Anzeige
Anzeige
Beitrag drucken

Künstliche Intelligenz (KI)

Wann kommt der künstliche Schichtleiter?

Wenn heute Künstliche Intelligenz (KI) eingesetzt wird, dann in einem spezifischen vordefinierten Aufgabenbereich. Doch Intelligenz bedeutet mehr, als das selbstständige Lernen von neuen Fähigkeiten. Wie kann also die Zukunft der Künstlichen Intelligenz aussehen?

Künstliche Intelligenz - Wie sieht die Zukunft aus

Bild: ©bobo1980/ stock.adobe.com

Bei allen Aufgaben, die inzwischen von einer Künstlichen Intelligenz übernommen werden, besteht ein großer Unterschied zum Menschen: Bei KI handelt es sich immer noch nur um eine Art Maschine, gebaut um einen bestimmten Zweck zu erfüllen. Mit den Entfaltungsmöglichkeiten eines menschlichen Gehirns hat das noch wenig zu tun. Ein Ziel der KI-Forschung ist es, den Fähigkeiten des menschlichen Intellekts möglichst nahe zu kommen. Bisher beschränkt sich der KI-Einsatz jedoch auf lernfähige Maschinen, die einzelne Entscheidungen treffen können. Zudem gibt viele es Bereiche, in denen KI entweder noch gar nicht oder nur eingeschränkt genutzt wird, die sich durch den Einsatz Künstlicher Intelligenz aber drastisch verändern könnten.

Daten bilden die Basis

Der Dreh- und Angelpunkt jeder Künstlichen Intelligenz sind Daten. Durch immer bessere Speicher- und Übertragungstechnologien lassen sich heute immer größere Datenmengen sammeln und auswerten. Dies bildet zum einen die Basis für Künstliche Intelligenz, andererseits kann KI dabei helfen, die großen Datenmengen zu analysieren. Predictive Analytics, also Prognosen durch Datenanalyse, kommen beispielsweise vermehrt zum Einsatz. Wenn es um Anwendungsmöglichkeiten von KI geht muss man auch immer andere Aspekte der Digitalisierung bedenken, mit denen sie unweigerlich verwoben ist. Die digitalen Megatrends Cloud Computing, Internet der Dinge und Künstliche Intelligenz beeinflussen sich gegenseitig, nicht zuletzt, weil alle diese Technologien in irgendeiner Art und Weise mit Daten arbeiten.

Automatisierung des Denkens

Als Henry Ford vor über 100 Jahren die Fließbandfertigung im großen Stil einführte war das nicht weniger als der Beginn einer Revolution. Die Produktivität wurde dadurch soweit gesteigert, dass Ford wesentlich mehr Autos herstellen, aber für einen wesentlich geringeren Stückpreis verkaufen konnte. Erst dadurch konnte das Automobil in den USA zum Massentransportmittel werden. Angefangen bei dem relativ simplen Fließband entwickelte sich die Automatisierung während des 20. Jahrhunderts stetig weiter. An den Bändern stehen oft keine Arbeiter mehr, sondern Roboter. Programmiert, gesteuert und gewartet werden diese aber immer noch von Menschen. Diese Form der Industrie hat aber mittlerweile ihre Grenzen erreicht. Nun beschäftigen wir uns nicht mehr nur mit der Automatisierung des Machens, sondern auch der Automatisierung des Denkens, was sich plakativ unter ‚Industrie 4.0‘ zusammenfassen lässt.

Menschenleere Fabriken?

Haben wir also bald nicht nur autonome Autos auf unseren Straßen, sondern auch autonome Fabriken? Noch mutet es ein wenig wie Science-Fiction an: Eine Fertigungshalle, in der wirklich alles völlig wie von Geisterhand abläuft, von der Anlieferung, über die Produktion, bis zum Weitertransport der Produkte. Alle Maschinen sind untereinander und mit einer Zentrale vernetzt. Sensoren an bestimmten Bauteilen erkennen den Grad der Beanspruchung und Abnutzung, mit diesen Daten können automatisch individuelle Wartungsintervalle festgelegt werden. Intelligente Maschinen können auch während der Fertigung die Qualität ihrer Produkte messen. Fehler können genau analysiert werden und die Maschine arbeitet automatisch Lösungsvorschläge aus. Mit all den Daten die eine solche vernetzte Fabrik sammelt, ergeben sich zusammen mit den Analysekapazitäten von KI ungeahnte Möglichkeiten, Fertigungsprozesse zu optimieren. Solche umfassenden Konzepte sind aber noch Visionen, dafür bräuchte man eine allgemeine KI, die im Prinzip das Gleiche leisten kann wie ein Gehirn, dabei aber quasi beliebig skalierbar ist, nie schläft und keinen Urlaub macht.

Fehler in Fabriken zulassen

Dass die Künstliche Intelligenz so eng dem menschlichen Gehirn nachempfunden ist, führt zu einem weiteren Problem. Der Mensch lernt bekanntlich am besten aus seinen Fehlern und genauso sind auch Deep-Learning-Algorithmen programmiert. Wenn man einer KI die Leitung einer Fabrik überträgt, muss man ihr dann auch erlauben, Fehler zu machen, Ausschuss zu produzieren? Sollte sie stattdessen in einer simulierten Versuchsumgebung lernen? Solche und viele ähnliche Fragen sind noch zu beantworten, ehe ‚Kollege KI‘ seine Schicht antritt. Dennoch befinden wir uns auf dem Weg in eine Welt, in der nicht mehr nur Menschen denken.

Der erste Schritt ist getan

Bei Predictive Maintenance – der vorausschauenden Wartung – laufen viele größere Unternehmen schon Tests. Auch wenn es um die Optimierung von Supply Chains geht, können KI-basierte Lösungen eingesetzt werden, oder sie helfen bei der Auswertung enormer Datenmengen im Rahmen von Predictive Analytics. Auch sonst ist KI-Software schon weit verbreitet, vom Übersetzungs-Tool bis in die Landwirtschaft. Doch die Weiterentwicklung von KI wird in der Zukunft nicht mehr nur auf einzelne Anwendungen und Maschinen gerichtet sein. Stattdessen wird es um integrierte Systeme gehen, die neue Aufgaben selbstständig erlernen können. Ähnlich einem Menschen, der von Geburt an immer Neues dazu lernt.

Das künstlichen Gehirn

Auch wenn es das theoretische Konzept von Künstlicher Intelligenz schon länger gibt, hat ihre intensive Erforschung und vor allem der praktische Einsatz gerade erst begonnen. Bei den aktuell eingesetzten Lösungen handelt es sich durchweg um eingeschränkte KI. Um eine allgemeine Künstliche Intelligenz zu realisieren, die eine große Bandbreite an Aufgaben bewältigen kann, müssen aber noch einige Hürden genommen werden. Es müssen Synergien zwischen den aktuellen Technologien genutzt werden, um ein Programm zu schaffen, die in einer übergeordneten Ebene operiert und für verschiedene Anwendungsbereiche offen ist.


Das könnte Sie auch interessieren:

Die Parametrierung von Anlagen ist zeitintensiv und erfordert Fachwissen - und findet demnach nur statt, wenn es nicht anders geht. Doch Datenanalyse und Algorithmen können künftig helfen, Produktionsanlagen und eingesetzten Ressourcen stets das Bestmögliche zu entlocken.‣ weiterlesen

Verbraucher können Massenprodukte wie Schuhe und Autos längst nach individuellen Wünschen gestalten. Auch im Industriebereich erwarten Kunden immer individuellere Lösungen zum Preis von Serienprodukten - obwohl Komplexität und Kosten beim Hersteller steigen. Softwaregestützte Variantenkonfiguration adressiert diese Effekte.‣ weiterlesen

PSI Automotive & Industry hat Details zum neuen Release 9.4 des ERP-Systems Psipenta bekanntgegeben. Überarbeitet wurden demnach zum Beispiel die Unterstützung bei der Exportabwicklung, die Textverwaltung, die Standardberichte im Client sowie Mehrsprachenbelege.‣ weiterlesen

Viele Unternehmen rollen Funktionalität im IIoT als Microservice aus. Dazu erstellen IT-Teams kleine Software-Container, die oft mit Kubernetes verwaltet werden. Das könnte künftig häufiger mit Bare Metal Kubernetes erfolgen.‣ weiterlesen

Angesichts komplexer werdender Prozesse und dem Wunsch nach niedrigen Durchlaufzeiten parallelisieren Unternehmen Entwicklungsabäufe per virtuellen Inbetriebnahme.‣ weiterlesen

Wollen Hersteller mehrere Werke mit einer vergleichbaren MOM/MES-Infrastruktur versorgen, steigen die Projektrisiken deutlich. Klare Zielvorgaben, offene Kommunikation und ein Exzellenzzentrum helfen, die Risiken zu bewältigen - und instanziierbare MOM-Templates zu entwickeln, die trotzdem individuelle Anforderungen berücksichtigen.‣ weiterlesen

Die Stimmung in den Unternehmen hat sich im Mai etwas aufgehellt. Der Ifo-Geschäftsklimaindex stieg auf 93 Punkte. Trotz Inflationssorgen, Materialengpässen und Ukraine-Krieg erweise sich die deutsche Wirtschaft als robust, so Ifo-Präsident Clemens Fuest.‣ weiterlesen

Aptean DACH hat zwei neue Partner im Boot: den KI-Spezialisten Prodaso sowie das IT-Systemhaus Acomm.‣ weiterlesen

Im Gegensatz zur klassischen Produktions-IT bieten Cloud-Systeme höhere Rechen- und Speicherkapazitäten. Für Anwendungen mit deterministischen Anforderungen gelten diese Infrastrukturen aber als ungeeignet. Dabei können viele Hürden mit der richtigen Konfiguration und der Nutzung von TSN überwunden werden.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige