Künstliche Intelligenz

Wenn Maschinen lernen, verändern sie das Problemlösen von uns Menschen. Dass sie uns ersetzen, ist dabei trotzdem ein unrealistisches Szenario. Vielmehr schaffen wir mit algorithmengestützter Problemlösung ein wichtiges Instrument, das uns Menschen zu besseren Entscheidungen verhilft.

Auch wenn noch lange die eigentlichen Anwendungen im Fokus der Fertigungsindustrie stehen werden, so kann man den technologischen Einfluss auf IT-Lösungen für die Smart Factory kaum mehr leugnen, insbesondere wenn es dabei um Künstliche Intelligenz (KI) geht. Aber nicht nur die Wissenschaft beschäftigt sich mit diesem Thema. Auch in der Industrie sind mittlerweile viele innovative KI-Lösungen angekommen – und ein Ende ist noch lange nicht in Sicht.

Künstliche Intelligenz (KI) wird oft diskutiert, aber ihre genaue Definition bleibt schwierig. Dieser Beitrag nähert sich dem Begriff der KI aus der Perspektive der Autonomie und untersucht zentrale Aspekte, die für die Entwicklung autonomer Systeme von Bedeutung sind. Dabei wird die Beziehung zwischen KI und menschlichem Verhalten thematisiert.

Der Weg zu einer effizienten und digitalen Supply Chain führt nicht nur über den Einsatz von Künstlicher Intelligenz, sondern auch durch das Überwinden grundlegender Prozessbarrieren und technischer Hürden. In diesem Beitrag wird aufgezeigt, warum erfolgreiche Digitalisierung mehr als nur technologische Optimierung erfordert und wie durch schnelle Entscheidungen und die richtige Vernetzung die Grundlage für den Einsatz von KI geschaffen werden kann.

Die Initiative „Industrie 4.0“ soll deutschen Unternehmen helfen, Datenpotenziale besser zu nutzen, insbesondere in der Instandhaltung. KI-gestützte Systeme ermöglichen vorausschauende Wartung, jedoch stellt die Undurchsichtigkeit der KI-Entscheidungsprozesse ein Hindernis dar. Dieser Beitrag beleuchtet technische und soziale Faktoren für den Einsatz von KI in Industrie 4.0.

n der Arbeitsplanung werden derzeit zumeist statische Bedingungen angenommen und vermeintlich optimale Fertigungsabfolgen vor dem Produktionsstart festgelegt. Dynamische Einflüsse während der Fertigung führen zu unsystematischen Umplanungen und einem ineffizienten Planungsergebnis. Im Folgenden wird daher ein Ansatz zur adaptiven Fertigungssteuerung mit Hilfe eines Genetischen Algorithmus präsentiert.

Cyber-Physical Systems (CPS) verbinden die reale mit der digitalen Welt und stellen IT-Experten vor neue Herausforderungen. Künstliche Intelligenz (KI) hilft, diese Komplexität zu meistern, indem sie Muster erkennt und die Zusammenarbeit zwischen Mensch und System fördert. Dies erfordert neue IT-Infrastrukturen, die CPS und klassische Systeme integrieren.

Steigende Rechenleistungen und sinkende Kosten ermöglichen den Einsatz von Machine Learning (ML) in der Produktion. Herausforderungen liegen in der Identifizierung geeigneter Anwendungsgebiete, der Erkennung relevanter Learning Tasks und der Auswahl passender Datensätze. Dieser Beitrag beleuchtet Potenziale, passende Datensätze und Best Practices für den ML-Einsatz in der Produktion.

Künstliche Intelligenz (KI) und Lernende Systeme verändern Wertschöpfungsketten, Geschäftsmodelle und Beschäftigungsstrukturen in der Industrie radikal. Traditionelle Produkte werden in nahezu allen Branchen durch datengetriebene Services erweitert. Um mit dem internationalen Wettbewerb Schritt zu halten, müssen Unternehmen ihre Betriebsdaten mithilfe Künstlicher Intelligenz wirtschaftlich nutzbar machen.

Mit der zunehmenden Verfügbarkeit von IoT-Devices und einer deutlich stärkeren Vernetzung der Fertigung mit Internet-Technologien rückt auch eine Verbesserung der Fabriksteuerung durch den Einsatz Künstlicher Intelligenz (KI) in den Vordergrund. Dieser Beitrag beschreibt am Beispiel einer variantenreichen Serienfertigung, welche Schritte zu gehen sind, um mit KI die Fabriksteuerung zu verbessern.