❖ Ralph Sonntag | HTW Dresden ❖
Industrie 4.0 ist bei den Unternehmen in Deutschland angekommen. So nutzen fast die Hälfte aller Unternehmen im Produktionsbereich Anwendungen, die man in den Bereich Industrie 4.0 einordnen kann – das geht aus einer Studie der bitkom aus dem Jahre hervor (Quelle: Bitkom).
Klares Ziel der Unternehmen: Digitalisierung & Industrie 4.0
Hauptfokus der Unternehmen liegt dabei auf verbesserte Prozesse und der Kapazitätsauslastung. Die Entwicklung neuer Geschäftsmodelle und der Erschließung neuer Kundengruppen werden bisher noch nicht als Ziel im Rahmen der Digitalisierung verfolgt.
Unternehmen, die hier agile Prozesse implementieren, sind deutlich innovativer und können digitale Technologien einfacher integrieren. Somit ist Agilität ein wichtiger Erfolgsfaktor für Industrie 4.0 (Quelle: magility).
Beste Ausgangsbedingungen
Die Innovationen und die Dynamik werden auch in Zukunft weiter zunehmen. Entscheidend ist, wie gut Unternehmen heute hinsichtlich der nächsten technologischen Entwicklungen im Bereich der Automatisierung und Digitalisierung aufgestellt sind.
In einer aktuellen Studie aus dem Jahr 2018 von der Economist wurde ein „Automation Readiness Index“ erstellt. 52 Indikatoren aus den Bereichen Sicherheit, Infrastruktur sowie Forschung und Innovation wurden dabei bestimmt und betrachtet. Explizit wurden hier die Entwicklungen von Robotik, Automation und künstliche Intelligenz untersucht.
Mit künstlicher Intelligenz werden verschiedene Techniken aus den Gebieten der Informatik und Mathematik bezeichnet, um menschliche Entscheidungsstrukturen und Vorgehensweisen zur Problemlösung so abzubilden, dass diese Anwendungssysteme bzw. Computer eigenständig bearbeiten können. Solche Techniken sind u.a. verschiedene Algorithmen, die sich zum Beispiel in Neuronalen Netzen wiederfinden.
Es zeigte sich, dass Deutschland mit die besten Voraussetzungen für die nächsten technologischen Entwicklungen im Bereich der Automatisierung und Industrie 4.0 hat.
Dabei spielen die Entwicklung und der Einsatz von künstlicher Intelligenz eine wichtige Rolle, die sämtliche Prozesse und Automatisierungsbereiche betrifft: „We are using AI today to automate many of our internal processes, including risk management, fraud detection, document classification and compliance, and also customer-facing processes in contact centres, online and in our branches.” (Elena Alfaro Martinez, BBVA Data & Analytics)
Auch bei den Innovationen liegt Deutschland nicht weit abgeschlagen und findet sich auf dem dritten Rang hinter Japan und Südkorea.
Unternehmen in Deutschland nutzen zurzeit Technologien in den Bereichen Big Data, Internet of Things und 3D-Druck. Blockchain und künstliche Intelligenz werden bisher nur moderat eingesetzt. Aber jedes zweite Unternehmen sieht in den Schlüsseltechnologien wie Künstliche Intelligenz eine große Bedeutung für die Wettbewerbsfähigkeit der deutschen Wirtschaft. „Die Unternehmen haben die immense Bedeutung digitaler Schlüsseltechnologien erkannt. Jetzt müssen wir zügig in die Umsetzung kommen“, so Bitkom-Präsident Achim Berg (Quelle: Bitkom).
Nach einer Studie von Hewlett Packard Enterprise, bei der über 850 vorwiegend in Europa tätigen Industrie-Unternehmen befragt wurden, erwarten die Unternehmen alleine durch den Einsatz von künstlicher Intelligenz einen Umsatzwachstum von 11,6% bis zum Jahr 2030 (Quelle: Süddeutsche Zeitung).
Ganze Produktionsunternehmen werden durch den Einsatz von künstlicher Intelligenzen zu selbstlernenden Systemen. An vielen einzelnen Stellen ermöglichen Technologien, dass Optimierungen an Anlagen und Prozessen selbständig vorgeschlagen und umgesetzt werden. Die Produktionsprozesse können so in Abhängigkeit von Lieferanten, Kundenbedarfen und anderen Einflussfaktoren selbständig verbessert und optimiert werden. Die Produktion wird zu einer selbstlernenden Fabrik.
Das Fraunhofer-Institut für Verfahrenstechnik und Verpackung IVV in Dresden entwickelt in dem Zusammenhang ein selbstlernendes Assistenzsystem auf Basis von Erfahrungswissen. Dieses ist ein Baustein auf dem Weg zu einer selbstlernenden Fabrik (Quelle: Frauenhofer-Institut).
Das Unternehmen mit seiner Organisation und Prozessen kann sich so zu einem selbstlernenden Unternehmen entwickeln. In Zukunft ist dann auch ein selbststeuerendes Unternehmen denkbar, welches sämtliche Prozesse und die Organisationstruktur eigenständig anpasst und optimiert.
Beispiele für den Einsatz von künstlicher Intelligenz
Neue Projekte und Einsatzbeispiele von künstlicher Intelligenz im Industrieunternehmen gibt es zahlreiche. Die nachfolgenden Beispiele zeigen wie vielfältig die Technologie der künstlichen Intelligenz innerhalb der Produktion eingesetzt wird und dazu beiträgt, die Entwicklung von einem klassischen Produktionsunternehmen zu einen Industrie 4.0 – Unternehmen voranzutreiben.
Whitepaper | Digitalisierung in der Produktion
> Zum Download
Podcast | KI in Unternehmen – Zwischen Hype und Hoffnung
> Zu allen Podcasts
Maschinenoptimierung – Condition Monitoring
Industrie 4.0 – Umgebungen bestehen aus verschiedenen Komponenten von verschiedenen Herstellern. An der Smartfactory Ostwestfalen, die eine gemeinsame Initiative der Fraunhofer-Gesellschaft und der Hochschule Ostwestfalen ist und als Industrie 4.0 Anwendungs- und Demonstrationszentrum für den Mittelstand dient, wurde eine Lösung zur herstellerunabhängigen Zusammenarbeit von Maschinen und Komponenten entwickelt. Dabei greifen diese Geräte gemeinsam auf Daten und Informationen zu (Quelle: Smart Factory OWL).
Die Daten werden dann mittels künstlicher Intelligenz analysiert und die heterogenen Produktionsanlagen können so künftig Fehler erkennen und sich selbständig optimieren. Basierend auf aus den Daten gelernten Modellen unterstützt das System die vorausschauende Wartung der jeweiligen Komponente und unterstützt den Produktionsprozess.
Auch wird dadurch ein Austausch von Algorithmen und Lösungsstrategien etabliert, sodass ein Netzwerk zusammenarbeitender Produktionsanlagen entstehen kann.
Bilderkennung
Roboter haben Schwierigkeiten, neue Formen und Objekte selbständig zu erkennen. In der Regel lernen diese Systeme mit einer Vielzahl von Bildern, um dann neue Objekte erkennen zu können.
Der Ansatz „Dense Object Nets“ von Forschern am Massachusetts Institute of Technology betrachtet Objekte als eine Ansammlung von Punkten, die eine Art visuelle Beschreibung des Objekts darstellen. So steht nicht primär die Erkennung des Objekts im Vordergrund, sondern die Form und Funktionsweise. Wenn Roboter die Funktionsweise und damit den Nutzen von Objekten verstehen, können sie diese selbstständig in automatischen Prozessen einsetzen. Als Beispiel für diese Form- und Funktionserkennung sei eine Tasse mit einem Henkel angeführt. Entscheidend ist nicht nur, dass man die Tasse mit dem Henkel führt, sondern auch, dass die Öffnung oben ist (Quelle: MIT News).
Vermeiden von Bedienfehlern
Ein Projekt des Deutschen Forschungszentrums für Künstliche Intelligenz mit Hitachi beschäftigt sich mit der Entwicklung eines KI-Systems zur Unterstützung und Vermeidung von Bedienfehlern in der industriellen Fertigung (Quelle: Plattform Industrie 4.0).
Die Lösung umfasst eine Technologie, welche die Objekte des durch eine Eye-Tracking-Brille erfasst. Durch maschinelles Lernen lernt das System, die Objekte zu unterscheiden. Außerdem werden die einzelnen Aktivitäten des Werkers erfasst und ebenfalls analysiert. Dadurch können verschiedene Handlungen wie „Greifen“ oder „Drehen“ erkannt werden (Quelle: DFKI).
Damit werden die Tätigkeiten wie beispielsweise „Schraube drehen“ erkannt. Vorteil ist, dass solche Handlungen und Objekte unabhängig vom Einsatzort trainiert werden können.
Selbststeuernde Fertigung und Einbindung älterer Maschinen
Das Ziel der nächsten Lösung besteht darin, die Produktionsabläufe in Echtzeit zu überwachen und zu analysieren, um eine Überlastung der Produktionsanlagen zu vermeiden. Dabei werden auch alte und existierende Maschinen eingebunden, die nicht modifiziert werden können.
smartMES, eine Lösung von bluebiz, erlaubt eine Echtzeitüberwachung der Maschinen, um im Sinne eines MES (Manufacturing Execution System) flexible, dynamische und autonom gesteuerte Fertigungsprozesse handhaben zu können. Um alte, existierende Maschinen einzubinden, wurden verschiedene Sensorik- und IoT-Devices entwickelt (Quelle: Plattform Industrie 4.0).
Durch die Integration von künstlicher Intelligenz können aus den individuellen Maschinen- und Sensordaten Muster erkannt und Vorhersagen berechnet werden.
Diese Vorhersagen können dann dafür genutzt werden, um beispielsweise benötigte Ressourcen wie Betriebsmittel im Voraus zu berechnen. Hierzu sendet smartMES automatisch eine Bedarfsmeldung an den Einkauf, so dass der Stillstand einer Maschine verhindert wird. Auch können dieselben Vorhersage- und Erfahrungswerte der Sensor- und Maschinendaten genutzt werden, um vorauszuberechnen, wann z.B. ein Teil der Maschine wahrscheinlich defekt sein wird. Vorteil ist hier, dass durch diese Predictive Maintenance das Wartungsfenster im Voraus geplant werden kann (Quelle: BlueBiz).
Zusammenfassung
Künstliche Intelligenz ist eine Schlüsseltechnologie für die weitere Automatisierung und Entwicklung von Industrie 4.0. Die Beispiele zeigen, dass an jeder Stelle innerhalb von Produktionsprozessen künstliche Intelligenz eingesetzt werden kann und Nutzen stiftet.
Das Produktionsunternehmen wird zu einem selbstlernenden System. Auf Maschinen- und Prozessebene können so eigenständig systemseitig Optimierungen und Entwicklungen vorgenommen werden. Diese wiederum sind die Grundlage, damit Unternehmen untereinander besser zusammenarbeiten können. Selbstlernende Fabriken sind somit die Basis für flexible und vernetzte Unternehmensverbände und damit für neue Geschäftsmodelle.
Ob Digitalisierungsexpert*in, Werkstudent*in oder Schülerpraktikant*in – Hier berichten unsere Gastautoren aus ihrem Alltag.
