IPL-Magazin 47 | April 2019 | Autor: Matthias Miesbeck

Künstliche Intelligenz (KI) auf dem Vormarsch

 


Matthias Miesbeck

Täglich lesen wir in Fachzeitschriften aber auch in den allgemeinen Medien vom beginnenden Siegeszug der „Künstlichen Intelligenz“ oder kurz „KI“. Doch was genau steckt hinter diesem Begriff und welchen Einfluss werden die Entwicklungen in diesem Beriech auf Ihr Produktionsumfeld zukünftig haben? Diese Ausgabe zeigt mögliche Einsatzgebiete auf in der Produktion, der Logistik und auch in der Instandhaltung. Der Einfluss von KI wird sich in den kommenden Jahren wesentlich auf Ihre Fabriken und auch darüber hinaus auswirken. Darum ist es für das Management empfehlenswert, sich heute schon mit den Innovationen von morgen zu beschäftigen und damit die Abläufe in den Unternehmen auf eine neue, intelligente Basis zu stellen.


Was versteht man unter Künstlicher Intelligenz?
Die KI, oft auch als artifizielle Intelligenz (englisch: artifical intelligence – AI) bezeichnet, ist ein Teilgebiet der Informatik. Es beschäftigt sich mit den Themen Automatisierung, lernenden Maschinen und intelligentem Maschinenverhalten. Der Begriff KI lässt sich nicht konkret abgrenzen, da die Definition des Begriffs „Intelligenz“ nicht eindeutig ist. Dennoch wird KI in der Forschung und Entwicklung verwendet, um Entwicklungen im Bereich der Maschinen und Anlagen zu beschreiben, die in der Lage sind, menschliche Entscheidungsstrukturen nachzubilden - konkret gesagt: Probleme eigenständig zu lösen.

Erwartungen der Mitarbeiter an KI im Arbeitsumfeld
Aktuellen Umfragen zu Folge erwarten die Beschäftigten in den Unternehmen durch KI eine Unterstützung ihrer Tätigkeiten am Arbeitsplatz durch „schlaue“ Maschinen und Roboter. So sehen rund 62% der befragten Mitarbeiter wesentliche Vorteile durch die Kooperation Mensch-Maschine. Speziell intelligente Steuerungen erachten rund 70% der befragten Personen als sehr hilfreich im täglichen Arbeitsablauf. Sie erwarten wesentliche Vorteile für ihre Tätigkeit vor allem durch Sprachsteuerungen. Die Umfragen zeigen allerdings auch, dass etwa 60% der befragten Personen schon gewisse Bedenken gegenüber KI haben. Deshalb fordern 71% der Befragten auch klare gesetzliche Regelungen für den Einsatz von KI. Die Aufgabe, die sich hieraus ergibt, sollte deshalb wie folgt lauten: Gemeinsam die Intelligenz von Menschen für Menschen nutzen und gemeinsam an Lösungen arbeiten, die einen menschlichen Spirit haben. (Quelle: www. automationspraxis.industrie.de)

KI zukünftig in der Produktion einsetzen
Cortana, Siri und Alexa kennt mittlerweile jeder. Diese hilfsbereiten Systeme finden sich bereits millionenfach in den Haushalten. Sie arbeiten weitgehend fehlerfrei und bieten ihren Nutzern in den meisten Fällen einen Mehrwert. Der Mehrwert intelligenter Systeme im industriellen Umfeld wird teilweise noch kontrovers diskutiert. Die Bedeutung des Themas ist jedoch sehr hoch, da die Einsatzfelder von KI im Produktionsumfeld sehr vielfältig sind. Sie reichen von selbstlernenden Bildverarbeitungssystemen, über intelligente Roboter bis hin zu eigenständigen Produktionsplanungsprogrammen. Sie sollen im Produktionsumfeld helfen, Abläufe effizienter und damit auch preisgünstiger zu machen.

In den letzten Monaten ist ein Hype rund um das Thema KI ausgebrochen, der nicht zuletzt auch auf die erhöhte Medienpräsenz zurückzuführen ist. So werden nahezu bei allen „global Playern“ in der Automobilindustrie und bei den Maschinen- und Anlagenbauern KI-Projekte im Produktionsumfeld forciert und vorangetrieben. Dies zeigt sich auch an jährlichen Umsatzzuwächsen der Smart Machines von rund 15%, wobei bis 2021 der Gesamtmarkt von derzeit 7,4 Mrd. US-Doller auf 15 Mrd. US-Dollar anwachsen soll (Quelle: www.prduktion.de).

Deep Learning-Systeme gewinnen im Produktionsumfeld an Bedeutung
Der Einsatz von Deep-Learning-Systemen in der Welt der Produktionsanlagen und im Zusammenspiel mit Robotern und Maschinen spielt dabei eine wichtige Rolle. Hinter dem Begriff Deep-Learning steht eine Reihe von Optimierungsmethoden künstlicher neuronaler Netze, die zahlreiche Zwischenlagen zwischen Eingabeschicht und Ausgabeschicht haben. Dadurch entsteht eine umfangreiche innere Struktur. Diese Struktur ist nötig, um Lösungen von Aufgaben, die für die Menschen leicht durchzuführen sind, mathematisch abbilden zu können.

