Künstliche Intelligenz in der Industrie Datenanalyse im laufenden Betrieb

Anbieter zum Thema

WatchGuard Technologies GmbH

Fsas Technologies GmbH

mibeca GmbH – Mike Bergmann Akademie

Ein Automechaniker mit langjähriger Erfahrung hört am Klang eines Motors, ob es beispielsweise ein Problem mit der Zylinderkopfdichtung gibt. Das funktioniert, weil ihm seine Erfahrung eine große Datengrundlage bereitstellt. Ganz ähnlich funktioniert das mit KI.

Das Beispiel eines Automechanikers, der am Motorengeräusch Probleme mit der ­Zylinderkopfdichtung erkennt, lässt sich in mehrerlei Hinsicht verallgemeinern: Es muss nicht um ein Auto gehen, sondern um Maschinen im Allgemeinen. Die große Datengrundlage muss sich nicht auf akustischen Input beschränken, sondern kann viele weitere Aspekte umfassen – Temperatur von Bauteilen, Vibrationsverhalten oder andere sensorisch erfassbare Daten können eine Rolle spielen.

Die Analyse muss nicht unbedingt eine Fehlersuche sein, sondern kann sich auch in die Zukunft richten und Vorhersagen treffen, wann ein derzeit noch funktionierendes Bauteil ausfallen wird. Und auch der Faktor Mensch kann aus diesem Szenario genommen werden und mit einer Künstlichen Intelligenz ersetzt werden. Die Nutzung von Maschinendaten wird in in diesen Anwendungsszenarien massiv zunehmen.

KI und Edge Computing

Eine große Herausforderung wird sein, ­einen Data Lake für Industriedaten zu generieren, um darauf KI-Algorithmen zu entwickeln. „Diese KI-Algorithmen werden zukünftig dann wiederum auf der Edge oder auf System-on-a-Chip-­Prozessoren verteilt und verarbeitet, unter anderem um die Reaktionszeit (Latenz) zu verkürzen“, sagt Harald Zapp, Gründer und CEO von Next Big Thing. Sein Unternehmen versteht sich als „Venture-Studio für die Machine Economy“, das angehenden Gründern bei der unternehmerischen Umsetzung ihrer Ideen hilft.

Die Rolle der Cloud und neue As-a-Service-Modelle

„Diese Algorithmen beziehungsweise KI-Bausteine“, führt Zapp weiter aus, müssen dabei optimalerweise „over the air“, also über eine Funkschnittstelle erneuerbar sein, um immer auf dem neuesten Stand zu sein.

Auch die Cloud wird in diesem Umfeld Nägel mit Köpfen machen: „Wir erwarten in Zukunft ein riesiges Geschäft, das darauf basiert, Daten über das Verhalten der Komponenten von B2B-Maschinen während des Betriebs zu nutzen“, so Zapp. Mit ­diesen Informationen lassen sich beispiels­weise automatisierte Services oder Optimierungen anstoßen – und zwar herstellerübergreifend. Zapp kann sich beispielsweise folgendes As-a-Service-Modell vorstellen: „Ein intelligenter Daten-Broker und Konfigurations-Management-Service, der Transparenz, Automatisierungen oder sogar Innovationen wie etwa KI-basierte Vorhersage-Modelle ermöglicht.“

Sandboxing statt Kinderkrankheiten

Solche Ideen sind in Industriebetrieben derzeit Zukunftsmusik. Aber irgendwann werden die Weichen dafür gestellt werden müssen. Fraglich ist dann, wie man die Gratwanderung zwischen der Nutzung neuer Technologien für einen Innovationsvorsprung und dem verfrühten Setzen auf unausgereifte Technologien mit Kinderkrankheiten meistert.

Ein Erfolgsrezept liegt im „Sandboxing“. „Hierbei definiert man einen isolierten Bereich, innerhalb dessen neue Innovationen und deren Wirkung getestet werden können“, erläutert Zapp. „Beim Sandboxing wird typischerweise beides schnell sichtbar: der erhoffte Innovationssprung oder etwaige Kinderkrankheiten und Inkompatibilitäten mit existierenden Systemen.“

(ID:48609636)