Künstliche Intelligenz

Künstliche Intelligenz hat das Potenzial, Unternehmen und ganze Branchen auf ein völlig neues technologisches Level zu bringen. Voraussetzung sind Daten mit hohem Reifegrad, mit dem Unternehmen komplexe Prozesse automatisieren, Prognosen berechnen oder Analysen erstellen können. Mit der richtigen Datenstrategie ist die Strukturierung und das Erreichen der notwendigen Datenqualität keine Zukunftsmusik mehr.

Digitale Zwillinge sind ein wichtiger Bestandteil des Industrie 4.0-Gedankens. Sie spiegeln physische Güter in der digitalen Welt wider und erweitern diese mit zusätzlichen Fähigkeiten und Funktionen zur Analyse, Prognose und Entscheidungsfindung. Aufgrund der vielfältigen Gestaltungsmöglichkeiten von Digitalen Zwillingen sind auch ihr Design und ihre Implementierung sehr vielfältig. Diese Publikation leistet einen Beitrag zur Klassifikation und Bewertung von Digitalen Zwillingen mittels eines mehrdimensionalen Reifegradmodells. Die präsentierte Methode „DT-Assess“ ermöglicht eine anwendungsspezifische Bewertung von Digitalen Zwillingen. Die Entwicklung der Methode folgte der Vorgehensweise zur Entwicklung von Reifegradmodellen für das IT-Management. Das entwickelte Reifegradmodell besteht aus sieben Kategorien mit insgesamt 31 zu bewertenden Merkmalen. Die systematische Evaluation in fünf Anwendungsszenarien erlaubt erstmalig eine Einordnung der jeweiligen „Digitale ...

Resultierend aus technologischem Wandel und steigendem Konkurrenzdruck, stoßen traditionelle Industrieunternehmen oft an ihre Grenzen, langfristig marktfähig zu bleiben [1, 2]. Im Rahmen dieser Entwicklungen nimmt die Bedeutung von zusätzlichen digitalen Dienstleistungen zu [3, 4]. Gleichzeitig verändern sich Industrieprodukte zu komplexen Systemen, bei denen das Zusammenspiel aus Software, Hardware und Daten im Vordergrund steht. Hierbei umfassen Smart Connected Solutions (SCS) datenbasierte und serviceorientierte Lösungen für das Unternehmensportfolio [1, 5]. In diesem Kontext ist der Wandel zu SCS-Geschäftsmodellen ein essenzieller strategischer Handlungsspielraum [1, 6]. Dieser Beitrag liefert Erkenntnisse aus der Praxis zum SCS-Reifegrad, zu Herausforderungen beim Aufbau von SCS-Geschäftsmodellen sowie zu Handlungsempfehlungen für Industrieunternehmen.

Im Gedächtnis eines jeden Mitarbeiters sind riesige Mengen an Informationen gespeichert. Funktionsweisen eines Produkts, bewährte Verfahren in Abteilungen, kundenspezifische Informationen, allgemeine Markt- und Wettbewerbskenntnisse etc. Dieses Fachwissen ist in den meisten Unternehmen ein blinder Fleck. Wie schafft man es also unternehmensinternes Know-how verfügbar zu machen? Und das in einer Zeit, in der viele Mitarbeiter Remote, im Home Office, sogar über Länder oder Kontinente hinweg arbeiten?

Künstliche Intelligenz (KI) ist bereits heute ein wichtiger Bestandteil der Geschäftsmodelle und Prozesse vieler Unternehmen. In naher Zukunft werden KI-Systeme unsere Arbeitswelt tiefgreifend verändern. KI-Systeme können dabei für Unternehmen der unterschiedlichsten Branchen und Domänen - insbesondere in der Industrie - völlig neue Potenziale entfalten. Bestehende Geschäftsmodelle können entlang der Wertschöpfungskette optimiert werden, indem Produktionsabläufe und Prozesse optimiert oder mit vorausschauender Wartung Stillstände in der Produktion vermieden werden (2). Gleichzeitig können KI-Systeme völlig neue Geschäftsmodelle ermöglichen und damit bestehende Marktstrukturen durch neue Akteure radikal verändern. Die KI-Wirtschaft von morgen wird individueller, präziser und nachhaltiger sein: Eine wettbewerbsfähige Wertschöpfung ohne KI wird in vielen Bereichen der Industrie nicht möglich sein (1).

Die additive Fertigung hat sich als Produktionsverfahren etabliert und auch Einzug in die Modeindustrie gefunden, in der individualisierte Schuhe im 3D-Druckverfahren hergestellt werden. Die Herstellung von solchen Einzelstücken stellt jedoch hohe Herausforderungen an eine automatisierte Qualitätskontrolle, da durch die vergleichsweise geringen Stückzahlen auch wenig Informationen über mögliche Defekte erzeugt werden. In diesem Beitrag wird ein Vorgehen zur Qualitätskontrolle durch Nutzung eines Autoencoders vorgestellt, welcher mittels Bildern von defektfreien Testobjekten so trainiert wird, dass auftretende Anomalien erkannt werden können. Mit einem ROC AUC score von 0,87 zeigen erste Tests vielversprechende Ergebnisse und belegen, dass durch diese Methode Defekte an den verwendeten Schuhmodellen erkannt werden können.

Ein wichtiger Baustein für Unternehmen, um mit den Anforderungen der Arbeitswelt umzugehen, ist die kontinuierliche und bedarfsspezifische Weiterbildung der Mitarbeitenden. Die Möglichkeit von arbeitsplatznahem Lernen spielt dabei eine große Rolle. Im Folgenden wird beleuchtet, welche Formen digitaler Assistenzsysteme aktuell für die gezielte Unterstützung des arbeitsplatznahen Lernprozesses eingesetzt werden und welche Gestaltungsdimensionen bei der Einführung entsprechender Systeme relevant sind. Abschließend wird der unterstützende Einsatz von Künstlicher Intelligenz zur Gestaltung bedarfs- und personenspezifischer Lernprozesse beleuchtet.

Der Prozess der Digitalisierung fordert von kleinen und mittelständischen Unternehmen (KMU) ihre Arbeits- und Produktionsprozesse zu überdenken. Ausgelöst durch diesen Wandel besteht die Anforderung sowohl die Produktion als auch die Mitarbeiterorganisation umzustrukturieren. In Folge dessen ändern und erweitern sich nicht nur die Tätigkeitsprofile der Mitarbeitenden, sondern auch die Art und Weise der Wissensvermittlung. In bestehende Ausbildungsprogramme sollten innovative und digitalisierte Formate integriert und gebrauchstauglich auf mobilen Endgeräten dargeboten werden. Daher bedarf es geeigneter und zielgruppenspezifischer Lehr-/Lernformate, die partizipative Methoden und digitale Kollaboration unterstützen.