schlechtesten Fall sind aufwendige Nacharbeiten oder komplette Demontagen notwendig. Eine detaillierte Betrachtung der Logistikprozesse und ihre zuverlässige Terminierung auf der Baustelle sind daher essenziell. Allerdings werden Planung und Steuerung der Logistik auf der Baustelle im Großanlagenbau bisher nur zum Teil digital unterstützt. Im Rahmen eines Forschungsvorhabens werden daher die für die Baustellenlogistikplanung relevanten Anforderungen insbesondere für kleine und mittelständische Unternehmen (KMU) im Bereich des Großanlagenbaus ermittelt und die Umsetzung der Planung und Steuerung ...