Künstliche Intelligenz (KI) gewinnt in unserem täglichen Leben, vor allem aber auch in Industrieunternehmen immer mehr an Bedeutung. Smarte Produktentwicklung, vorausschauende Wartungen und selbstorganisierende Logistik sind nur drei der zahlreichen Bereiche, in denen sich industrielle KI heutzutage wiederfindet. Der Artikel zeigt, wo Künstliche Intelligenz in der Industrie 4.0 bereits zum Einsatz kommt und wie sie arbeitet.
Eine einheitliche, allgemein anerkannte Definition des Begriffs Künstliche Intelligenz (KI) gibt es nicht. Allgemein bezeichnet Künstliche Intelligenz ein Gebiet der Informatik, das sich mit Computertechnologien beschäftigt, die in der Lage sind, intelligente Aufgaben zu lösen. Damit erweitert KI technische Systeme um die Fähigkeit, Aufgaben selbstständig zu bearbeiten.
Als KI werden beispielsweise Computersysteme bezeichnet, die Aufgaben basierend auf der Analyse großer Datenmengen bearbeiten. Anschließend treffen sie Entscheidungen, die sie aus den gewonnenen Daten ableiten. Die Qualität der Aktionen hängt entscheidend von den Kenntnissen des KI-Systems, also der Menge und Güte der gesammelten Daten ab.
Im laufenden Betrieb sind KI-Systeme in der Lage, dank "lernender" Algorithmen selbstständig weiterzulernen. Mit der Zeit erweitern sie ihre Wissensbasis und optimieren ihre antrainierten Modelle.
Aktuelle Ansätze in der Forschung und Entwicklung rund um Künstliche Intelligenz in der Industrie sind humanzentriert. Das bedeutet, der Fokus liegt darauf, KI zu nutzen, um Menschen in ihren Tätigkeiten bestmöglich zu unterstützen. Der Grund: Künstliche Intelligenz ermöglicht rationales menschliches Handeln und Denken – also Lernen, Planen und das Lösen von Problemen – umzusetzen.
Dazu gehören folgende Prozesse:
Bei KI geht es jedoch nicht darum, menschliches Verhalten zu kopieren. Stattdessen zielt man darauf ab, künstliche Intelligenz in der Industrie so einzusetzen, dass industrielle Prozesse effizienter und effektiver werden. Die wichtigsten Ziele von Künstlicher Intelligenz in der Industrie sind Kostensenkungen, Zeitersparnisse und Verbesserungen in der Produktqualität. Im Grunde geht es also immer darum, die Rationalität industrieller Prozesse zu steigern.
Außerdem: Künstliche Intelligenz in der Industrie kann auch verwendet werden, um Produktionsabläufe komplett neu zu gestalten und neuartige Geschäftsmodelle einzuführen. So machen beispielsweise viele Start-ups KI-basierte Lösungen zum Business-Modell.
Die Künstliche Intelligenz ist Teil der Industrie 4.0 und kann als eines ihrer Herzstücke gesehen werden. Die Industrie 4.0 basiert auf dem Trend, Produktionsmittel und Bauteile miteinander zu vernetzen. Die KI stellt in dieser Entwicklung eine Art Hilfsmittel dar, denn sie trägt dazu bei, die gewonnenen Daten effektiv weiterzuverarbeiten und schafft intelligente Verbindungen zwischen den verschiedenen Prozessen. Dafür benötigen die Anwendungen aber nicht nur große Mengen an Daten (Big Data), sondern auch die richtigen (Smart Data).
Eine repräsentative Befragung deutscher Industrieunternehmen im Jahr 2019 ergab, dass mehr als jedes zehnte Unternehmen Künstliche Intelligenz in der Industrie nutzt.[1] Das Ergebnis kann im Vergleich zu früheren Jahren zwar als Erfolg gesehen werden. Dass die Zahl der Unternehmen aber doch noch relativ niedrig ist, liegt daran, dass die Implementierung von KI-Anwendungen in die Unternehmensstruktur mit zahlreichen Veränderungen und Aufwänden verbunden ist.
In mittelständischen und großen Unternehmen finden sich KI-Anwendungen vor allem im Bereich der Robotik sowie im Ressourcenmanagement. Hier kommen zum Beispiel Roboter, die Aufgaben eigenständig ausüben, sowie KI-Systeme, die bei Reparaturen menschliche Arbeitskräfte anleiten, zum Einsatz.
Eine Form beziehungsweise Spielart der KI ist das maschinelle Lernen, bei dem es um das Training des KI-Systems beziehungsweise der Software geht. Das System zieht Ableitungen aus Mustern oder wiederkehrenden Zuständen und verbessert auf diesem Wege die zukünftigen Produktionsabläufe. Künstliche Intelligenz in der Industrie ermöglicht aber auch, komplette Produktionsanlagen intelligent zu steuern. Durch Künstliche Intelligenz in der Industrie können beispielsweise autonome (fahrerlose) Transportfahrzeuge selbstständig Aufgaben übernehmen.
Das maschinelle Lernen hilft, Robotersysteme mit den Fähigkeiten auszustatten, die es für eine flexible Produktion braucht. Die Anwendungen müssen imstande sein Daten zu interpretieren, Muster und Zusammenhänge ausfindig zu machen und logische Schlussfolgerungen zu ziehen.
Bei der Identifizierung von Mustern und Auffälligkeiten helfen Algorithmen, denen die von den Maschinen gesammelten Daten über eine Software oder Cloud-Anwendung zugespielt werden. Aus der Menge an Daten gewinnen sie dann Informationen über den Produktionsprozess, also beispielsweise die konkreten Abläufe in der Fertigung, anstehende Wartungen oder Ruhezeiten.
Anhand der Daten entwickeln die Maschinen zum Beispiel einen vorausschauenden Wartungsservice (Predictive Maintenance). Sie sind in der Lage, potenzielle Störungen wie fehlende Industrieersatzteile frühzeitig zu erkennen und zu beheben – bevor diese Schaden anrichten können.
Maschinelles Lernen hat den Vorteil, dass es alle Produktionsabläufe möglichst effizient aufeinander abstimmt. Angesichts der Tatsache, dass selbst kurze Störungen häufig enorme wirtschaftliche Folgen haben, bietet maschinelles Lernen die Chance, Produktivität und Verfügbarkeit zu optimieren. Darüber hinaus ergeben sich Optimierungspotenziale in Sachen Taktzeit, Prozessqualität, Energieverbrauch und Wartungsintervallen.
Doch wie intelligent ist Künstliche Intelligenz in der Industrie eigentlich? Wie ist es um die Lernfähigkeit von Robotern wirklich bestellt? Künstliche Systeme sind weit davon entfernt, Wissen oder praktische Beispiele einfach nur auswendig zu lernen. Stattdessen lernen sie in der Praxis und erkennen dabei Muster und Korrelationen beziehungsweise Gesetzmäßigkeiten. Sie sind außerdem in der Lage, das gewonnene Wissen zu verallgemeinern und auf andere Fälle zu beziehen.
Um diese Fähigkeit zu erreichen, sind Künstliche Intelligenzen in der Industrie auf Informationen aus Daten angewiesen, die sie erkennen und sortieren. Künstliche Intelligenz in der Industrie kann auf programmierten Abläufen oder aber maschinellem Lernen basieren.
Mit dem sogenannten Deep Learning als einer Methode des maschinellen Lernens lernen Künstliche Intelligenzen auf der Basis künstlicher neuronaler Netze. Dabei handelt es sich um Daten- und Rechennetzwerke, die eine umfangreiche Struktur aufweisen und dem menschlichen Gehirn nachempfunden sind. Letztlich trainiert sich das System selbst die Fähigkeit an, aus Daten Gesetzmäßigkeiten abzuleiten, und nutzt diese zur für zukünftige Entscheidungen.
Der Einsatz Künstlicher Intelligenz in der Industrie ist deshalb so wertvoll, weil die entsprechenden Tech- und Software-Anwendungen zu effizienteren Produktionsmethoden führen. Neben der KI spielen weitere Technologien – wie Internet of Things, Blockchain, oder Quantum Computing – eine Rolle für die verschiedenen Entwicklungsszenarien in Produktion und Entwicklung.
Der Künstlichen Intelligenz kommt dabei stets eine Schlüsselrolle zu. So zeigt eine Untersuchung des Berliner Instituts für Innovation und Technik, dass KI enorm wichtig für die Wertschöpfung in der Fertigungsindustrie ist. Derzeit wird Künstliche Intelligenz in der Industrie vor allem für die Automatisierung sich wiederholender Produktionsprozesse sowie für das Supply-Chain- und Lagermanagement angewendet.
Durch Methoden des maschinellen Lernens (beispielsweise Neuronale Netze) trainieren sich Künstliche Intelligenzen in der Industrie die Fähigkeit an, immer wieder aufs Neue Entscheidungen zu treffen. Dafür benötigen sie ausreichende Trainingsdaten – denn je größer die Menge an Daten und je höher die Datenqualität, desto besser das Training und die Vorhersagen des Systems. Künstliche Intelligenz in der Industrie wird schon heute in verschiedenen Feldern der Fertigung eingesetzt, vor allem im Kontext der Automatisierungstechnik.
[1] https://www.bitkom.org/Bitkom/Publikationen/Bitkom-Mittelstandsbericht-2019