Zukunft Industrien

Machine Learning in der industriellen Fertigung

Heute ist machbar, was bis vor kurzem noch unbezahlbar erschien    

Es herrscht Aufbruchstimmung – das, was vor noch gar nicht allzu langer Zeit als eher weit entfernte Zukunftsvision diskutiert wurde, findet gegenwärtig mit überraschend hoher Geschwindigkeit seinen Weg in die Fabriken: Machine Learning (ML) – und weiter gefasst – künstliche Intelligenz (KI) werden zusehends relevanter für die industrielle Fertigung. Warum ist das so? Kurz gesagt: KI wird bezahlbar und die Qualität von ML-Algorithmen hat sich rasant verbessert. Hinzu kommt: Die Verfügbarkeit von Daten ist enorm gestiegen, zusätzlich spüren wir die Auswirkungen der Open Source- und Open API-Bewegung. Wo noch vor wenigen Jahren meist proprietäre Systeme im Einsatz waren, sind heute viele Systeme mit standardisierten Schnittstellen versehen und damit auch deren Daten viel einfacher zu erreichen.

Damit können Probleme und Herausforderungen in der (industriellen) Fertigung gelöst werden, die bis heute nicht – oder nur mit sehr hohen damit kaum bezahlbaren Aufwänden – adressierbar waren. Denn mit den bisher verfügbaren klassischen Analyse-Ansätzen war es nur möglich, auf diskrete Fragen ebensolche diskrete Antworten zu bekommen. Muster, die von den dahinterliegenden deterministischen Algorithmen nicht erfasst wurden, konnten damit auch nicht berücksichtigt werden. Systeme waren sozusagen in ihrem eigenen Daten-Determinismus gefangen, differenzierte Aussagen nicht möglich, unbekannte Zusammenhänge nicht identifizierbar. Das bedeutete: Es wurden nur solche Muster erkannt, die in den zugrundeliegenden Modellen auch postuliert wurden. Nur wenn per Zufall oder auf der Suche nach Fehlern neue Muster oder Korrelationen identifiziert wurden, fand eine entsprechende Anpassung des Algorithmus statt. Das hieß bisher: für jede Aufgabe musste ein Lösungsweg entwickelt, ein Programm geschrieben werden.

Die Kombination macht den Unterschied  

Der Einsatz neuronaler Netze, von Maschinen- und Deep-Learning verändert nun das Spiel. Denn die Systeme sind in der Lage, eigenständig – auch und gerade bei unstrukturierten Daten – Muster zu erkennen, Korrelationen herzustellen oder kontext-basierte Rückschlüsse zu ziehen. Dabei hilft im Umfeld industrieller Fertigung insbesondere die Verknüpfung unstrukturierter Daten, wie Bilder, Töne, Video mit strukturierten Daten aus den Maschinen. Vor allem diese Kombination wird zu neuen Einsichten bei der Muster-Erkennung führen. Mit einer solchen Verknüpfung verringert sich auch spürbar der Aufwand, Fehler oder Probleme zu identifizieren. Lernende Systeme werden so zur Basis für kontinuierliche Verbesserung in der Fertigung.

Ein Beispiel aus einem anderen Bereich verdeutlicht dies: Heute können aus der Kombination der Analyse strukturierter Daten, die zum Betrieb für den Betrieb von Solaranlagen notwendig sind, in Kombination mit Wetterdaten, die wiederum mit Kommentaren (= unstrukturierte Daten) zum Wetter aus sozialen Medien (Facebook, Twitter u.a.) kombiniert werden, Vorhersagen für die tatsächliche Energieerzeugung der Anlagen erstellt werden. Diese Vorhersagen können wiederum genutzt werden, um konventionelle Kraftwerke rechtzeitig aufzuschalten, um  gefährliche Schwankungen im Stromnetz zu vermeiden. Unsere Untersuchungen haben gezeigt, dass wir ohne lernende Systeme bei einer Vorhersage-Genauigkeit von circa 60 Prozent liegen, mit KI-basierten Systemen aber mittlerweile bei über 90 Prozent. 

IT-Kultur-Clash: “Two Speed IT” funktioniert nicht  

Eine enorme Hürde für die Einführung von KI-Systemen ist allerdings die bisher mangelnde Investitionsbereitschaft. Viele Firmen leiden IT-technisch unter einem regelrechten Investitionsstau. Denn Informationstechnologie wurde oft und viel zulange nur als notwendiges Übel und nicht als Chance betrachtet. Kostenminimierung war daher auch das alles beherrschende Thema. Mit Industrie 4.0, IoT, Blockchain und KI ändert sich das gerade massiv: auf einmal rückt der Einsatz von Software als gewichtiger Wettbewerbsfaktor in den Mittelpunkt unternehmensstrategischer Überlegungen. Und damit kommt es sozusagen zu einem IT-Kultur-Clash: denn es trifft Investitionsstau mit meist veralteter Hard- und Software auf eine neue Generation innovativer Technologien. Unternehmen sind daher mehr oder weniger gezwungen, eine gemeinsame Basis zu schaffen, um die Vorteile von KI und Machine Learning voll nutzen zu können. Das bedeutet auch: der in den vergangenen Jahren zu beobachtende Trend einer “Two Speed IT” funktioniert nicht. Die Unterteilung in klassische IT, die sich vor allem mit der Wartung und dem Betrieb von Bestandssystemen befasst und die, meist aus den Geschäftsbereichen heraus getriebenen, IT-Initiativen und Projekte, wie die Entwicklung mobiler Analytics-Applikationen oder Social Media-Aktivitäten, ist meiner Ansicht nach gescheitert.

Ein weiterer Treiber ist der demographische Wandel. In vielen Betrieben werden in den nächsten Jahren erfahrene Mitarbeiter, die sogenannten Baby Boomer, in den Ruhestand gehen. Damit verschwinden auch deren Wissen und Erfahrung. Auch hier bietet KI mit seinen Möglichkeiten der Verarbeitung unstrukturierter Daten neue Optionen: Denn nun ist es auf einmal möglich, analoge Inhalte wie handschriftliche Aufzeichnungen aller Art so zu digitalisieren und aufzubereiten, dass dieses Wissen eben nicht verloren geht. Wir machen das zum Beispiel mit unserem KI-System Watson für Woodside Energy, einem australischen Erdöl-Unternehmen. Dank Watson kann jeder Mitarbeiter nun auf 30 Jahre Ingenieurs-Erfahrung in der Erdölförderung zugreifen.

Machine Learning ist heute schon relevant für die Fertigung, weil KI bezahlbar wird und die Qualität von ML-Algorithmen sich rasant verbessert hat.

KI-Systeme treffen keine Entscheidungen  

Das eben genannte Beispiel macht auch deutlich: Kognitive Systeme wie Watson werden entwickelt, um Menschen zu helfen, ihre täglichen Aufgaben besser zu bewältigen und nicht, um den Menschen zu ersetzen oder ihm Entscheidungen abzunehmen. Das haben wir in unseren ethischen Grundsätzen festgelegt und darauf haben sich auch die größten KI-Player der Branche geeinigt. Und auch beim Thema Datenschutz sehe ich keine Hindernisse, da wir einerseits insbesondere in Europa und speziell in Deutschland sehr weitreichende Regelungen haben. Darüber hinausgehende Vereinbarungen, wie die Speicherung, Nutzung und Weitergabe von Daten oder Erkenntnissen aus dem Einsatz von KI können zudem individuell vertraglich vereinbart werden.

Auch ein unbeabsichtigter Kontrollverlust durch kognitive Systeme ist derzeit und auf absehbare Zeit vollkommen unrealistisch. Es ist nichts als blühende Phantasie, dass sich Produktionsmaschinen gegen ihre Nutzer oder Inhaber verbünden und absichtlich Schaden anrichten. Kognitive, KI-basierte Systeme wie IBM Watson machen Vorschläge auf Basis dessen, was ihnen antrainiert wurde. Die Entscheidung, ob der Vorschlag umgesetzt wird, trifft hingegen ganz allein der Mensch.

Auf der diesjährigen Nürnberger Fachmesse SPS IPC Drives zeigt IBM ein automatisiertes, intelligentes Qualitätsmanagement, das in der Fertigungsindustrie zum Einsatz kommt. Die Lösung ist ein erweitertes Predictive Maintenance, das Qualitätsprobleme im Voraus erkennt, um Wartungen zu planen, Montagefehler zu sichten oder sogar Fertigungsprozesse automatisch zu stoppen. Zu sehen ist die Anwendung vom 28. bis 30. November 2017 bei der Hilscher Gesellschaft für Systemautomation mbH am Stand 540 in Halle 2.

Add Comment
No Comments

Leave a Reply

Your email address will not be published.Required fields are marked *

More Zukunft Industrien Stories

Digitalisierung der Energiewirtschaft – Evolution oder Revolution?

Branchen verändern sich fundamental. Denken wir an den Umbruch in der Fotografie von analog zu digital oder auch in der Medienbranche: Vinyl wurde durch die CD und anschließend von Web-Download-Angeboten überholt. Derzeit lautet das Trendthema: Streaming. Möglich gemacht wird das alles durch digitale Technologien und digitale Infrastruktur, die enorme Bandbreiten ermöglichen. Ein Vier-Personen-Haushalt in Österreich […]

Das Digitale Büro: es gibt viel zu tun, packen wir es an

Fast jeder Büroarbeitsplatz ist heute mit einem Computer ausgestattet.  Das allein macht jedoch aus einem Büro noch keine digitale Arbeitsumgebung – entscheidend sind vielmehr der Grad und die Qualität der Digitalisierung sowie die damit einhergehenden notwendigen Anpassungen der  Arbeitsprozesse in Büro und Verwaltung. Jenseits von E-Mail und Textverarbeitung existiert mittlerweile eine ganze Reihe von neuen, […]

Vor GDPR die Frage aller Fragen: Wo sind meine Daten?

In der digitalen Welt von heute – und mehr noch der kognitiven Welt von morgen – halten Daten den Geschäftsbetrieb am Laufen. Unternehmen benötigen einen sicheren, richtlinienkonformen Zugang zu ihren Daten über eine Vielzahl von Kanälen, sei es offline, online oder mobil, den sie auch ihren Kunden zu Verfügung stellen können. So wollen Bankkunden in […]