Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Machine Learning

Aus Erfahrungen lernen

Künstliche Intelligenz, beziehungsweise maschinelles Lernen, versetzt Maschinen in die Lage, selbständig Wissen zu generieren. Die KI analysiert dabei nicht nur große Datenmengen, sondern bringt sie darüber hinaus in den richtigen Zusammenhang.

 (Bild: ©jim/Fotolia.com)

(Bild: ©jim/Fotolia.com)

Laut Definition versucht das Forschungsgebiet künstliche Intelligenz (KI), menschliche Wahrnehmung und menschliches Handeln durch Maschinen nachzubilden. Was als Wissenschaft der Computer-Programmierung begann, hat sich mehr und mehr zur Erforschung des menschlichen Denkens entwickelt.

Machine Learning

Fakt ist, die künstliche Intelligenz hat längst Einzug in zahlreiche Lebensbereiche genommen. Die IBM-Chefin Ginni Rometty prophezeit sogar, dass „in wenigen Jahren jede größere Entscheidung – ob privat oder geschäftlich – mit Hilfe von künstlicher Intelligenz und kognitiven Technologien fallen [wird].“ Forscher aus dem Silicon Valley gehen davon aus, dass KI die menschliche Intelligenz in zehn Jahren übertreffen wird. Einige der großen Technologiekonzerne wie Google oder Micrososft setzen bereits seit einigen Jahren auf die Technologie und integrieren sie in eine Vielzahl von Produkten, womit sie die Entwicklung maßgeblich vorantreiben. Inzwischen erreicht die Technologie auch die Fertigungshallen. Dabei ist die Thematik gerade im Maschinenbau hochaktuell. Dabei steht unter anderem der Begriff Machine Learning im Fokus. Durch das maschinelle Lernen erhalten IT-Systeme die Fähigkeit, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen sowie Lösungen zu entwickeln. Diese Algorithmen folgen dabei nicht einfach nur streng definierten Programmvorgaben, sondern treffen datengestützte Vorhersagen, indem sie auf Basis von Beispielen Wissen generieren – also selbstständig lernen. Die Grundlage für diesen Lernprozess sind Daten, die beispielsweise durch Sensorik gesammelt werden. Die Beschaffung und Analyse großer Datenmengen ist dabei zu einem entscheidenden Faktor für den Einsatz künstlicher Intelligenz in der Wirtschaft geworden. Entscheidend ist dabei jedoch nicht nur die Datenmenge, sondern auch die korrekte Interpretation. Nur so können aus Big Data auch Smart Data generiert werden.

(Bild: ©Gina Sanders/Fotolia.com)

(Bild: ©Gina Sanders/Fotolia.com)

Disruptive Veränderungen

Auf lange Sicht ergibt sich daraus, dass sich die Geschäftsgrundlage für den Maschinenbau verändert. Die zunehmende Austauschbarkeit einer einzelnen Maschine wird in vielen Bereichen dazu führen, dass zukünftig nicht mehr die Maschine selbst, sondern die Leistung und Verfügbarkeit einer Maschine verkauft wird. Folglich liegt die Priorität nicht mehr auf dem Ersatzteilgeschäft, sondern auf der Herausforderung, eine rund um die Uhr Verfügbarkeit zu erfüllen. Es kommt zu einer sogenannten disruptiven Veränderung.

Vorausschauende Wartung

In der Praxis, beispielsweise bei der vorausschauenden Wartung (Predictive Maintenance), wird das Potenzial von Machine Learning besonders deutlich. In der Vergangenheit war der Instandhaltungs-Prozess häufig rein reaktiv: Es wurde erst reagiert, wenn Fehler und Probleme bereits aufgetreten waren. Dies führte häufig zu Wartezeiten, Stillständen und somit zu Nutzugsausfällen. Durch den Einsatz intelligenter Software war es möglich, den Prozess grundlegend zu optimieren. Auf der Grundlage unterschiedlicher Informationen lassen sich zukünftige Probleme an einer Maschine bereits im Voraus diagnostizieren und planbar beheben – noch bevor es zu einer Störung oder einer Produktionsunterbrechung kommt. Die Instandhaltung gestaltet sich somit proaktiv, was planbare, störungsfreie und damit effizientere Arbeitsprozesse ermöglicht. Die Vorteile für die Kunden liegen auf der Hand: Durch verkürzte Rüstzeiten sind die Maschinen besser ausgelastet und die Produktionsplanung nähert sich einer ‚Null-Fehler-Qualität‘. Auch Mitarbeiter profitieren von den Vorteilen der intelligenten Systeme. Durch die Integration möglicher Expertensysteme als fester Bestandteil der Maschinen kann beispielsweise eine schnellere Schulung und Einarbeitung ermöglicht werden. Darüber hinaus könnte auch die Bedienung im laufenden Betrieb der Maschine durch eine entsprechende Unterstützung vereinfacht werden. Dabei bietet Augmented Reality großes Potential. So können Mitarbeiter beispielsweise über eine AR-Brille Schritt für Schritt durch Prozessabläufe geführt und angeleitet werden. Gute Voraussetzungen für transparente und effiziente Produktionsabläufe.


Burkhard Röhrig ist Geschäftsführer der GFOS GmbH.


Das könnte Sie auch interessieren:

Der McKinsey ‘Quantum Technology Monitor’ zeigt eine Zunahme der globalen Markt – und Technologieentwicklungen von Quantentechnologien. Dabei sind die angekündigten Investitionen im laufenden Jahr dreimal so hoch wie in 2020.‣ weiterlesen

Jean-Paul Seuren tritt die Nachfolge von TDM Systems-Geschäftsführer Dietmar Bohn an, der das Unternehmen verlässt.‣ weiterlesen

Gegenüber dem Sommer verzeichnet das IAB-Arbeitsmarktbarometer zwar einen Rückgang, übertrifft jedoch immer noch den Wert aus den Vorjahren. Dabei senden die Aussichten bezüglich Arbeitslosigkeit und Beschäftigung sogar positive Signale.‣ weiterlesen

Nach einem Rückgang im August ist der Ifo-Geschäftsklimaindex auch im September gesunken. Belastet werden die Zahlen dabei durch die schlechtere Stimmung in der Industrie.‣ weiterlesen

Mit Version 2.0 des IT-Sicherheitsgesetzes kommen auf viele Firmen höhere Anforderungen an ihre IT-Sicherheit zu. Die Schwellenwerte sinken, ab wann ein Unternehmen zur Umsetzung der Kritis-Auflagen verpflichtet ist. Diese betreffen jetzt auch Firmen, die laut Gesetzestext von 'erheblicher volkswirtschaftlicher Bedeutung für die Bundesrepublik Deutschland' sind. Damit sind auch Industrieunternehmen gemeint.‣ weiterlesen

Für die Umsetzung von IoT-Projekten ist nicht nur eine präzise fachliche Planung des Anwendungsfalls von Bedeutung, sondern eine vorherige Überprüfung des Reifegrads der IT-Organisation sowie des Reifegrads der IT im Umgang mit Cloud-Technologien.‣ weiterlesen

Der Maschinenbauer Manz bündelt unter dem Namen Total Fab Solutions sein Angebot für die Automatisierung von Fertigungslinien. Im Paket abgedeckt sind Umsetzungsschritte von Automatisierungsprojekten von der Fabrikplanung über die Prozess- und Materialflusssimulation oder die Integration bestehender Fertigungsprozesse bis hin zu Aufbau, Hochfahren und Optimierung schlüsselfertig zu übergebender Produktionslösungen.‣ weiterlesen

Beim traditionellen Qualitätsmanagement werden gefertigte Bauteile analysiert, um die Qualität der nächsten zu verbessern. Beim Predictive Quality-Ansatz wollen Hersteller analysegestützt eine höhere Qualität erzielen, ohne in die Vergangenheit schauen zu müssen. Bereits verfügbare Lösungen für den Ansatz integrieren die erforderlichen Daten auf einer MES-Plattform.‣ weiterlesen

Yaskawa hat den Grundstein für eine neue Europa-Zentrale in Hattersheim gelegt. Das Unternehmen investiert rund 23Mio.€ in den neuen Standort.‣ weiterlesen

Der Aufbau einer kabelgebundenen Ortungsinfrastruktur auf großen Flächen wie Lagerhallen, Baustellen oder in der Prozessindustrie ist kostspielig und zeitaufwendig.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige