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:

Mit dem Release 9.20.00 der iTAC.MES.Suite, das im August 2019 erscheinen soll, führt das Unternehmen ein Workflow-Management-System ein. Das grafische Tool unterstützt das MES-basierte Prozessmanagement in der Fertigung.‣ weiterlesen

Zur Umsetzung des Zukunftsprojektes 'Industrie 4.0' der Bundesregierung werden immer mehr Bereiche in Richtlinien und Empfehlungen spezifiziert. Das Reverse Engineering im Maschinenbau ist ein Handlungsfeld, das noch detaillierter zu betrachten ist.‣ weiterlesen

Laut einer KPMG-Studie können fünf von sechs Unternehmen nicht mit Sicherheit sagen, wer hinter einem Cyberangriff steckt.‣ weiterlesen

Laut einer Studie des Instituts der deutschen Wirtschaft kostete eine Arbeitnehmerstunde im verarbeitenden Gewerbe 2018 41€. Damit liegen die Kosten für Arbeitnehmer in Deutschland im internationalen Vergleich über dem Durchschnitt. ‣ weiterlesen

Bereits seit 65 Jahren bewegen Fahrzeuge Lasten ohne Piloten. Mit 35 Jahren Betriebstätigkeit feiert der Branchenpionier DS Automotion Jubiläum. Grund genug für einen Streifzug durch die Geschichte insbesondere der Linzer FTS.‣ weiterlesen

Mit einer Umsatzsteigerung von 11% sowie einem Anstieg der Erlöse aus dem Cloudgeschäft um 40% hat SAP das 2. Quartal beendet. Der Gewinn des Walldorfer Softwarekonzerns ging im Vergleich zum Vorjahr jedoch zurück.‣ weiterlesen

Anzeige
Anzeige
Anzeige