Large Language Models

Das für die industrielle Instandhaltung erforderliche implizite Wissen ist durch den demografischen Wandel und die zunehmende Komplexität technischer Systeme zunehmend gefährdet. Dieser Beitrag stellt Tacit-TALK vor, ein sprachbasiertes System, das implizites Wissen mithilfe KI-gestützter Gespräche externalisiert. Gesprochene Eingaben werden transkribiert, mithilfe von Large Language Models (LLMs) analysiert und in einem Wissensgraphen gespeichert, der neue Erkenntnisse mit bereits vorhandenen Organisationsdaten verknüpft. Der Beitrag basiert auf einer Design-Science-Research-Methodik, der auf der soziotechnischen Theorie aufbaut und für die Instandhaltung in der Halbleiterindustrie instanziiert wurde. Daraus werden Gestaltungsprinzipien für die KI-gestützte Erfassung impliziten Wissens abgeleitet, die auf einer wertorientierten Einbindung von Stakeholdern beruhen. Zudem wird eine Referenzarchitektur vorgestellt, die Large Language Models mit Wissensgraphen kombiniert, und es ...

Die MTM-Methoden sind ein bewährter Standard zur Analyse und Gestaltung menschlicher Arbeitsabläufe. Arbeitsplaner stehen bei der Anwendung jedoch weiterhin vor der Herausforderung, diese Methoden richtig und effizient anzuwenden. Künstliche Intelligenz – insbesondere Large Language Models – hat das Potenzial, hier einen wichtigen Beitrag zu leisten. Beim Einsatz von KI ergeben sich jedoch berechtigte Fragen hinsichtlich der Verlässlichkeit und Nachvollziehbarkeit der Ergebnisse. Der vorgestellte Ansatz kombiniert LLMs mit einem regelbasierten Algorithmus, um gezielt wichtige Informationen aus textlichen Prozessbeschreibungen, wie Arbeitsanweisungen, zu extrahieren, die für MTM-Analysen erforderlich sind. Anschließend werden diese entsprechend dem MTM-Regelwerk in Analysen übersetzt. Dieses Vorgehen trägt dazu bei, dass die Ergebnisse für den Anwender nachvollziehbar aus den Eingangsdaten abgeleitet werden.

Die manuelle Kommissionierung ist aufgrund der hohen Anschaffungskosten von Unterstützungssystemen nach wie vor weit verbreitet. Dieser Beitrag gibt einen Überblick über bestehende Technologien, stellt einen auf Bildverarbeitung basierenden Prototyp vor und untersucht anhand der Literatur, wie die Kombination von Objekterkennung mit Sprachsystemen manuelle Arbeitsabläufe verbessern könnte. Die Ergebnisse deuten auf eine vielversprechende, kostengünstige Richtung für die Unterstützung von Mitarbeitern in der Logistik hin.

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.

Die fortschrittliche Entwicklung und das Nutzenpotenzial generativer Künstlicher Intelligenz (KI), exemplarisch verdeutlicht durch den Erfolg von OpenAIs ChatGPT, deuten auf eine vielversprechende Applikation in der industriellen Produktion hin. Besonders im Technologiemanagement produzierender Unternehmen besteht die Vermutung, dass KI-Anwendungen bei komplexen Herausforderungen, bspw. Technologiefrüherkennung und strategische Entscheidungsfindung, eine Unterstützung sein können. Dieser Artikel stellt drei zukünftige Entwicklungshorizonte generativer KI dar und beleuchtet anhand von Fallstudien aktuelle Einsatzmöglichkeiten. Abschließend werden fünf Thesen zur zukünftigen Integration von generativer KI in unternehmerische Prozesse formuliert.