Anzeige
Anzeige
Beitrag drucken

Cognitive Process Automation

Software-Roboter im Internet der Dinge

Künstliche Intelligenz und das Internet of Things sind für sich alleine schon faszinierende Technologien. Werden beide kombiniert, eröffnet dies neue Anwendungszenarien für die Optimierung von Geschäftsprozessen. Dabei sammelt das IoT die Daten, während die KI sie verarbeitet, um ihnen Bedeutung zu verleihen.

 (Bild: ©Alexander Limbach/stock.adobe.com)

(Bild: ©Alexander Limbach/stock.adobe.com)

Beim IoT mag man an ein System von unabhängigen, miteinander verbundenen Rechnern, mechanischen und digitalen Maschinen oder Objekten denken, die mit eindeutigen Kennungen versehen wurden. Sie tauschen Daten über ein Netzwerk aus, ohne dass eine Interaktion von Mensch zu Mensch oder Mensch zu Computer erforderlich ist. Das IoT kann die physische Welt der Dinge und Maschinen digitalisieren, beispielsweise durch die Installation von vernetzten Sensoren, die Daten sammeln und weiterleiten. So helfen IoT-Anwendungen dabei, Prozesse zu verbessern, Ressourcen zu verteilen und Betriebsstörungen mithilfe einer vorausschauenden Instandhaltung zu antizipieren.

Daten sammeln reicht nicht

Die Hauptschwierigkeit liegt heute nicht mehr darin, Objekte miteinander zu verbinden. Die Herausforderung besteht eher darin, wie man die von den Objekten täglich erzeugten Daten sammelt, analysiert und gewinnbringend nutzt. Allein die Erhebung dieser Daten hilft keinem. Es sei denn, es gibt ein System, das die Daten interpretieren und verstehen kann. An dieser Stelle kann künstliche Intelligenz zum Einsatz kommen. Das IoT wird sozusagen intelligent.

Echtzeitanalysen großer unstrukturierter Datenmengen

KI bietet nicht nur die Möglichkeit, alle Daten, die von vernetzten Objekten erzeugt werden, zu verarbeiten, sondern auch Erkenntnisse in wesentlich kürzerer Zeit daraus abzuleiten, als es Menschen können. KI offeriert heute schon eine breite Palette von Technologien, um strukturierte und unstrukturierte Daten zu verarbeiten. Cognitive Process Automation (CPA) bringt bespielsweise durch Echtzeitanalysen schneller auf den Tisch, welche Faktoren großen Einfluss auf die Entwicklung von Unternehmen haben können. CPA nutzt Technologien wie die Verarbeitung natürlicher Sprache (NLP), Textanalyse, Data Mining, semantische Technologie und maschinelles Lernen, um auch große Mengen unstrukturierter Daten auswerten und eine fundierte Geschäftsentscheidung liefern zu können. CPA ist als nächste Stufe des Robotic Process Automation (RPA) zu verstehen, da sie sich einer KI bedient, um auch unstrukturierte Informationen zu analysieren und zu verarbeiten.

Genauigkeit von Prozessen

Angesichts der Datenmenge, die durch vernetzte Objekte erzeugt wird, ermöglicht CPA die Nutzung einer neuen Art von Ressource (den Software-Roboter), um diese große Datenmenge schnell zu verarbeiten. CPA ermöglicht die Ausführung von Prozessen rund um die vom IoT erfassten Daten und ihre Integration in die Systeme. Falls erforderlich, löst CPA Aktionen in den Systemen aus, die zu Reaktionen in der physikalischen Welt durch die IoT-Vernetzung führen. Durch Nutzung von KI-Technologien soll die kognitive Automatisierung die Genauigkeit in komplexen Geschäftsprozessen verbessern – skalierbar und rund um die Uhr.

Prädiktive Instandhaltung

IoT-Systemsensoren ermöglichen die Erfassung relevanter Daten über Produkte, den Bediener und die Produktionskette im Allgemeinen und übermitteln die Daten an die Informationssysteme. Hier werden sie im Rahmen des CPA analysiert und Echtzeitberichte erstellt. Änderungsanweisungen werden automatisch an die Objekte zurückgegeben, um die notwendigen Aufgaben auszuführen. Die daraus resultierende Möglichkeit, automatisiert das Verhalten von Maschinen und Sensoren zu modellieren, um Fehler und Irrtümer vorhersehbar zu beseitigen, kann Instandhaltungskosten und Maschinenstillstandzeiten reduzieren. Predictive Analytics prognostiziert auf der Basis der vorhandenen Daten und deren Auswertung mögliche zukünftige Ereignisse. Mittels CPA gewonnene Erkenntnisse können genutzt werden, um Geräteeinstellungen zu verbessern und Bestände rechtzeitig zu aktualisieren, was zu einer höheren betrieblichen Effizienz und Kostensenkung führen kann. Im Management der Lieferketten ermöglicht die Verwendung von verbundenen Sensoren die Datenerfassung des aktuellen Bestandes (Menge, Temperatur, Transportzeit …) zur Echtzeitanalyse und Korrelation mit den Verbrauchsdaten der Kunden. Die Ergebnisse dieser Analysen lassen sich verwenden, um Systeme für die automatisierte Nachschubsteuerung einzurichten.

Paradigmenwechsel

Künstliche Intelligenz beziehungsweise CPA im IoT befähigt Maschinen, selbstständig zu agieren und Entscheidungen mit minimalem oder gar keinem menschlichen Eingriff zu treffen. So steigert die Verbindung dieser Technologien den Wert der verbundenen Objekte durch eine bessere Interpretation von Daten. Dabei von einem Trend zu sprechen, greift zu kurz. Das Zusammenspiel von KI und IoT könnte einen Paradigmenwechsel in der Mensch-Maschine-Beziehung einläuten.


Das könnte Sie auch interessieren:

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen

Im Forschungsprojekt FabOS soll eine KI-Bin-Picking-Anwendung entstehen, die ein verbessertes Erkennen, Greifen und definiertes Ablegen von Blechteilen in der Produktion ermöglicht.‣ weiterlesen

Die Digitalisierung des Qualitätsmanagements stellt Unternehmen vor Herausforderungen. Daher haben das Fraunhofer IPT und die FH Südwestfalen im Forschungsvorhaben 'Qbility - Quality 4.0 Capability Determination Model' ein datengetriebenes Reifegradmodell entwickelt, das die Anforderungen eines digitalisierten Qualitätsmanagements bei KMU adressiert.‣ weiterlesen

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) empfiehlt sicherheitsrelevante Patches und Updates so schnell wie möglich, unter Abwägung des jeweiligen Risikos, einzuspielen, auch wenn im professionellen und insbesondere industriellen Umfeld automatisierte Software-Updates mit unerwünschten Einschränkungen der Funktionalität - etwa durch einen Neustart des Systems - verbunden sein können.‣ weiterlesen

Im Gegensatz zu anderen Cyberangriffen bieten Attacken mit Ransomware auf den ersten Blick einen einfachen Ausweg: die Zahlung des geforderten Lösegelds.‣ weiterlesen

Nach 84,5 Punkten im Oktober kletterte der Ifo-Geschäftsklimaindex im November auf 86,3 Punkte. Die Unternehmen blicken demnach weniger pessimistisch auf die nächsten Monate.‣ weiterlesen

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.‣ weiterlesen

Edge Management, Digital Twin und Data Spaces bilden die Schwerpunkte einer Zusammenarbeit zwischen der Open Industry 4.0 Alliance und dem Labs Network Industrie 4.0.‣ weiterlesen