Künstliche Intelligenz

Schneller, einfacher Digitaler Zwilling

Schneller, einfacher Digitaler Zwilling

Mit Open-Source zum kosteneffizienten Digitalen Zwilling und Industrie 5.0: Eine Fallstudie
Shantall Cisneros Saldana ORCID Icon, Sonali Pratap, Parth Punekar, Sampat Acharya, Heike Markus ORCID Icon
Die Einführung Digitaler Zwillinge (DZ) scheitert oft an hohen Kosten, technischer Komplexität und fehlenden Fachkenntnissen. Diese Studie stellt ein kostengünstiges Modell eines DZ, welches mit Technology Readiness Level (TRL) 5 validiert ist. Es wurde innerhalb von nur zwei Wochen mithilfe von Open-Source-Lösungen und gängigen Unternehmenswerkzeugen entwickelt und integriert sensorbasierte Echtzeitdaten, prädiktive Analysen, Anomalieerkennung und automatisierte Benachrichtigungen, um Effizienz und Nachhaltigkeit in der Landwirtschaft zu steigern. Das System erreicht eine durchschnittliche relative Abweichung von nur 7,76 % und gibt automatisierte Warnungen in Echtzeit aus. Die Ergebnisse zeigen, wie fortschrittliche digitale Werkzeuge durch die Kombination von Open-Source-Technologien und Standardwerkzeugen zugänglich gemacht werden können: skalierbar, menschenzentriert und erschwinglich im Sinne von Industrie 5.0.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 3 | Seite 62-68 | DOI 10.30844/I4SD.25.3.62
Mit Digitalen Zwillingen die Zukunft der Fertigung gestalten

Mit Digitalen Zwillingen die Zukunft der Fertigung gestalten

Chancen und Hindernisse
Javad Ghofrani ORCID Icon, Darian Lemke, Tassilo Söldner
Digitale Zwillinge stellen eine Verbindung zwischen physischen und digitalen Systemen dar. Diese steigern die Effizienz und ermöglichen vorausschauende Wartung und die Herstellung von individuelleren Produkten. Trotz dieser Vorteile stehen Herausforderungen wie hohe Kosten, Datensynchronisierung und Sicherheitsrisiken einer breiten Einführung im Wege. Dieser Artikel befasst sich mit dem Potenzial Digitaler Zwillinge und untersucht die wichtigsten Hindernisse für die Integration und Implementierung, wobei auch einige industrielle Anwendungen wie die additive Fertigung als relevanter Anwendungsfall betrachtet werden.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 3 | Seite 72-81
Digitaler Zwilling mittels semantischer Modellierung und KI

Digitaler Zwilling mittels semantischer Modellierung und KI

Selbstlernende Entwicklung und Simulation industrieller Produktionsanlagen
Wolfram Höpken ORCID Icon, Ralf Stetter ORCID Icon, Markus Pfeil ORCID Icon, Thomas Bayer ORCID Icon, Bernd Michelberger, Markus Till, Timo Schuchter, Alexander Lohr
Der KI-basierte selbstlernende Digitale Zwilling passt sich automatisch an das reale Systemverhalten an und stellt jederzeit ein optimales Abbild eines Produktionsprozesses dar. Ein ausdrucksstarkes, semantisches Gesamtmodell dient als Basis für neuartige Ansätze der künstlichen Intelligenz (KI). Die mittels Methoden der KI gewonnenen Erkenntnisse werden in das Gesamtmodell integriert und so die Interpretierbarkeit und Erklärbarkeit der KI-Modelle verbessert. Methoden aus dem Bereich der eXplainable AI ermöglichen die automatische Beschreibung von KI-Modellen und deren Erkenntnisse sowie den Aufbau selbsterklärender Modelle.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 30-36 | DOI 10.30844/I4SD.25.2.30
Kollaborative Drohneninspektion

Kollaborative Drohneninspektion

Ein neuer Ansatz für die Inspektionsarbeit mit KI-Unterstützung
Till Becker ORCID Icon, Agron Neziraj
Die Drohnentechnologie und der Einsatz von Künstlicher Intelligenz (KI) bieten für verschiedene Bereiche vielversprechende Vorteile. Hierzu zählt auch der Bereich der Inspektionsarbeit. Der Einsatz innovativer Inspektionstechnologien kann Inspektionen insgesamt effizienter machen. Im Rahmen eines Forschungsprojekts wurden unterschiedliche rechtliche und wirtschaftliche Aspekte einer KI-basierten autonomen Drohneninspektion betrachtet. Ein weiterer Schwerpunkt ist dabei die Erarbeitung eines Soll-Prozesses, der den Einsatz einer KI-basierten Drohneninspektion darstellt und den Einsatz einer derartigen Inspektionstechnologie steuert. In diesem Beitrag geht es speziell um den kollaborativen Ansatz dieser neuartigen Inspektionsmethodik.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 94-100
Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

KI-Energieeffizienz und die Minimierung des CO2-Fußabdrucks von KI-basierten Systemen
Marcus Grum ORCID Icon, Maximilian Ambros ORCID Icon, Marcel Rojahn ORCID Icon
Die Reduzierung von CO2-Emissionen ist eine der dringendsten Aufgaben unserer Zeit. Gleichzeitig schreitet die Entwicklung von Künstlicher Intelligenz schnell voran. Doch KI bringt oft eine erhebliche CO2-Belastung mit sich. Eine experimentelle Erprobung grüner KI-Strategien ist daher entscheidend für ihren langfristigen Erfolg. Ein Management-Tool kann diesen Prozess unterstützen, damit sowohl Anwender als auch Führungskräfte KI als Werkzeug optimal nutzen können.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 18-30
Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

Auswirkungen auf den Reifegrad von Industrie 4.0-Technologien
Dennis Richter, Mildred Doe, Steffen Kinkel ORCID Icon
Künstliche Intelligenz wird oft in einem Atemzug mit der Industrie 4.0 genannt, doch die genaue Rolle von KI ist dabei unklar. Ist KI nur eine weitere I4.0-Technologie oder ein essenzieller „Befähiger“ für andere I4.0-Technologien? Sechs Expertinnen und Experten haben bewertet, wie stark sich KI auf 41 I4.0-Technologien auswirkt. KI könnte in der Tat ein eintscheidender Faktor sein, um das volle Potenzial der Industrie 4.0 zu entfalten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 80-87 | DOI 10.30844/I4SD.24.6.80
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
1 3 4 5 16