Künstliche Intelligenz

Künstliche Intelligenz kann Maschinen die Fähigkeit geben, ihr Verhalten auf Basis von Erfahrungen zu verbessern. In der Industrie werden heute überwiegend Lösungen im Bereich des Machine Learning eingesetzt. Hierbei lernt der Computer aus Daten, ohne explizit für eine konkrete Aufgabe programmiert zu werden. Die KI ist in der Lage, Anomalien z. B. bei Maschinengeräuschen, Produktoberflächen) und Daten zu erkennen und dem Menschen zu signalisieren. Typische Anwendungsfälle liegen im Bereich der Werkerassistenz und Instandhaltung, bei denen schnell auf Abweichungen reagiert werden soll. Die Klassifizierung durch KI wird häufig im Bereich der Qualitätssicherung eingesetzt. Anwendungsfälle einer KI-basierten Prognose finden sich bisher überwiegend im Bereich Instandhaltung (Predictive Maintenance) bzw. Qualitätssicherung (Predictive Quality). Die Prognosefähigkeit wird aber auch im Bereich der Ressourcenplanung eingesetzt (z. B. Prognose von Auftragsendeterminen, Rüstzeiten, Maschinen- und Personalverfügbarkeiten etc.).

Strategischer Ansatz zur Umsetzung der Losgröße 1 Projekt CrimpProd-S integriert dezentrale, selbstlernende Systeme in die Produktion

Das Projekt „CrimpProd-S“ untersucht die Integration dezentraler, selbstlernender Produktionssteuerungssysteme im Kontext der Industrie 4.0. Ziel ist die wirtschaftliche Umsetzung kleiner Losgrößen hin zur kundenindividuellen Stückzahl 1 bei bestehenden Produktionsstrukturen. In diesem Beitrag wird die EntwicklungDurch die Entwicklung einer allgemeingültigen und übertragbaren Methode vorgestellt.

Skalierbarkeit von KI-Anwendungen in der Produktion Fertigung zwischen Insellösungen und systemübergreifenden Produktionsanlagen

Bereits heute existieren vereinzelt vielversprechende industrielle Anwendungen der Künstlichen Intelligenz, vor allem in den Bereichen Prozess- und Zustandsüberwachung. Heutige KI-Modelle werden jedoch ausschließlich als Insellösungen für einen Prozess und eine Maschine entwickelt. Wie gelingt daher eine breite Übertrag- und Skalierbarkeit der Anwendungen in der gesamten Produktion?

Der Kognitive Loop Und wie sich „Intelligenz“ auf Siliziumbasis konstelliert

In der Prozesstechnik basieren Produktionsoperationen auf Sensoren und Aktoren, die Stoffumwandlungsprozesse steuern. Der Beitrag unterscheidet dabei drei Ebenen: Funktion, Umwelt-Interface und Kognition. Diese Ebenen verdeutlichen den Lernzyklus und vergleichen menschliche Intelligenz mit Entwicklungen wie Automatisierung und Deep Learning. Die Analogie führt zu einem neuen „kognitiven Loop“ auf Silizium-Basis, der die Zukunft der Produktion prägen wird.

PLUGandWORK Maschinen und Komponenten für Industrie 4.0 befähigen

PLUGandWORK ist ein Konzept zur Interoperabilität in Industrie 4.0, bestehend aus konkreten Lösungen zur semantischen Beschreibung von Maschinen und Anlagen sowie deren Komponenten. Ziel ist es, manuelle Konfigurationsarbeiten weitgehend zu reduzieren und so allgemein verständliche, schnelle und sichere Verbindungen von Geräten und überlagerter Software zu erreichen.

Höhere Effizienz und neue Geschäftsmodelle Die Vernetzung bietet Unternehmen neue Chancen – und Herausforderungen

Die Vernetzung von Maschinen, Gegenständen und Assets macht aus Fabriken „Smart Factories“, die sich in letzter Konsequenz auf der Basis intelligenter Technologien selbst steuern. Aber was steckt hinter Begriffen wie „Industrial Internet of Things (IIoT)“ und „Industrie 4.0“? Und was daran ist so revolutionär, dass sie die industrielle Landschaft auch in Deutschland fundamental verändern werden?

Kollaborative Robotik – Maschinelles Lernen durch Imitation Flexible Automation für KMU dank intelligenter und kollaborativer Roboter

Der Trend zur kundenindividuellen Massenproduktion fordert kleine und mittlere Unternehmen heraus, den Spagat zwischen Flexibilität, Effizienz und Investitionsrisiko zu meistern. Klassische Automationslösungen stoßen hier an ihre Grenzen. Ein vielversprechender Ansatz ist die Kombination aus flexibler Robotik und KI, die in einem Demonstrator mit einem kollaborativen Roboterassistenten gezeigt wird.

Muster statt Logik Wie algorithmengestützte Lösungen unser Entscheidungsverhalten verbessern

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.

Lifecycle Monitoring intelligenter Produktionssysteme Ein innovatives Konzept für die Einführung von Smart Maintenance

Für eine effiziente Fertigung müssen Produktionssysteme in der Lage sein, mit Maschinen und Menschen zu kommunizieren, den Verschleiß von Komponenten zu überwachen und ihr Verhalten anzupassen. Dieser Beitrag bietet einen Überblick über die Entwicklung intelligenter Produktionssysteme und diskutiert die technischen sowie organisatorischen Voraussetzungen für Smart Maintenance in verfügbarkeitsorientierten Geschäftsmodellen.

KI revolutioniert die Fertigungs-IT Potenziale und Anwendungen in der Smart Factory

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.

Autonomes Verhalten und Künstliche Intelligenz Die Rolle des maschinellen Lernens in der Entwicklung autonomer Systeme

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.