Künstliche Intelligenz in der Produktionsplanung
Genossenschaftlich KI trainieren
Um ein KI-System für die Produktionsplanung zu trainieren, braucht es heute meist noch mehr Daten, als in einem Unternehmen anfallen. Ein Ausweg wären Datengenossenschaften, in denen alle Beteiligten anonymisierte Planungsdaten für das Modelltraining bereitstellen. Dafür müssten Produzenten endlich ihre Skepsis überwinden.
Einige Anwendungen für Fertigungsplaner nutzen bereits heute künstliche Intelligenz, etwa um kurzfristige Umplanungen durchzurechnen. Die Entscheidungen fällt dabei der Mensch, weshalb von einer assistenzbasierten Fertigungsplanung und -steuerung gesprochen werden kann. Aus den Rückmeldungen der Planer lernt die KI dazu, um künftige Planungsergebnisse zu verbessern. Je mehr Entscheidungen das Assistenzsystem in die Datenbasis einbezieht, umso besser sollen künftige Vorschläge ausfallen. Hierzu gehören auch Hinweise der Planer auf unplausible Konstellationen. Die Vorstellung ist, dass diese KI-basierten Szenarien künftig präziser und verlässlicher werden, als Entscheidungen auf der Basis von Auswertungen historischer Daten. Aktuell ist zweiteres noch der Fall. Doch dafür werden große Mengen an Daten benötigt – aktuell der Engpassfaktor. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Datengenossenschaften bilden
Daten aus der Produktion herauszugeben kommt für die meisten Unternehmen selbst dann nicht in Frage, wenn sie für Trainingszwecke einer KI anonymisiert werden. Die Sorge ist zu groß, dass die Daten in die Hände des Wettbewerbs geraten. Über die Bildung von Datengenossenschaften wäre es möglich, KI-Modelle zu trainieren, ohne Geheimnisse preiszugeben. In solchen Genossenschaften übermitteln Unternehmen ihre Daten anonymisiert in einen gemeinsamen Datenpool, mit dem die KI trainiert wird. Im Gegenzug hätten die genossenschaftlich organisierten Unternehmen Zugriff auf diese KI-basierten Systeme, um sie in ihren Werken einzusetzen. Doch selbst dieser Win-Win-Situation für alle Beteiligten stehen die Unternehmen noch skeptisch gegenüber.
Forschungskooperationen gehen voran
Der MES-Anbieter Becos arbeitet im Rahmen einer Forschungskooperation an einem KI-gestützten System, für das ebenfalls größere Mengen an Daten erforderlich sind. Diese Energiedaten sind abstrakt genug, um keine Wettbewerbsvorteile in sich zu verbergen. Daher überlegen Unternehmen durchaus, diese herauszugeben. Vor diesem Hintergrund ist die Idee der Datengenossenschaften gereift. Doch solche Daten reichen zur Weiterentwicklung von KI im Produktionsumfeld nicht aus. Hier werden auch Informationen über Funktionen benötigt, also Wissen über einzelne Maschinen. So könnten dies in der Kunststoffherstellung Maschinen sein, die entsprechende Kompetenzen besitzen. Werden solche Kompetenzen zusammen mit Daten ausgewertet, lassen sich komplexe, intransparente Entscheidungen trainieren, die in zahlreichen Wechselwirkungen zu anderen stehen. Deshalb sind mutige Unternehmen gefragt, die ihre Daten zur Verfügung stellen, um gemeinsam vorwärtszukommen.
