Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Wie intelligent werden Prozesse und Produkte?

Was KI kann – und was nicht

Künstliche Intelligenz gilt als Schlüsseltechnologie. Doch durch den alleinigen Einsatz lösen sich nicht alle Probleme automatisch in Luft auf. Denn der Algorithmus ist nur so intelligent, wie es die Daten, aus denen er lernt, zulassen. Am Ende ist nicht der Einsatz der Technologie, sondern der Prozess entscheidend.

Einordnung von KI, ML und DL (Bild: Trebing & Himstedt Prozeßautomation)

Einordnung von KI, ML und DL (Bild: Trebing & Himstedt Prozeßautomation)

Ein großer deutscher Fabrikausrüster berichtete kürzlich über seine eigene Fertigung: Durch den Einsatz künstliche Intelligenz (KI) lassen sich dort pro Jahr zwischen 1 und 2Mio.? sparen. So wurde beispielsweise die Taktzeit um 15 Prozent gesenkt, in dem durch KI Störungen in den Prozessabläufen identifiziert und beseitigt wurden. Dabei ist zwar oftmals von KI die Rede, gemeint ist jedoch maschinelles Lernen (ML). Was ist der Unterschied? Künstliche Intelligenz bezeichnet primär alle Technologien, die menschliche Intelligenz nachahmen. Das Maschinelle Lernen ist eine Teildisziplin dessen – weil hier das Erlernen und Anwenden des Gelernten nachgeahmt wird. Beim ML erlernen Maschinen mit Hilfe von großen Datenmengen selbständig Aufgaben zu lösen. Noch spezifischer wird diese Disziplin wiederum im Deep Learning ausgeprägt. (Abbildung 1). Daraus ergeben sich oftmals zwei Missverständnisse.

  • • Erstens: künstliche Intelligenz löst alle Probleme quasi automatisch
  • • Zweitens: dadurch lassen sich signifikant Personalkosten sparen, da die Maschinen intelligent genug sind, um alles selber zu erledigen.

Missverständnis 1

Das erste Missverständnis lässt sich mit ‚garbage in – garbage out‘ klären. KI ist nicht von alleine intelligent, sondern lernt mittels ML aus vorhandenen Daten. Sind diese Daten qualitativ schlecht, wird es auch falsch nachgemacht. Der Algorithmus ist ein mathematisches Modell, welches aus dem Gelernten entstanden ist und per se erst einmal weder gut noch schlecht. Daher sollte ein Algorithmus, der aus dem ML entsteht keine ‚Black Box‘, sondern nachvollziehbar sein. Dabei hilft eine grobe Skizze. Ein KI-System funktioniert im Prinzip auf drei Ebenen: Was nehme ich war? Was kann ich ableiten? Wie muss ich reagieren? Die Wahrnehmung passiert über Sensorik, also Bewegungsdaten, und Stammdaten. Als Ergebnis wird dann wiederum eine Aktion zurückgespielt. Eine entscheidende Fähigkeit von KI-Systemen ist also, auf Basis von Daten Rückschlüsse auf den Zustand im Shopfloor – beispielsweise einer Maschine – ziehen zu können. Neben der Beurteilung können Unternehmen durch datenbasierte Methoden auch neue Erkenntnisse zu gewinnen. Prognosen liefern beispielsweise zusätzliche Informationen für die Entscheidungsfindung. Durch direkte Interaktion mit dem Shopfloor oder einem intelligenten Produkt können KI-Systeme lernen, welchen Einfluss bestimmte Aktionen hatten und welche Aktionen in Zukunft ausgeführt werden müssen, um ein bestimmtes Ziel zu erreichen. Somit löst KI nicht von Geisterhand alle Probleme, sondern wird explizit und begleitet für eine spezielle Problemlösung eingesetzt. Entweder, um eine Fabrik intelligenter zu gestalten oder neue Geschäftsmodelle zu etablieren. Der Schlüssel ist der Prozess, nicht die Technik.

Was kann ein KI-System? (Bild: Trebing & Himstedt Prozeßautomation)

Was kann ein KI-System? (Bild: Trebing & Himstedt Prozeßautomation)

Missverständnis 2

Wer, wie bereits angesprochen, KI einsetzen möchte, um Personalkosten zu sparen, sägt am falschen Ast. Zumal der Fachkräftemangel ohnehin ein Problem ist. Entscheidender ist es, die eigenen Prozesse so im Griff zu haben, dass sie gleichzeitig effizient und flexibel bzw. agil sind. Bis zu 70 Prozent der Kosten stecken verdeckt in Prozessen, die bisher aufgrund fehlender technischer Möglichkeiten nicht sichtbar gemacht werden konnten. Bei der Identifizierung dieser Kostentreiber kann Datenintelligenz ebenfalls helfen. Beispiele dafür sind Predictive Analytics, Predictive Quality oder die prozessübergreifende Visualisierung von Schwachstellen mit Hilfe von Process Mining. Dabei handelt es sich um eine KI-basierte Technik, die Geschäftsprozesse übergreifend auf Basis digitaler Spuren in IT-Systemen rekonstruieren und auswerten kann.

