Skip to main content
main-content

05.12.2018 | Produktion + Produktionstechnik | Im Fokus | Onlineartikel

Künstliche Intelligenz für die Produktion

Autor:
Dieter Beste

Wissenschaftler suchen nach praktischen Wegen, Künstliche Intelligenz systematisch in die Produktion zu integrieren. Dort kann sie zum Beispiel Sensordaten von Maschinen und Anlagen analysieren und ungewöhnliche Zustände früh erkennen.


Die Professoren der Wissenschaftlichen Gesellschaft für Produktionstechnik (WGP) haben auf ihrer Herbsttagung im November einstimmig beschlossen, praktische Wege auszuarbeiten, damit Künstliche Intelligenz (KI) systematisch in die Produktion integriert werden kann. Mit einem WPG-Standpunktpapier und Handlungsempfehlungen wollen die Wissenschaftler dann im kommenden Jahr Führungskräfte in den Unternehmen ermuntern, sich mit Fragen der KI praktisch auseinanderzusetzen.

Empfehlung der Redaktion

2018 | OriginalPaper | Buchkapitel

Maschinelles Lernen in technischen Systemen

Statistische und maschinelle Lernverfahren extrahieren Regelmäßigkeiten aus Daten. Sie ermöglichen die effiziente Abbildung von Wirkzusammenhängen in komplexen technischen Systemen, welche nur schwer oder gar nicht durch klassische …


Denn: "Künstliche Intelligenz birgt enorme Chancen, auch für die Produktionstechnik", ist Berend Denkena, Präsident der WGP und Leiter des Instituts für Fertigungstechnik und Werkzeugmaschinen (IFW) der Leibniz-Universität Hannover, überzeugt. Zwar habe es schon vor rund 30 Jahren Arbeiten zur Produktionsplanung oder der Maschinendiagnose mit künstlichen neuronalen Netzen gegeben. "Allerdings sind die zur Verfügung stehenden Datenmengen und auch die Möglichkeiten der Verarbeitung und Speicherung mittlerweile groß genug, um KI praktisch umzusetzen", so Denkena. "Und diese Datenverfügbarkeit wird in Zukunft weiter steigen."

"Als WGP verfügen wir mit unseren rund 40 Forschungsinstituten über ein einmaliges Domainwissen der Produktion. Dieses wollen wir auch zum Nutzen der deutschen Industrie einsetzen", ergänzt Jörg Krüger, Initiator des WPG-Standpunktpapiers und Leiter des Fachgebiets Industrielle Automatisierungstechnik im Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) der TU Berlin sowie Leiter des Geschäftsfeldes Automatisierungstechnik des Fraunhofer Instituts für Produktionsanlagen und Konstruktionstechnik (IPK) in Berlin. Zwar gebe es an unterschiedlichen Instituten bereits Forschungsprojekte zur KI in der Produktion. "Wir wollen nun aber eine Grundlage schaffen, auf der die bereits existierenden Erfahrungen strategisch so weiterentwickelt werden, dass die bislang nur punktuell genutzten neuen Wertschöpfungspotenziale durch KI in der Produktion auch systematisch gehoben werden können."

Hohes Wertschöpfungspotenzial

Dass dies die richtige Strategie ist, belegen Untersuchungen, die hohe Wertschöpfungspotenziale der KI für das produzierende Gewerbe aufzeigen, so die WGP. Das Institut für Innovation und Technik (iit) in Berlin berechnete in seiner im Juli 2018 erschienenen Studie PAiCE, dass das KI-induzierte zusätzliche Wachstum im produzierenden Gewerbe von 2019 bis 2023 bei 31,8 Mrd. Euro liegen wird. Das entspricht in etwa einem Drittel des gesamten Wachstums der Branche in diesem Zeitraum. KI-Anwendungen könnten dabei die Überwachung und Wartung von Produktionsanlagen, optimiertes Ressourcen- und Wissensmanagement, Qualitätskontrolle, Robotik und nicht zuletzt intelligente Assistenzsysteme sowie Sensorik sein.

Die Grundidee des Maschinellen Lernens besteht darin, Wissen aus Erfahrung zu gewinnen. Wir geben dem Computer also konkrete Beispieldaten, aus denen er eine allgemeine Regel ableiten soll. Bisher hat der Computer eine konkrete Aufgabe gelöst, nachdem wir ihm die allgemeine Lösungsvorschrift dafür vorgegeben haben … Wir arbeiten hier nicht mit gesichertem Wissen und klaren Regeln. Wir arbeiten mit Beispielen. Unsere Lernergebnisse können also nicht besser sein als die Daten, mit denen wir arbeiten." Markus von Rimscha, Algorithmen kompakt und verständlich, Seite 132.

Eine höhere Wertschöpfung dank KI sehen die WGP-Experten übrigens nicht nur in voll automatisierten Systemen, die meist nur in größeren Konzernen zu finden sind. Auch in teilautomatisierten Systemen und Assistenzsystemen für den Werker ließe sich die Wertschöpfung dank KI deutlich erhöhen. "Schaffen wir es, KI systematisch in Produktionsprozesse zu integrieren, ergeben sich klare Wettbewerbsvorteile für die gesamte deutsche Industrie", ist sich Jörg Krüger sicher.

Anomalien frühzeitig erkennen

Wie es mit maschinellen Lernverfahren gelingen kann, in den Sensordaten von Maschinen und Anlagen ungewöhnliche Zustände frühzeitig zu erkennen und so Schäden zu vermeiden, wollen Forscher im Projekt "Maschinelle Lernverfahren für Stochastisch-Deterministische Multi-Sensor Signale" (MADESI) am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen (SCAI) herausfinden. Ihr Ziel ist es, eine solche Anomalie-Erkennung am Beispiel Windkraftanlage zu automatisieren. Hierfür müssen die Wissenschaftler ein KI-System dazu befähigen, alle möglichen Normalzustände zu erkennen. Kein leichtes Unterfangen bei stark schwankenden Wetterlagen und in der Regel nur wenigen verfügbaren Daten zu anomalen Ereignissen.

Zur Lösung dieses Problems könnten mit Hilfe numerischer Simulationen alle erdenklichen Szenarien annäherungsweise durchgespielt werden, heißt es in einer Mitteilung des SCAI. Es könnte beispielsweise simuliert werden, was passiert, wenn starke Sturmböen auf ein Windrad treffen. Das Monitoring-System könnte dann mit den bei diesen Simulationen erzeugten Daten angelernt werden und anschließend selbstständig Anomalien erkennen und interpretieren. Zudem wollen die am MADESI-Projekt beteiligten Partner die Interpretierbarkeit der Monitoring-Daten erhöhen. "Um das zu erreichen, arbeiten wir bei SCAI unter anderem an Data-Mining-Methoden, mit denen wir Muster in den Szenario-Daten erkennen", erklärt SCAI-Projektleiter Jochen Garcke. Dabei suche man nach Merkmalen für Schädigungsvorgänge oder für das Erkennen von Eis auf Windrädern.

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

Premium Partner

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Grundlagen zu 3D-Druck, Produktionssystemen und Lean Production

Lesen Sie in diesem ausgewählten Buchkapitel alles über den 3D-Druck im Hinblick auf Begriffe, Funktionsweise, Anwendungsbereiche sowie Nutzen und Grenzen additiver Fertigungsverfahren. Eigenschaften eines schlanken Produktionssystems sowie der Aspekt der „Schlankheit“ werden ebenso beleuchtet wie die Prinzipien und Methoden der Lean Production.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise