Maschinelles Lernen

Die Montage bildet einen zentralen Bestandteil der industriellen Fertigung und ist traditionell von einem hohen Anteil manueller Arbeit geprägt. Unternehmen sehen in der Digitalisierung eine große wirtschaftliche Chance. Im Fokus steht dabei, die Produktivität der Mitarbeitenden zu steigern und gleichzeitig die Lohnstückkosten stabil zu halten. Die Nutzung innovativer Technologien wird deshalb immer wichtiger, um diese Ziele in der Montage umzusetzen.

Die Digitale Transformation ist seit Jahren ein zentraler Fokus wissenschaftlicher Diskussionen. Fragen zu datengetriebenen Entscheidungen, Künstlicher Intelligenz und resilienten Lieferketten stehen im Mittelpunkt aktueller Forschung. Die Beiträge dieser Ausgabe erläutern zentrale Trends und präsentieren wissenschaftliche Erkenntnisse sowie praxisnahe Lösungen – von der Automatisierung über die Kreislaufwirtschaft bis hin zu Cloud Computing.

Machine Learning hebt die Automatisierung auf ein neues Level. Doch was bedeutet das für die Rolle des Menschen? Die Entwicklung energieeffizienter und fairer Algorithmen sowie die Optimierung der Datenqualität sind entscheidend für die Zukunftsfähigkeit von Machine Learning und Künstlicher Intelligenz. Die Beiträge in dieser Ausgabe untersuchen die entscheidenden Potenziale und Anwendungsgebiete der Technologie.

Die Nutzung von Daten ist für Unternehmen heutzutage von entscheidender Bedeutung. Sie helfen den Unternehmen dabei, fundierte Entscheidungen zu treffen und dadurch ihre Effizienz zu verbessern. Gerade die Logistikbranche bietet viele Ansatzpunkte für den Einsatz von Daten. So können etwa Warenströme präzise verfolgt werden, die Lagerverwaltung effektiver gestaltet oder Routen besser geplant werden. All diese Optimierungsansätze münden in einer Kostenreduzierung und schnelleren Lieferungen, welche die Wettbewerbsfähigkeit steigern können und den Anforderungen nach einer schnellen, zuverlässigen und transparenten Lieferkette gerecht werden. Im Forschungsprojekt Datenfabrik.NRW erarbeiten Expertinnen und Experten aus den Bereichen Produktion und Logistik an datengetriebenen Lösungen im realen Produktionsumfeld der Unternehmen CLAAS Selbstfahrende Erntemaschinen GmbH und der Schmitz Cargobull AG. Unter anderem wird ein neuer Ansatz zur Optimierung der intralogistischen Prozesse ...

Künstliche Intelligenz (KI) kann einen großen Beitrag zur Zukunftsfähigkeit unserer Wirtschaft und Gesellschaft leisten - sei es durch Verbesserung bestehender Prozesse oder neue Produkte und Services, die mehr Effizienz, robustere Strukturen und mehr Klimaschutz versprechen. Aktuell zeigen sich insbesondere Mittelständler beim Einsatz von KI-Systemen jedoch noch zurückhaltend. Der häufig genannte Grund: Die datenschutzrechtlichen Hürden erscheinen zu hoch. Der Beitrag ventiliert die Chancen einer datenbasierten Wertschöpfung. Zentrale Frage ist, wie sich in der Industrie mit KI-Anwendungen aus Daten wirtschaftlicher Mehrwert generieren lässt und dabei Datenschutz und -sicherheit zu wahren sind.

Durch die aktuell gestiegenen Energiekosten, sowie der zusätzlich von der Bundesregierung gesetzten Herausforderung, bis zum Jahr 2045 CO2-neutral zu werden, gewinnt die Energieeffizienz in nahezu allen Branchen des produzierenden Gewerbes immer mehr an Bedeutung. Mit Technologien aus dem Bereich des maschinellen Lernens (ML) können innovative Lösungen entwickelt werden, die eine energieeffizientere Produktherstellung ermöglichen, wodurch ML-gestützte Prozessführung einen entscheidenden Beitrag zur Steigerung der Nachhaltigkeit und Wettbewerbsfähigkeit eines Unternehmens leisten kann. Entscheidend sind hierbei die prozess- und rohstoffabhängigen Parameter, die maßgeblich für die Qualität des zu produzierenden Produktes verantwortlich sind. Gegenstand dieses Beitrags ist ein Vorgehen zur Analyse der komplexen Zusammenhänge zwischen den verschiedenen Einflussparametern zur Steigerung der Energieeffizienz im produzierenden Gewerbe.