Abb. 1: Beispiel neuronales Netzwerk
Abb. 1: Beispiel neuronales Netzwerk

 

Deep Learning Systeme kommen bereits heute zum Einsatz. Die Herausforderung in diesem Zusammenhang besteht allerdings in den immer größer werdenden Datenmengen. Zum anderen beruhen die Systeme auf dem Prinzip „Lernen durch Fehler“. Für den Anwendungsfall im Produktionsumfeld bedeutet das, dass eine Produktionsanlage, welche selbständig lernen und sich verbessern soll, Ausschuss produziert. Dieser Aspekt erfordert somit noch weitere Entwicklungsschritte, um eine fehlerfreie und damit effiziente Produktion zukünftig sicherstellen zu können. Eine mögliche Lösung hierfür sind beispielsweise Systeme, die nach dem Mustererkennungsprinzip arbeiten. Diese Systeme können in kurzer Zeit anhand einer größeren Anzahl von Bildern aus einer Datenbank lernen und damit die Fehlerraten minimieren.


Bessere Vorhersagen durch KI
Der größte Benefit, den der Einsatz von KI erzielen kann, liegt in der Tatsache, dass die Technik in den Maschinen sehr sichere Vorhersagen liefern kann, sobald die intelligente Software richtig trainiert worden ist. Die Konditionierung der Anlagen erfolgt hierbei über einen längeren Zeitraum und vor allem durch die Intelligenz und die Erfahrungen der Menschen, die diese Maschinen bedienen, warten und reparieren. Die Systeme unterstützen die Bediener der Anlagen bei der Vorhersage von Wahrscheinlichkeiten von Defekten oder Mängeln. Dadurch ist eine Selbstüberwachung der Maschinen möglich.


In diesem Zusammenhang stellt sich damit folgende Frage: Welchen Aufgaben übernimmt die KI konkret? Die abgeleitete Antwort beinhaltet folgende Punkten:

 

  • Aufgabe 1: Das vorhandene, menschliche Wissen in Teilbereichen, in klare analytische und mathematische Regeln zu übersetzen
  • Aufgabe 2: Übertragung der mathematischen Regeln auf die Systeme und Steuerungen


So sind beispielsweise zur besseren Eintaktung von Fertigungsaufträgen Kriterien für Optimierungsalgorithmen zu definieren und in Programme umzusetzen. Zur Implementierung einer intelligenten Fertigungssteuerung bedarf es aber auch passender Mess- und Regelparameter, die für die Entscheidungen der Steuerungen zur Verfügung stehen müssen. Diese müssen zum einen definiert werden und zum anderen möglichst schnell von den Maschinen und Anlagen an die Steuerung übermittelt werden. Hier besteht aktuell noch Optimierungspotenzial, um zukünftig einen autonomen Betrieb sicherstellen zu können.

Chancen Erkennen und die Weichen in die richtige Richtung stellen
Es besteht ein Konsens der Entscheider in der Industrie, dass uns die Entwicklungen rund um KI im Produktionsumfeld in den kommenden Jahren vermehrt beschäftigen wird und tiefgreifende Veränderungen in den Produktions-und Arbeitsabläufen haben wird.

Deshalb ist es wichtig, sich heute schon mit dem Thema und den Potenzialen umfassend zu beschäftigen und sich Gedanken über die Auswirkungen zu machen- In diesem Zusammenhang sind folgende Fragen zu lösen:

 

  • Welchen Beitrag kann KI heute schon in Produktionsumfeld leisten und was wird in 20 Jahren möglich sein?
  • Welche konkreten Auswirkungen hat der Einsatz von KI in Produktion und den damit gekoppelten Supportprozesse?
  • Was bedeutet der Einsatz von KI für den Werker und für die Facharbeiter?
  • Welche Chancen und Potenziale ergeben sich aus dem Einsatz von KI?
  • Welche Risiken sind mit dem Einsatz von KI verbunden?

 

Die Aufgabe besteht darin, die jeweils passenden Antworten auf diese Fragen zu finden und ein Zukunftskonzept für KI im Unternehmen zu entwickeln. KI bietet eine Chance bei zunehmender Komplexität und Individualität der Produkte. Dabei wird auch der Mensch als Wissensträger seinen Platz haben: Die Konzeption und Fertigung der Produkte nach individuellen Wüschen wird die Erfahrungen und das Wissen der Mitarbeiter wieder stärker in den Fokus stellen, um Spitzenprodukte auf dem weltweiten Markt etablieren zu können. Die intelligenten Roboter fungieren in diesem Zusammenhang als Assistenten und Gesellen und übernehmen dann beispielswiese schwere körperliche Arbeiten.

 

Einsatzgebiete von KI im industriellen Umfeld
Wie und wo lässt sich KI im Unternehmen einsetzen? Diese Frage lässt sich weiter herunterbrechen und detaillierter formulieren:

  • Gibt es verständliche Leitfäden und Roadmaps zur Einführung von KI in Unternehmen?
  • Welche Voraussetzungen sind für die Einführung von KI erforderlich?
  • Welche Standards müssen erfüllt sein?
  • Mit welchen Unternehmen und Instituten kann die Einführung von KI im Unternehmen erfolgreich gelingen?

Die Anwendungsbereiche von KI im Unternehmen sind sehr vielfältig. So lassen sich beispielsweise folgende Einsatzgebiete nennen:

  • Vorbeugende Instandhaltung
  • Inter- und Intralogistik und Lagertechnik
  • Bildverarbeitung im Produktionsprozess
  • Vernetzte Roboter und Transportsysteme
  • Kollaboratives Arbeiten

Beispiel: Vorbeugende Instandhaltung mit Hilfe von KI
Wie eine derartige Anwendung in der Praxis aussehen kann, zeigt nachstehendes Beispiel. Ziel von KI im Umfeld der Instandhaltung ist es, Maschinenausfälle vorhersagen und dem Mitarbeiter klare Anweisungen zur Problembehebung geben zu können. In einem vollautomatisierten Kleinteilelager erkennt eine Software so mit Hilfe von Sensoren, dass das Regalbediengerät (RGB) im Betrieb Schleifgeräusche erzeugt.

Die intelligente Software weiß nun, dass dieses Geräusch ein Vorbote für den Ausfall der RBGs ist. Die Steuerung meldet das drohende Problem an die Instandhaltungsabteilung, die folglich vorbeugend Wartungsarbeiten vornehmen kann. So werden lange Ausfallzeiten und damit hohe Kosten reduziert und die Produktivität der Kleinteilelagers erhöht.

Beispiel: Autonome Transportsysteme
Der Einsatz von KI im Bereich der Inter- und Intralogistik ist sehr reizvoll. Autonome Transportsysteme, wie Flurförderfahrzeuge in den Fabriken, aber auch autonome LKWs für den Warentransport zwischen Firmen, werden erst mit KI interessant. Die heute schon schlanken und optimierten Lieferketten arbeiten ohne Sicherheitspuffer, sodass Probleme in einer Prozessfolge sich direkt auf die Folgeprozesse auswirken. Die vorherrschende Ursache-Wirkungsbeziehung ist also sehr gut darstellbar, damit berechenbar und schließlich auch vorhersagbar. So hat beispielsweise ein Stau auf einer bestimmten Route zeitlich sehr gut ableitbare, direkte Auswirkungen auf den Warentransport. Mit diesen vernetzten Informationen lassen sich die gekoppelten Prozesse
weiter verbessern.

Beispiel: Intelligente Lagertechnik
Mit Hilfe von intelligenten Algorithmen können zukünftig die Läger optimiert werden. Dabei berücksichtigen die Systeme beispielsweise das Abruf- und Konsumverhalten der Kunden an verschiedenen Orten, um festzustellen, welche Produkte eher im ländlichen Bereich benötigt werden und welche vorzugsweise in Stadtnähe gelagert werden sollen. Aber auch die Optimierung der Lagerstruktur kann durch KI weiter verbessert werden. Schnell drehende Produkte werden automatisch näher am Versandbereich gelagert. Aber auch Waren mit Verfallsdatum können so besser überwacht werden.

Beispiel: Kollaboratives Arbeiten mit intelligenten Robotern
Digitale Werkzeuge bieten eine Reihe von Möglichkeiten, um gemeinsam an Projekten und Aufgabenstellungen zu arbeiten. Diese Möglichkeiten erfordern Veränderungen in der Zusammenarbeit. So können Aufgaben unabhängig von Zeit und Ort bearbeitet werden, d.h., dass Tätigkeiten parallel oder zeitversetzt erfolgen können und kein physischer, fester Arbeitsort notwendig ist. Das Motto in diesem Zusammenhang lautet: „Nicht eine/einer macht die Arbeit, sondern mehrere Personen erstellen gemeinsam etwas“ Es obliegt der Entscheidung der Teammitglieder, wann sie sich in die Tätigkeit mit einbringen und wie sie ihre Aufgabe ausgestalten. Dies hat zur Folge, dass das benötigte Maß an Selbstorganisation steigt. Um diese neue Arbeitsweise erfolgreich zu implementieren sind zwei wesentliche Voraussetzungen nötig:

  • Bereitschaft aller Beteiligten, den gemeinsamen Prozess eingehen zu wollen und die damit verbundene Haltung und Überzeugung, dass diese Art, zu arbeiten, effizient ist
  • Übereinkunft der Teammitglieder, dass es keine festen Aufgabenzuweisungen gibt und sich die Rollen der Teammitglieder im Projektverlauf ändern können

 

Fazit:
KI schafft die menschliche Arbeit und die menschliche Intelligenz, die für die Produktion, Logistik und deren Support-Prozesse nötig sind, nicht ab. Sie ergänzt vielmehr die menschliche Intelligenz und nutzt lernende Algorithmen, um die Abläufe weiter zu optimieren. KI ist eine Chance und eine Herausforderung zugleich, unsere Ansprüche und unsere industrielle Stellung in der Welt auch zukünftig halten und ausbauen zu können.