Künstliche Intelligenz

Der intensive globale Wettbewerb, kürzer werdende Produktlebenszyklen und eine zunehmende Variantenvielfalt erfordern flexible und wandlungsfähige, aber zugleich wirtschaftliche Produktions- und Logistiksysteme. Insbesondere in der Kontraktlogistikbranche werden aufgrund der kurzen Vertragslaufzeiten (ca. zwei bis drei Jahre) häufig Logistiksysteme bzw. Fabrikabschnitte neu geplant. Das Wissen über die kundenspezifischen Prozesse sowie die kundenindividuelle Konfiguration der Logistiksysteme liegt implizit bei den Planer*innen. Durch den Einsatz eines KI-basierten Assistenzsystems soll dieses Wissen erfasst und aufbereitet werden, sodass der Planungsprozess beschleunigt wird und gleichzeitig die Planungsqualität weniger individuellen Schwankungen unterliegt. In diesem Beitrag wird beschrieben an welchen Stellen des Planungsprozesses ein Bedarf für eine Unterstützung durch ein auf künstlicher Intelligenz (KI) basierendes Assistenzsystem besteht und wie die digitale Plattform ...

In den letzten Jahren hat das Quantencomputing neue Erfolge erzielt, wie z. B. das Quantenüberlegenheitsexperiment von Google [1] und es zeigt sich, dass es von großen Industrieunternehmen zur Lösung komplexer Probleme eingesetzt wird. Aber was hat zu dieser Entwicklung geführt? Welche Arten von Problemen können wir in naher Zukunft erwarten, die mit Quantencomputing zu lösen sind? Auf welche Herausforderungen stoßen wir bei dieser Technologie und ihrem Einsatz im industriellen Umfeld?

Mit zunehmender Datenverfügbarkeit wird der Einsatz Maschinellen Lernens zur Steuerung und Optimierung von Supply Chains attraktiver, da die Qualität der Datenauswertung erhöht und gleichzeitig der Aufwand gesenkt werden kann. Anhand des SCOR-Modells werden exemplarische Ansätze als Orientierungshilfe eingeordnet und dazu passende Verfahren des Maschinellen Lernens vorgestellt.

Aufgrund der Vielzahl verschiedener Machine-Learning-Verfahren und der Modellierungskomplexität besteht unter Ingenieuren häufig Unsicherheit gegenüber der effizienten Anwendung von Machine Learning (ML). Daher bleibt der Einsatz von ML-Anwendungen in verarbeitenden Unternehmen hinter den technischen Möglichkeiten zurück. In diesem Beitrag wird ein intuitiver Handlungsleitfaden für Ingenieure vorgestellt, der diese Unsicherheit verringern soll. Der Handlungsleitfaden führt in sechs Schritten durch ein ML-Projekt. Der ML-Kompass schlägt dem Anwender für gängige ingenieurstechnische Problemstellungen der Produktentwicklung und Produktion ML-basierte Algorithmen, die in der Praxis verwendet werden, vor. Anhand eines Industriebeispiels wird die Funktionsweise demonstriert.

Die politische Initiative „Industrie 4.0“ soll deutschen Fertigungsunternehmen bei der Nutzung von Datenpotenzialen helfen. Gerade die Instandhaltung ist mit heutigen Ansätzen bisher unzureichend proaktiv gestaltet. Einen Lösungsweg bieten auf künstlicher Intelligenz (KI) gestützte Entscheidungsunterstützungssysteme, welche eine vorausschauende Maschinenwartung erlauben. Der undurchsichtige Entscheidungsprozess der KI stellt jedoch ein Hindernis für Nutzer dar, welches die Effektivität solcher Systeme gefährdet. Dieser Beitrag beleuchtet daher sowohl technische als auch soziale Faktoren für den Einsatz von KI im Rahmen von Industrie 4.0.

Mit bedienerseitigen Eingriffsmöglichkeiten erlauben semi-autonome Systeme eine bessere Bewältigung auftretender Komplexitäten als vollautonome Systeme. Der Einsatz eines digitalen Zwillings ermöglicht eine neuartige Schnittstelle für die Interaktion mit solchen Systemen. Dieser Beitrag beschreibt die Implementierung der Steuerung und Nutzerschnittstelle in einem System mit digitalem Zwilling. Es wird gezeigt, wie die entwickelte Steuerungsarchitektur die Einbindung verschiedener Methoden der Mensch-Technik-Interaktion und die Durchführung virtueller Schulungen ermöglicht. Auf diese Weise kann die Steuerung des Systems über die Betriebsphase hinaus in anderen Phasen des Lebenszyklus verwendet werden.

Zunehmend spezialisierte, diverse und auch gänzlich neue Kompetenzen und Kompetenzprofile erschweren die Interpretation von Bildungsabschlüssen und das Matching von Anforderungsprofilen mit Kompetenzen von Individuen oder Gruppen. Wenn Kompetenzbeschreibungen natürlichsprachlich formuliert vorliegen, ist die informationstechnologische Unterstützung bei der Aktualisierung, Kommunikation und Analyse begrenzt. Es erscheint daher erstrebenswert, Kompetenzen in einer formalen, computerunterstützt auswertbaren Beschreibungssprache zu modellieren. In diesem Beitrag wird der Ansatz einer generischen Syntax zur Formulierung von Lernzielen vorgestellt, wodurch auch komplex formulierte Kompetenzen und Lernziele in einer computerunterstützt auswertbaren Ontologie abgebildet werden können und mit Semantic Web- und Linked Data-Techniken geteilt und weiterverarbeitet werden können.

Derzeit erleben wir einen rasanten technologischen und gesellschaftlichen Wandel, der durch das Konvergieren diverser Megatrends einen erheblichen Einfluss auf das Alltagsleben der Menschen hat. Unsere Studie zielt darauf ab, relevante Strategien für die digitale Zukunft einer Makro-Region (Tirol, Südtirol und Venetien) herauszuarbeiten. Zu diesem Zweck wurden, ausgehend von einem Triple-Helix-Modell, semistrukturierte Interviews mit Vertretern von Unternehmen, Universitäten und Schulen und der öffentlichen Verwaltung geführt. Aus den empirischen Ergebnissen leitet die Studie 80 spezifische Handlungsempfehlungen für die digitale Transformation der Makroregion ab.