Flexible Plattformlösungen sind die Zukunft der Produktion

Manufacturing Integration Platform

Für die Fertigungsindustrie gibt es schätzungsweise mehr als 500 Plattformen. Doch was zeichnet eine Plattformlösung für die Fertigung wirklich aus?

DIGITAL MANUFACTURING 01/2021

Weniger Scheu vor KI

Liebe Leserinnen und Leser,

künstliche Intelligenz (KI) gilt als Schlüsseltechnologie auf dem Weg zur smarten Fabrik. So beziffert eine vom Bundesministerium für Wirtschaft und Energie beauftragte Studie die durch künstliche Intelligenz beeinflusste, zusätzliche Bruttowertschöpfung des produzierenden Gewerbes in den Jahren 2019 bis 2023 auf rund 32 Milliarden Euro. Das entspricht einem Drittel des gesamten, für diesen Zeitraum prognostizierten Wachstums dieses Bereichs. Das größte Potenzial sehen die Verfasser der Studie dabei bei den KI-Anwendungen Predictive Analytics, intelligente Assistenzsysteme, Robotik, intelligente Automatisierung sowie intelligente Sensorik.
Aber wie sieht es in der Praxis aus? Es steht außer Frage, dass der Einsatz von KI-Technologien die produktiven Kern- und Unterstützungsprozesse opti­mieren kann. Dennoch spielen KI-basierte Anwendungen oftmals noch eine untergeordnete Rolle – gerade bei kleinen und mittleren Unternehmen. Vielen ist KI ein zu abstrakter Begriff, und die Komplexität der künstlichen Intelligenz schreckt sie im produzierenden Gewerbe häufig ab. Die Scheu allerdings muss nicht sein: Denn es geht ja um die Anwendung von KI. Da spielt es nur eine untergeordnete Rolle, wie komplex die Technologie ist, die in den Lösungen steckt. Wichtiger ist doch vielmehr, was KI-basierte Anwendungen leisten. Und hier gibt es bereits erfolgreiche Praxisbeispiele wie KI und maschinelles Lernen (ML) in der Qualitätskontrolle oder bei der vorausschauenden Wartung von Maschinen.
Wie KI-Verfahren vom Reißbrett in die Praxis gelangen können, zeigt ein Beitrag in dieser Ausgabe. Im Artikel geht es um das Fraunhofer-Leitprojekt ­„Machine Learning für Production“ (ML4P), bei dem unter Leitung des Fraunhofer IOSB ein tool-gestütztes Vorgehensmodell für die Umsetzung von ML in der Produktion entwickelt wurde. Der verfolgte Ansatz orientiert sich dabei in vieler Hinsicht am Systems ­Engineering und wurde am Beispiel von drei realen Produktionsprozessen entwickelt und validiert. Lesen Sie mehr dazu auf den Seiten 20 bis 22.

Viel Spaß mit der neuen Ausgabe!

Rainer Trummer,
Chefredakteur

Weniger Scheu vor KI

Liebe Leserinnen und Leser,
künstliche Intelligenz (KI) gilt als Schlüsseltechnologie auf dem Weg zur smarten Fabrik. So beziffert eine vom Bundesministerium für Wirtschaft und Energie beauftragte Studie die durch künstliche Intelligenz beeinflusste, zusätzliche Bruttowertschöpfung des produzierenden Gewerbes in den Jahren 2019 bis 2023 auf rund 32 Milliarden Euro. Das entspricht einem Drittel des gesamten, für diesen Zeitraum prognostizierten Wachstums dieses Bereichs. Das größte Potenzial sehen die Verfasser der Studie dabei bei den KI-Anwendungen Predictive Analytics, intelligente Assistenzsysteme, Robotik, intelligente Automatisierung sowie intelligente Sensorik.
Aber wie sieht es in der Praxis aus? Es steht außer Frage, dass der Einsatz von KI-Technologien die produktiven Kern- und Unterstützungsprozesse opti­mieren kann. Dennoch spielen KI-basierte Anwendungen oftmals noch eine untergeordnete Rolle – gerade bei kleinen und mittleren Unternehmen. Vielen ist KI ein zu abstrakter Begriff, und die Komplexität der künstlichen Intelligenz schreckt sie im produzierenden Gewerbe häufig ab. Die Scheu allerdings muss nicht sein: Denn es geht ja um die Anwendung von KI. Da spielt es nur eine untergeordnete Rolle, wie komplex die Technologie ist, die in den Lösungen steckt. Wichtiger ist doch vielmehr, was KI-basierte Anwendungen leisten. Und hier gibt es bereits erfolgreiche Praxisbeispiele wie KI und maschinelles Lernen (ML) in der Qualitätskontrolle oder bei der vorausschauenden Wartung von Maschinen.
Wie KI-Verfahren vom Reißbrett in die Praxis gelangen können, zeigt ein Beitrag in dieser Ausgabe. Im Artikel geht es um das Fraunhofer-Leitprojekt ­„Machine Learning für Production“ (ML4P), bei dem unter Leitung des Fraunhofer IOSB ein tool-gestütztes Vorgehensmodell für die Umsetzung von ML in der Produktion entwickelt wurde. Der verfolgte Ansatz orientiert sich dabei in vieler Hinsicht am Systems ­Engineering und wurde am Beispiel von drei realen Produktionsprozessen entwickelt und validiert. Lesen Sie mehr dazu auf den Seiten 20 bis 22.
Viel Spaß mit der neuen Ausgabe!
Rainer Trummer,
Chefredakteur

DIGITAL MANUFACTURING 01/2021

Themenhighlights

Titelstory: Manufacturing Integration Platform
Warum flexible Plattformlösungen die Zukunft der Produktion sind

Manufacturing Execution Systems
Mehr Transparenz für höhere Produktivität

Fertigungssteuerung mit MES
Auf der Suche nach den höchsten Gipfeln

Titelstory: Manufacturing Integration Platform
Warum flexible Plattformlösungen die Zukunft der Produktion sind
Manufacturing Execution Systems
Mehr Transparenz für höhere Produktivität
Fertigungssteuerung mit MES
Auf der Suche nach den höchsten Gipfeln

Scroll to Top