Künstliche Intelligenz

Nachrichten über neue Einsatzmöglichkeiten der Künstlichen Intelligenz (KI) erreichen uns fast täglich. Während China angesetzt hat, die Vormachtstellung der USamerikanischen IT-Konzerne bis 2030 auf allen Gebieten der KI zu brechen, rechnet sich Deutschland Vorteile im Kontext von Industrie 4.0 aus. Die heutigen Erfolge der KI beruhen auf riesigen Datenmengen, die zentral gesammelt und analysiert werden. Zwar fallen auch in der Industrie große Datenmengen an, aber beschränkte Bandbreite, Kommunikationskosten, schnelle Reaktionszeiten, Datenschutz oder Betriebsgeheimnisse verbieten eine solche Datenzentralisierung oftmals.

The following contribution characterizes autonomous behavior from a specific AI (artificial intelligence perspective). Which AI requirements are necessary to development autonomous systems? Which limitations do exist? What is the specific criterion for intuitive intelligence? The article gives a short introduction and tries to motivate the reader to deal with this interesting topic from different perspectives. Starting from Digitalization, Technological Singularity, Autonomous Driving and Big Data Developments, the article focusses on the future integration of AI to optimize complex processes within the Internet of Things (IoT). Several examples and trends are characterized. We cite the relevant literature and mention explicitly the seven criteria of Wahlster. Besides of the great technological impact, also the ethical dimension and future perspectives are indicated and discussed. The potential of the Internet of Things is closely connected with the successful development and ...

Tragende Strukturen werden typischerweise in Bezug auf relevante Lastfälle entworfen, wobei statische Formen und vorgegebene Materialeigenschaften angenommen werden, die während des Entwurfs und der Materialauswahl ausgewählt werden. Neue Technologien, die das Design von Strukturen ermöglichen, die lokale Eigenschaften im Betrieb als Reaktion auf Lastwechsel verändern könnten, würden zusätzliche Gewichtsersparnispotenziale schaffen und somit Leichtbau und Nachhaltigkeit unterstützen. Materialien mit solchen Fähigkeiten bestehen aus Netzwerken mit zahlreichen aktiven Zellen, die eine Erfassungs-, Signal- und Datenverarbeitungs-, Kommunikations- und Aktuierungs-/Stimulationsfähigkeit bereitstellen, die adaptronische Strukturen bilden. Ein Beispiel für ein solches Material ist eine spezielle Klasse von Polymeren, die in der Lage sind, ihre Elastizität basierend auf dem Einfluss von optischen, thermischen oder elektrischen Feldern zu ändern. Ein zu lösendes Problem in Bezug ...

In vielen Einsatzbereichen müssen Menschen auf die Sicherheit von Drahtseilen vertrauen, weshalb mögliche Schäden zuverlässig und rechtzeitig erkannt werden müssen. Die hierfür notwendigen Überprüfungen werden von Sachverständigen durchgeführt, was das Risiko nicht erkannter Schäden beinhaltet. Damit diese keine Unfälle verschulden, werden Drahtseile oft verfrüht getauscht, was vermeidbare Kosten erzeugt. Das in diesem Beitrag vorgestellte Projekt MOBISTAR soll Fehler im Prozess der Instandhaltung und Überprüfung weiter reduzieren. Das System nutzt zwei unterschiedliche Messarten, die mit einer selbstlernenden Convolutional Neural Networks (CNN) Auswertungssoftware gekoppelt sind, um so zuverlässiger und genauer die Ablegereife von Seilen beurteilen zu können.

Komponenten in industriellen Anlagen stehen miteinander in einer Vielzahl von physischen und virtuellen Abhängigkeiten. Wir stellen ein System vor, welches diese Abhängigkeiten - physischer, funktionaler, virtueller und regulativer Natur sowie bezüglich des Laufzeitverhaltens einer Komponente - für Anwender intuitiv sichtbar macht und ihnen ermöglicht, Abfragen zu den Komponenten und ihren Interaktionen und Interdependenzen zu stellen. Die vorgestellte Herangehensweise und unsere Prototypen basieren auf relationalen Informationsmodellen, die diese Informationen für Nutzerschnittstellen aufbereiten und einfach zugänglich machen sowie einer Mixed Reality Schnittstelle, um Abhängigkeiten zwischen Komponenten sowie Abfrageresultate zu visualisieren. Dabei eignet sich unser Ansatz nicht nur für bereits digitalisierte „schlaue“ Komponenten, sondern auch für „dumme“ Gegenstände wie Böden, Ablageplatten und -fächer, ihren Materialien und die bearbeiteten Werkstücke ...

Presslinien führen einen mehrstufigen Umformprozess durch, der in der Praxis weitestgehend als Blackbox betrieben wird. Erst am Ende der Linie findet eine Qualitätskontrolle und gegebenenfalls eine Anpassung der Anlagenparameter statt, sollte ein Fehler aufgetreten sein. Im Forschungsprojekt SmartPress wird ein System entwickelt, das mithilfe bildgebender Sensorik Informationen über die aktuelle Platine aus den einzelnen Prozessstufen extrahiert. So werden z. B. Daten über Ziehränder mit dem Wissen über den aktuellen Systemzustand (z. B. aktuelle Haltekräfte) kombiniert. Ein neuronales Netz bildet die hochkomplexen Zusammenhänge zwischen Anlagenparametern und Produkteigenschaften ab. Auftretende Veränderungen an den Platinen werden so im laufenden Prozess erkannt und Anlagenparameter entsprechend produktindividuell angepasst.