Agiler Ansatz um KI zu nutzen (Bild: Trebing & Himstedt Prozeßautomation)

Agiler Ansatz um KI zu nutzen (Bild: Trebing & Himstedt Prozeßautomation)

Fail fast, Scale fast

Ist die Berührungsangst mit künstlicher Intelligenz, Machine und Deep Learning erst einmal abgefallen, gilt es Erfahrungen zu sammeln. Das Vorgehen erfolgt idealerweise in zwei Schritten: zunächst in Experimenten schnell die unvermeidbaren Fehler machen (fail fast) und dann die erfolgreichen Experimente produktiv ausrollen (scale fast). Dabei muss ein erfolgreiches Experiment nicht das Projektergebnis sein, sondern oftmals schon ein Teilerfolg innerhalb eines Projektvorgehens. n bei Trebing + Himstedt.

Beitrag drucken

Wie intelligent werden Prozesse und Produkte?

Was KI kann – und was nicht

Künstliche Intelligenz gilt als Schlüsseltechnologie. Doch durch den alleinigen Einsatz lösen sich nicht alle Probleme automatisch in Luft auf. Denn der Algorithmus ist nur so intelligent, wie es die Daten zulassen, aus denen er lernt. Am Ende ist nicht der Einsatz der Technologie, sondern der Prozess entscheidend. (mehr …)


Das könnte Sie auch interessieren:

Das Institut für Schweißtechnik und Fügetechnik (ISF) der RWTH Aachen University untersucht im Sonderforschungsbereich 1120 'Präzision aus Schmelze' Einflüsse verschiedener Legierungselemente auf die Eigenspannungsverteilung. Um die Dehnung von Bauteilen zu untersuchen, wird sie mit in situ-Bildkorrelation beobachtet. Das Setup ist anspruchsvoll.‣ weiterlesen

Boston Micro Fabrication hat den 3D-Drucker MicroArch S240 vorgestellt: Bei einem Bauvolumen von 100x100x75mm ist er auf die Serienproduktion von Mikrobauteilen in Endqualität ausgelegt.‣ weiterlesen

Das Vertragsmanagement findet oft noch in Papierform statt. Dabei ermöglichen Lösungen für das Contract Lifecycle Management (CLM) längst eine digitale Abwicklung entlang der gesamten Wertschöpfungskette.‣ weiterlesen

Die deutschen Industrieunternehmen rechnen noch bis in das nächste Jahr mit Materialmangel. Im Schnitt gehen die Unternehmen laut einer Umfrage des Ifo Instituts von einem Zeitraum von zehn Monaten aus, bis sich die Lage wieder verbessert.‣ weiterlesen

Bordnetzhersteller können ihre spezifischen Anforderungen an Manufacturing-Execution-Systeme mit Branchenlösungen abbilden. Bei der Integration spart das viel Customizing und im Betrieb können Nutzer erwarten, dass Branchentrends besonders schnell im Standard landen.‣ weiterlesen

In einem offenen Brief haben sich IT-Forscher verschiedener Institutionen und Unternehmen an die Politik gewandt und fordern, Lösegeldzahlungen nach Ransomware-Angriffen zu unterbinden.‣ weiterlesen

Der Security-Spezialist Trend Micro gründet mit VicOne eine Tochtergesellschaft, die sich auf die Absicherung von Elektrofahrzeugen und vernetzten Fahrzeugen konzentrieren soll.‣ weiterlesen

Operationales Reporting hilft Firmen, Entscheidungen mit Echtzeitdatenanalysen zu beschleunigen und abzusichern. Angesichts der aktuellen Krisen gewinnt der Ansatz an Bedeutung. Die SAP-Software für diese Aufgabe heißt Embedded Analytics. Was kann dieses Tool und wie unterscheidet es sich von SAP BW?‣ weiterlesen

Mit der Übernahme von Empolis will ProAlpha sein ERP-Portfolio erweitern. Das Unternehmen aus Kaiserslautern bietet cloudbasierte und KI-gestützte Lösungen für die Analyse und Verarbeitung von Geschäftsprozess-relevanten Informationen an.‣ weiterlesen

Kleine und mittlere Unternehmen haben bei der Umsetzung von Big-Data-Projekten mit Problemen zu kämpfen. So geben in einer Studie des Cloud-Anbieters Ionos 55 Prozent der Befragten an, dass Daten nicht in ausreichender Form vorliegen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige