Künstliche Intelligenz

Industrial Big Data: Tieferes Prozessverständnis durch Daten

Industrial Big Data: Tieferes Prozessverständnis durch Daten

Modernes Informationsmanagement in der Produktion
Thomas Thiele, Max Hoffmann, Tobias Meisen
Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.
Industrie 4.0 Management | 33. Jahrgang | 2017 | Ausgabe 4 | Seite 57-60
I4M 3/2017: Megatrend Digitalisierung

I4M 3/2017: Megatrend Digitalisierung

Unternehmen verbessern mit Datenanalyse, Wissensmanagement und agilen Systemen
Digitalisierung ist ein viel diskutierter Begriff. Aber was bedeutet sie tatsächlich für Unternehmen, Mitarbeiter und industrielle Prozesse? Produktivitätssteigerung durch Augmented Reality, Wissenstransfer und Kompetenzprofile, agiles Änderungsmanagement sowie lernförderliche Gestaltung von Assistenzsystemen sind insoweit Stichworte. Spannend sind die Themen Arbeitsschutz in der Industrie 4.0 und intelligente Produktion.
Evaluierung des Dense Passage Retrievals zur Dokumentensuche in Behörden im Vergleich zu BM25

Evaluierung des Dense Passage Retrievals zur Dokumentensuche in Behörden im Vergleich zu BM25

Anket Mehra, Tom Vincent Peters, Malte Prieß
Teil des titels, falls Titel viel zu lang AKWI-Tagungsband zur 35. AKWI-Jahrestagung. Jahrgang, 2022, Seite S. 353–362 Die Suche nach Dokumenten ist eine der Aufgaben, die Maschinen am häufigsten ausführen. Täglich genutzte Suchmaschinen suchen nach Dokumenten, um das Informationsbedürfnis eines Anfragenden zu erfüllen. Aktuelle Forschungsergebnisse zeigen, dass der Bewertungsansatz des Dense Passage Retrieval (DPR) – welcher die zu suchenden Dokumente mittels tiefer neuronaler Netze in Dense-Vektoren umwandelt – in englischer ebenso wie in deutscher Sprache bessere Ergebnisse liefert als aktuell implementierte Algorithmen wie der BM25-Algorithmus. Die Dokumentensuche in deutschen Behörden stellt eine besondere Aufgabe dar, da in diesen komplexe behördenspezifische Fachausdrücke verwendet werden. Im Rahmen dieser Arbeit wurde für die Dokumentensuche zu Corona-Regelungen in der öffentlichen Verwaltung ein DPR mit einem öffentlichen deutschsprachigen Datensatz ...
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_26
Einsatz von Machine Learning im Innovationsmanagement

Einsatz von Machine Learning im Innovationsmanagement

Eine Literaturanalyse
Daniel Szafarski und Helmut Beckmann
In volatilen Zeiten, in denen die verfügbare Datenmenge stetig steigt, nehmen Unternehmen das IM in den Fokus, um ihre Wettbewerbsfähigkeit zu sichern. Aus diesem Grund ist eine stetig steigende Anzahl an Publikationen zu verzeichnen, welche sich aktuell insbesondere mit der frühphasigen Ideengenerierung mithilfe natürlich sprachlicher Texte beschäftigen. Zur Analyse werden sowohl unüberwachte als auch überwachte Lernverfahren angewendet, wobei insbesondere Clustering- Algorithmen sowie Klassifikations- und Regressionsanalysen genutzt werden. Die präskriptive Analyse sowie die geschäftsbezogenen Innovationen sind in diesem Zusammenhang noch kaum untersucht, weswegen sich hieraus weitergehender Forschungsbedarf ableiten lässt.
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_18
AI-Ware als sozio-technische Systeme:Entwurf eines Gestaltungsrahmens für den Einsatz von KI in Unternehmen

AI-Ware als sozio-technische Systeme:Entwurf eines Gestaltungsrahmens für den Einsatz von KI in Unternehmen

Claudia Lemke, Dagmar Monett
Das aktuelle KI-Momentum spricht für den Einsatz intelligenter Algorithmen in einer Vielfalt von Anwendungsbereichen, die unser Leben schon verändern oder verändern werden. Allerdings stellt in letzter Zeit der KI-Hype andere Teilgebiete in den Schatten und verschleiert gleichzeitig die Implikationen und Risiken, die KI-basierte Systeme mit sich bringen können. Die Chancen und Herausforderungen solcher Systeme brauchen sowohl moderne, ethisch konforme Handlungsempfehlungen als auch eine Forschungsagenda, die eine richtige, an den Nutzer*innen orientierte Gestaltung ermöglichen. Wir untersuchen in diesem Beitrag die Grundlagen und Merkmale KI-basierter Systeme und schlagen einen auf der sozio-technischen Systemtheorie basierenden Gestaltungsrahmen vor, um KI in Organisationen erfolgreich umzusetzen.
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_11
Die Rolle der Künstlichen Intelligenz bei kleinen und mittleren Unternehmen des Dienstleistungssektors

Die Rolle der Künstlichen Intelligenz bei kleinen und mittleren Unternehmen des Dienstleistungssektors

Sandy Eggert, Giuseppe Sortino
Dieser Beitrag zeigt die Ergebnisse einer Untersuchung zur aktuellen und zukünftigen Rolle der Künstlichen Intelligenz bei kleinen und mittleren Unternehmen des Dienstleistungssektors im Zuge des digitalen Wandels auf. Entlang einer Literaturanalyse sowie mehreren Experteninterviews werden neben den aktuellen Herausforderungen, Einsatzbereiche und Möglichkeiten der KI, notwendige Voraussetzungen zur Einführung der KI sowie ethische Aspekte herausgestellt.
Industry 4.0 Science | 2022 | | DOI 10.30844/AKWI_2022_10
I4M 6/2016: System Integrated Intelligence

I4M 6/2016: System Integrated Intelligence

Die Herausforderungen der systemintegrierten, intelligenten Produktionstechnik meistern
Die heutige Industrie befindet sich im Vorfeld einer wesentlichen Transformation, deren Grundlage die systemintegrierte Intelligenz darstellt. Aber wie werden diese Systeme unsere Lebens- und Arbeitsweisen in der Zukunft beeinflussen? Diese Ausgabe von Industrie 4.0 Management bietet Einblicke in mögliche Lösungsansätze aus unterschiedlichen Blickwinkeln, wie Produktionsplanung, Cyber-Physische- und Autonome Systeme oder Maschinelles Lernen.
Hybride Teams in der digitalen Vernetzung der Zukunft

Hybride Teams in der digitalen Vernetzung der Zukunft

Anwendung, Architektur und Kommunikation
Sirko Straube, Tim Schwartz
Eine der Implikationen aus Industrie 4.0 ist das Entstehen einer neuen Zusammenarbeit von Menschen, Robotern und virtuellen Agenten in Teams - der Roboter ist kein Konkurrent, sondern er übernimmt typischerweise andere Aufgaben, die für Menschen sehr aufwändig, schädlich oder gar unmittelbar gefährlich sind. Diese Hybriden Teams müssen effizient kommunizieren, sie sollen flexibel sein und breit einsetzbar. Wie kann man ein solches Team realisieren und welche Besonderheiten und Schwierigkeiten treten dabei auf? Der Beitrag beschreibt den Aufbau und die Eigenschaften Hybrider Teams und schlägt eine entsprechende Systemarchitektur vor, die auf Erfahrungen aus dem aktuellen Forschungsprojekt HySociaTea (FKZ 01IW14001, BMBF) basiert.
Industrie 4.0 Management | 32. Jahrgang | 2016 | Ausgabe 2 | Seite 41-45
KI-Unterstützung im Systementwurf

KI-Unterstützung im Systementwurf

Wenn Computer lernen, wie Computer arbeiten
Jannis Stoppe, Rolf Drechsler
Um die zunehmende Komplexität im modernen Hardwareentwurf handhaben zu können, findet der Entwurf von Hardwaresystemen zunehmend auf abstrakteren Ebenen statt. Vorteilen, wie der schnelleren Entwicklung lauffähiger Prototypen und kürzeren Entwurfszyklen, stehen dabei Nachteile bei der Analyse der Systeme gegenüber: Es gibt keinen einfachen Weg mehr, aus der Beschreibung des Systems die Struktur zu ermitteln. Trotzdem sollten den Ingenieurinnen/Ingenieuren während des Entwurfsprozesses natürlich die Informationen zur Verfügung stehen, die sie zur schnellen Analyse der Systeme benötigen. Hier hilft dem Computer der virtuelle Blick in sein inneres Selbst: Die simulierte Hardware wird von einer künstlichen Intelligenz (KI) überwacht, die so die Funktion des Systems zur Laufzeit erlernt. Abhängigkeiten und Zusammenhänge werden so unabhängig von der direkten Verfügbarkeit ermittelt und dem Entwickler während des Entwurfsprozesses zur Verfügung gestellt.
Industrie Management | 31. Jahrgang | 2015 | Ausgabe 1 | Seite 21-24
I4M 1/2015: Kognitive Systeme

I4M 1/2015: Kognitive Systeme

Intelligente Lösungen für die moderne Fabrik
Das Problemlösen des menschlichen Gehirns ist trotz großer Sprünge im Bereich der Künstlichen Intelligenz unerreicht. Dennoch kommt der Entwicklung kognitiver Systeme in der Fabrik eine hohe Bedeutung zu. Nur mit kombinierten Fortschritten in den Bereichen Computational Intelligence, Machine Learning, Robotik und Sensorik – wie diese Ausgabe der Industrie 4.0 Management zeigt – können intelligente Systeme effektiv verbessert werden.
1 8 9 10