Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Künstliche Intelligenz:

Hilfe für den Mittelstand

Mit Hilfe von künstlicher Intelligenz in der Produktion können Prozesse überwacht und Routinetätigkeiten übernommen sowie Entscheidungen unterstützt werden. Oft fehlt es Unternehmen allerdings noch an Fachwissen und die Erfahrung, um die ersten Schritte hin zu einer intelligenteren Fertigung zu gehen. Drei Fraunhofer-Institute haben daher ihre KI-Expertise gebündelt und bieten dem Management produzierender Unternehmen einen strukturierten Einstieg in die komplexe Thematik.

Bild: Fraunhofer-Institut IPT

Bild: Fraunhofer-Institut IPT

Für die Produktivitätssteigerung und Wettbewerbsfähigkeit von Unternehmen scheint der Einsatz von künstlicher Intelligenz für die Zukunft unverzichtbar. Gerade kleine und mittlere Unternehmen stehen heute vor der Aufgabe, KI im Hinblick auf das eigene Geschäftsmodell in sinnvollen Anwendungsfällen zu vertretbaren Kosten umzusetzen. Als Mitgliedsinstitute der Fraunhofer-Allianz Big Data und Künstliche Intelligenz bieten die drei Fraunhofer-Institute für Intelligente Analyse- und Informationssysteme IAIS, für Arbeitswirtschaft und Organisation IAO und für Produktionstechnologie IPT produzierenden Unternehmen an, ihr Fachwissen aus der KI-Forschung in deren Geschäftspraxis einzubringen.

Kick-Starter-Bundle

Dazu haben die drei Institute im interdisziplinären Verbund das ‚AI Kick-Starter Bundle‘ entwickelt. Es umfasst ein methodisches Vorgehen in drei Stufen: Zusammen mit der Unternehmensleitung legt die Fraunhofer-Allianz strategische Ziele der KI-Systeme für das Unternehmen fest, arbeitet konkrete Einsatzgebiete aus und prüft die Eignung des Unternehmens aus einer ganzheitlichen Betrachtung der Erfolgsfaktoren.

Schritt eins

Mit Blick auf die strategische Ausrichtung des Unternehmens werden in einem ersten Schritt gemeinsam die Ziele einer sinnvollen Nutzung von KI-Systemen und Big-Data-Analysetools. Daraus ergeben sich Ideen für mögliche Anwendungsbereiche im eigenen Unternehmen, beispielsweise für eine Optimierung von Produktionsprozessen, für eine vorausschauende Instandhaltung von Maschinenanlagen (Predictive Maintenance), für die Produktionsplanung, Logistik und Inventur oder für eine automatische Produktüberwachung.

Anwendungsfälle ausarbeiten

Im zweiten Schritt werden die Ideen zu konkreten Anwendungsfällen ausgearbeitet, ihre Potenziale und Hindernisse in der Umsetzung und im Einsatz identifiziert und dabei die Perspektiven der verschiedenen Stakeholder des Unternehmens berücksichtigt.

Machbarkeit bewerten

Schließlich wird die Machbarkeit der untersuchten Anwendungsfälle bewertet. Dazu richtet das Projektteam seinen Fokus nicht nur auf die technische Umsetzung des KI-Systems, sondern auch auf die verfügbaren Produktions- und Betriebsdaten, die strategische Relevanz des Vorhabens sowie die Organisationsstruktur des Unternehmens. Auf dieser Grundlage könnne die Unternehmen selbst erkennen und Maßnahmen für eine erfolgreiche Einführung des KI-Systems in die praktische Anwendung ableiten.


Das könnte Sie auch interessieren:

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

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

KI-getriebene Convolutional Neuronal Networks in selbstfahrenden Autos sollen andere Verkehrsteilnehmer erkennen. Dabei gilt: Je selbstständiger das Auto, desto komplexer der Algorithmus und undurchschaubarer dessen Weg zur getroffenen Entscheidung. Ein Validierungs-Tool soll helfen, diesen besser zu verstehen.‣ weiterlesen

Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialistinnen. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.‣ weiterlesen

Extreme Networks hat die Verfügbarkeit des Wi-Fi 6E Access Point bekanntgegeben. Als Wireless-Plattform erweitert der Zugangspunkt den Einsatzbereich auf das 6GHz-Frequenzband. Das Gerät wurde für Umgebungen mit hohen Anforderungen an Bandbreite und Nutzerdichte entwickelt und zeichnet sich Anbieterangaben zufolge durch seine Perfomance, Funktionalität und Sicherheit aus.‣ weiterlesen

Die Ersatzteilversorgung in der Automobilindustrie besitzt einen sehr kurzfristigen Charakter. Anwendungen zum Abbilden solcher Prozesse sind S/4Hana Supply Chain Management sowie S/4Hana-Automotive-Ersatzteilmanagement. Die wichtigen Zielgrößen für die Versorgungsqualität sind Lieferservicegrad und Time-to-Delivery.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige