Künstliche Intelligenz - die Zukunft für den Maschinenbau

shutterstock

Künstliche Intelligenz wird Geschäftsmodelle verändern und in der Produktion zu erheblichem Fortschritt führen - ohne die Rolle des Menschen dabei zu minimieren. Der Maschinenbau setzt vor allem auf das "Machine Learning".

Mit Hilfe von Künstlicher Intelligenz können Menschen zukünftig noch enger mit Maschinen zusammenarbeiten. Machine Learning sorgt dafür, dass Maschinen die Bedürfnisse der Menschen oder des Prozesses immer besser erkennen und darauf eingehen. So können beispielsweise Personen mit Handicap am Arbeitsplatz unterstützt und wieder in die Arbeitswelt integriert werden. Auch einfache monotone Arbeiten, die sich häufig wiederholen, lassen sich in Zukunft besser durch KI-basierte Lösungen ausführen oder unterstützen wie bei der Rechnungsprüfung oder Qualitätskontrolle.

Um solche Systeme zu entwickeln und zur Produktreife zu bringen, werden daher immer mehr Ingenieure/innen und Informatiker/innen mit entsprechender Expertise benötigt. Damit werden in der Industrie zunehmend neue Arbeitsplätze geschaffen. Aber auch an Facharbeitern und Ingenieuren, die die jeweiligen Prozesse beherrschen, besteht weiterhin Bedarf, denn KI kann immer nur in Symbiose mit dem vorhandenen Prozesswissen funktionieren. Der Einsatz von KI-basierten-Lösungen ersetzt nicht den Menschen im Maschinenbau, sondern verlangt nach ihm als Trainer beziehungsweise Manager. Die zielgerichtete Weiterbildung in diesem Themenfeld spielt daher eine entscheidende Rolle. Denn KI-Kompetenz wird nicht nur von IT-Spezialisten und Programmierern verlangt, sondern von Beschäftigten aller Funktionen, Ebenen und Fachbereichen.

Künstliche Intelligenz und Ethik

Datenbasierte Geschäftsmodelle werden zukünftig auch in der Industrie ein Schwerpunkt der Wertschöpfung sein. In einer datenbasierten Ökonomie sind ethische Fragen jedoch von grundlegender Bedeutung. Hierbei geht es nicht nur um die Mensch-Maschine-Interaktion sondern auch um die Frage nach der Datenhoheit. Nötig ist dabei ein genauer Blick auf das zu lösende Problem, da datenethische Fragen nicht in allen industriellen Anwendungsfällen gleichermaßen relevant sind. Es macht einen erheblichen Unterschied, ob Daten genutzt werden, um einen Fertigungsprozess in einer automatisierten Anlage zu optimieren oder um eine medizinische Diagnose zu erstellen. Es existieren zahlreiche Vorschriften und Richtlinien hinsichtlich Sicherheit, Gesundheitsschutz oder Produkthaftung, die von Maschinenherstellern bereits heute einzuhalten sind und auch beim Einsatz neuer Technologien gelten. In der industriellen Nutzung bietet Künstliche Intelligenz zudem erhebliche Vorteile, ressourceneffizienter und nachhaltiger zu produzieren sowie die Wettbewerbsfähigkeit zu sichern und sogar auszubauen. Der erfolgreiche Einsatz von KI kann damit langfristig Arbeitsplätze in Europa sichern. Auch dies ist eine ethische Verantwortung.

Breite Anwendungsmöglichkeiten nutzen

Auf dem Markt etablierte IT-Werkzeuge können dabei helfen, Maschinen- und Prozessdaten zu analysieren, Muster und Strukturen zu erkennen und darauf basierend die passenden Algorithmen zu finden. So wird der Einsatz von Machine Learning-Lösungen für den Maschinenbau zunehmend interessanter, denn diese können für Unternehmen gleich mehrfach von Nutzen sein. Nicht nur bezüglich der Weiterentwicklung bestehender Produkte und Dienstleistungen, sondern auch im Hinblick auf die Gestaltung neuer Geschäftsmodelle, die Optimierung eigener Unternehmensabläufe (z.B. in Konstruktion/Entwicklung, Kundendienst/Inbetriebnahme, Rechnungswesen) und der weiteren Automatisierung in der Fertigung sind die Ansätze von Bedeutung. Aufgrund der großen Bandbreite an Anwendungsmöglichkeiten sind, wie eine VDMA Befragung Ende 2019 zeigte, nahezu zwei Drittel der Unternehmen der Meinung, dass KI-basierte Produkte oder Dienstleistungen einen mittleren bis sehr starken Einfluss auf das aktuelle Geschäftsmodell nehmen werden. Je intensiver sich die Teilnehmer mit der Thematik bereits beschäftigt hatten, desto stärker wurde die Auswirkung beurteilt.

 

Praktische Tipps und Erfahrungen hören Sie in der neusten Episode unseres Industrie Podcasts: 

Neue Geschäftsmodelle entwickeln

Maschinenbauer, die bereits früh erkannt haben, dass datenbasierte Geschäftsmodelle und die eigene Datendurchgängigkeit einen enormen Mehrwert bieten, setzen sich schon länger mit der Thematik und den Möglichkeiten auseinander. Durch den Einsatz von Machine Learning basierten Lösungen in Produkten oder Dienstleistungen kann bei Kunden neben einer Verringerung des Personalaufwandes und einer Erhöhung des Automatisierungsgrades vor allem die Möglichkeit geschaffen werden, neue Produkte oder Dienstleistungen anzubieten. Dabei können verschiedene "Funktionsbausteine" wie beispielsweise Prognosen, Datenanalysen zur Störungserkennung oder auch Maschinelles Sehen (Video-/Bildanalyse) zum Einsatz kommen. Wie genau solche Lösungen für mittelständische Unternehmen zum Einsatz kommen und welchen Nutzen KMU haben, erklärt Dr. Christopher Scheubel, Mitglied im VDMA Expertenkreis Machine Learning und Head of IP & Business Development der FRAMOS GmbH und CEO des KI-Spin-offs cubemos.

Loading video

Im eigenen Unternehmen lassen sich jedoch oft noch schneller Potenziale heben. Besonders in nicht-fertigenden Unternehmensprozessen kann die Anwendung solcher Ansätze zu einer Erhöhung des Automatisierungsgrades und damit zu einer verbesserten Kommunikation in der Wertschöpfungskette und zu einer Verringerung des Personalaufwandes (Zeit, Kosten ...) führen. Gerade in wirtschaftlich herausfordernden Zeiten sind diese Effekte nicht zu unterschätzende Faktoren.

Schnelle Erfolge erzielen?

Qualitativ hochwertige Daten, die aufgetretene Probleme und Fehler im Prozess abbilden, stellen die Grundlage für jedes KI-Projekt dar. KI-basierte Lösungen werden jedoch nur dann von Erfolg gekrönt sein, wenn auch das Domänenwissen der Prozessbeteiligten mit der Expertise der Datenanalysen und IT-Spezialisten kombiniert wird. Liegen noch keine entsprechenden Daten vor, müssen diese zielgerichtet gesammelt und aufbereitet werden. Da die ausgewählten Daten zum "Trainieren" der Algorithmen dienen, muss hierauf das größte Augenmerk gelegt werden. Rund 60 bis 80 Prozent des Zeitaufwandes für ein solches Projekt, ist laut Expertenschätzung dafür zu berücksichtigen. Für einen Einstieg in die Thematik, sind zunächst überschaubare Einsatzfelder mit guter Datenlage und entsprechendem Domänenwissen sinnvoll, bei denen der Umgang mit Machine Learning Ansätzen geübt werden kann und sich auch schnellere Erfolge abzeichnen. Komplexere Sachverhalte brauchen bekanntlich einen "längeren Atem". Ein Beispiel wie sich "Quick Wins" realisieren lassen, beschreibt Wolfram Schäfer, Mitglied des VDMA Expertenkreises Machine Learning und Geschäftsführer der iT Engineering Software Innovations GmbH.

Loading video

Mit Hochschulen und Startups kooperieren

Wenn KI-Projekte im Maschinenbau durchgeführt werden, spielen Kooperationspartner eine maßgebliche Rolle. Eine VDMA-Befragung von Ende 2019 hat gezeigt, dass fast 90 Prozent der Maschinenbauer, die ein KI-Projekt durchführten oder in konkreter Planung hatten, auf externe Unterstützung setzen. Neben der Entscheidung für IT-Dienstleister sind es vor allem Hochschulen und Startups, die dabei zum Einsatz kommen. Aufgrund der hohen Bedeutung von Startups für den Maschinenbau haben VDMA Startup-Machine und VDMA Software und Digitalisierung daher im Herbst 2019 ein gemeinsames Projekt gestartet, in dem sie die internationale Startup-Szene rund um die Themen Künstliche Intelligenz und industrielle Bildverarbeitung unter die Lupe nehmen (Teil der Startup-Radar-Reihe). Ziel ist es, die Entwicklungen in der globalen KI-Startup-Szene zu ermitteln und Geschäftsmodelltrends sowie Kooperations- und Disruptionspotenziale für den Maschinenbau aufzudecken. Nach ersten Analysen konnten weltweit über 750 KI-Startups mit Maschinenbaurelevanz aus mehr als 40 Ländern identifiziert werden, die Lösungen in sechs Trendfeldern anbieten (siehe Grafik). Der Startup-Radar "Künstliche Intelligenz und Industrielle Bildverarbeitung" erscheint in der zweiten Jahreshälfte 2020 - hier erfahren Sie, u. a. welche Use-Cases KI-Startups für den Maschinen- und Anlagenbau bieten, wo globale Hotspots bestehen und was die weltweiten Investitionen in Startups über künftige KI-Trends verraten.  

Kompetenz im VDMA

Der aus Vertretern verschiedener Teilbranchen des Maschinenbaus zusammengesetzte VDMA Expertenkreis Machine Learning erarbeitet seit 2017 Publikationen und Hilfestellungen für die Mitglieder des VDMA und wirkt an der Erstellung von Positionspapieren mit. Zu dem engagiert sich der VDMA Forschungskreis „Industrie 4.0 und Künstliche Intelligenz“ neue Forschungsprojekte in diesem Umfeld ins Leben zu rufen, um die Grundlagen für neue Lösungsansätze im Maschinen- und Anlagenbau zu schaffen. Der Leitfaden Reinforcement Learning ist das Ergebnis aus einem bereits abgeschlossenen Forschungsprojekt.

Redaktionstipp: Leitfaden Reinforcement Learning
Um einen ersten Einstieg in die Methodik und die Anwendbarkeit der besonderen Form des maschinellen Lernens zu bekommen, hat der VDMA zusammen mit dem Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen einen Leitfaden veröffentlicht. Dieser ist im Rahmen des Forschungsprojektes "InPulS - Intelligente und selbstlernende Produktionsprozesse" entstanden. Nähere Informationen sind hier erhältlich.

 

Darüber hinaus hat der VDMA das Kompetenznetzwerk "Künstliche Intelligenz" ins Leben gerufen, um in der Branche den Wissenstransfer zwischen Maschinenbau, IT-Unternehmen, Startups und Forschung zu forcieren.

Weiterführende Links:

▶︎  VDMA Themenportal Künstliche Intelligenz

▶︎  VDMA Software und Digitalisierung

▶︎  #1 Der Industrie Podcast: Künstliche Intelligenz und Machine Learning

▶︎ #2 Der Industrie Podcast: Künstliche Intelligenz in der Fertigung

Schauen Sie bei den VDMA Kollegen vorbei und informieren Sie sich über die Aktivitäten der Fachverbände, Foren und Abteilungen zu Künstlicher Intelligenz: