KI in der Fertigung: So klappt die Implementierung

Anbieter zum Thema

PSI Software SE | Business Unit Discrete Manufacturing

becos gmbH

Das Framework sphinx open bietet eine Reihe neuer Ansätze für eine intelligente Produktion auf der Grundlage modernster, Cloud-unabhängiger Lösungen, die für alle Arten von Diensten und Datenquellen offen sind.

Viele Unternehmen möchten mit Digitalisierungsprojekten ihre Prozesse optimieren – was mal mehr, mal weniger gut gelingt. Häufig wäre es zielführender, die Prozesse zu hinterfragen und neue Strukturen aufzubauen, die von vornherein durch moderne Technologien wie KI in der Fertigung unterstützt werden.

Die Möglichkeiten von KI in der Fertigung

Dabei ist die Perspektive eines Außenstehenden oft hilfreich. GFT Technologies etwa blickt stets aus der Warte des Digitalisierers auf Industrieunternehmen und sieht deshalb in erster Linie zusammenhängende Datenströme und deren großes Potenzial.

Von den Möglichkeiten künstlicher Intelligenz (KI) ist in der industriellen Fertigung noch nicht allzu viel angekommen. Oft steckt die Angst vor nicht einschätzbaren Risiken hinter der Zurückhaltung. Denn wer möchte wichtige Entscheidungen im eigenen Unternehmen schon an ein unpersönliches künstliches System übergeben? Experten von GFT Technologies SE haben sich deshalb intensiv mit der Frage auseinandergesetzt, wie man in der Produktion die Möglichkeiten von KI nutzen und dabei auf der sicheren Seite bleiben kann.

Viele der heute verwendeten KI-Anwendungen basieren auf Machine Learning-Algorithmen (ML). Das bedeutet, dass sie nicht mit Regeln gefüttert werden, sondern sich ihre Regeln selbst erarbeiten und aus Erfahrung lernen. Ideal wäre es, die Möglichkeiten von lernenden Algorithmen mit regelbasiertem Expertenwissen zu kombinieren. Denn ML-Verfahren können zwar gut zukünftige Werte prognostizieren, haben aber Schwächen, auf noch nie dagewesene Störungen zu reagieren. Regelwerke dagegen ermöglichen sofortige und validierbare Reaktionen, können aber bestenfalls kurzfristige Trends erkennen.

Model in the Middle

In jahrelanger Arbeit und mit komplexer Technologie ist es bei GFT gelungen, dieses Kombinationskonzept in Software zu gießen – in Form des so genannten „Model in the Middle“. Das ausgeklügelte Digital Twin-Framework ist ein Kernbestandteil der IoT-Plattform sphinx open online und ermöglicht sowohl die ­autonome Reaktion auf spontane Ereignisse als auch die Nutzung von ML-Verfahren. Dafür blickt es in sehr kurzen Zyklen in die Vergangenheit, speichert Vergangenheits-Ereignisse und errechnet daraus Prognosen für die Zukunft. Hierbei kommt ein KI-Modul zum Einsatz, das in der Regel Rechenleistung aus der Cloud nutzt, Vorhersagen erstellt und diese wieder zurückspeichert.

Der so gewonnene Blick in die Zukunft lässt sich nun mit Expertenwissen kombinieren. Ein schönes Beispiel ist das so genannte Last Management-System, das über sphinx open online realisierbar ist. Dabei geht es darum, Energie zu sparen und teure Lastspitzen zu vermeiden. Es lässt sich aber auch auf viele andere Anwendungsfälle übertragen. Dem System wird ein Ziel vorgegeben, im Beispielfall: Lastgrenze nicht überschreiten. Um das Ziel zu erreichen, sammelt es die Daten aller Erzeuger und Verbraucher ein und überprüft sie im Minutenrhythmus. Es reagiert autonom auf betriebliche Änderungen, Störungen oder Ausfälle und leitet selbstständig hinterlegte Lösungsszenarien in die Wege.

Vier-Stufen-Modell für die KI-Implementierung

Das Beispiel zeigt eine Möglichkeit, wie sich die Unternehmensprozesse mit KI verbessern lassen. Es gibt jedoch noch viele weitere Szenarien, und die Experten von GFT arbeiten kontinuierlich an neuen Use Cases. Um auch die Umsetzung in die Praxis zu erleichtern, hat GFT zudem ein eigenes, vierstufiges Vorgehensmodell für die KI-Implementierung aufgebaut. Dabei geht es zunächst um die Bewertung der Problemstellung und die Formulierung des Business Cases gemeinsam mit den Fachexperten der Kunden.

In der zweiten Phase wird erprobt, das heißt: Im Rahmen eines Proof of Concept (PoC) zeigen Lösungs- und KI-Experten die technische Machbarkeit des Business Cases in einem funktionalen Prototyp. In der Regel lassen sich die jeweils erreichten Ergebnisse in den weiteren Phasen wie Pilotierung und Integration übernehmen. Auch der kontinuierliche Ausbau um weitere Use Cases ist möglich, immer mit dem Ziel, die Prozesskette durchgängig und nachhaltig zu digitalisieren. Dementsprechend wird die KI-Anwendung auch in ein Model Lifecycle-Management eingebettet. Die ersten beiden Phasen können schon nach wenigen Wochen abgeschlossen sein – warum also nicht einfach mal ­einen Versuch wagen?

Lesen Sie auch: IoT-Cloud made in Germany: Plusserver und GFT kooperieren