Künstliche Intelligenz zur Steigerung der Energieeffizienz - Factory Innovation
Energie und Ressourcen

Künstliche Intelligenz zur Steigerung der Energieeffizienz

In fünf Schritten die relevanten Anforderungen erheben

Lesedauer: 10 Minuten

14. Juli 2022 von Dennis Bode und Henry Ekwaro-Osire/BIBA – Bremer Institut für Produktion und Logistik GmbH und Klaus-Dieter Thoben/Universität Bremen/BIBA

Künstliche Intelligenz zur Steigerung der Energieeffizienz
© lassedesignen – Adobe Stock

Energieeffizienz gewinnt eine immer stärkere Bedeutung in allen Branchen des produzierenden Gewerbes. Technologien aus den Bereichen Digitalisierung und künstlicher Intelligenz (KI) können innovative Lösungen für eine energieeffizientere Herstellung leisten. Dieser Beitrag stellt ein Vorgehen zur Erfassung der Anforderungen bei der Durchführung innovativer Digitalisierungs- und KI-Projekte zur Steigerung der Energieeffizienz im produzierenden Gewerbe vor.

Der Einsatz innovativer KI-Lösungen kann einen entscheidenden Beitrag zur Steigerung der Energie- effizienz produzierender Unternehmen leisten. Vor allem bei wechselnden Produktionsbedingungen bedingt durch schwankende Rohwarenqualität oder Umweltflüsse, ist die kontinuierliche und dynamische Einstellung energieeffizienter Prozessparameter eine komplexe Aufgabe. Im Fokus der Unternehmen steht häufig vor allem die Sicherung der Produktqualität. Die datengetriebene Modellierung von Produktionsprozessen mit KI-unterstützten Modellen und anschließender Optimierung bezüglich der Produktqualität und des Energieverbrauchs kann unterstützen, die Energieeffizienz der Produktion zu verbessern.

Auch weitere Einsatzgebiete wie die KI-gestützte Identifizierung von Energieverbrauchs-optimalen Wartungsvorgängen für Produktionsanlagen, die Erzeugung einer Energiedaten-Transparenz oder die modellbasierte Vorhersage von Energieverbräuchen erfordern den Einsatz komplexer Ansätze der künstlichen Intelligenz und Digitalisierung.

Die Anforderungsanalyse als Basis für den Erfolg

Die erfolgreiche Anwendung von KI zur Steigerung der Energieeffizienz wird zu Beginn eines Projekts durch eine zielgerichtete Anforderungsanalyse ermöglicht. Insbesondere bei Lösungsansätzen in den Bereichen Digitalisierung und KI ist dies wichtig, da die Schnittstellen zu Mitarbeitenden und bestehender Infrastruktur hier besonders groß sind. Werden Bedürfnisse und technische Randbedingungen zu Beginn nicht beachtet und bei der Entwicklung nicht berücksichtigt, verringert dies den Nutzen und die Akzeptanz der entwickelten Lösung. Im schlechtesten Fall ist sogar der sinnvolle Einsatz im späteren Produktivbetrieb gefährdet. Vorhandene Energiesparpotenziale können dann nicht wie geplant vollumfänglich ausgeschöpft werden.

Die Herausforderung bei der Anforderungsanalyse ist, dass die Mehrheit der Mitarbeitenden wenig oder keine Erfahrungen und Berührungspunkte mit KI vorweisen können. Das betrifft zum einen die Gruppe der Produktionsmitarbeitenden, die später mit der KI als Assistenz arbeiten sollen. Zum anderen haben dieses Defizit auch Führungskräfte, die auf Grundlage der angestrebten Lösung strategische Unternehmensentscheidungen treffen müssen. Im Gegensatz zu großen Unternehmen sind bei kleinen und mittelständischen Unternehmen erschwerend häufig auch keine auf den Einsatz von Digitalisierung und KI spezialisierten Fachleute vorhanden [1] .

Dies führt zu der Herausforderung, dass die Mehrheit der eigenen Mitarbeitenden sehr starke Unterstützung bei der Definition von Anforderungen an Lösungen basierend auf KI und Digitalisierung benötigt. Denn durch das fehlende Verständnis der Funktionsweise ist auch die Vorstellungskraft bezüglich der Potenziale, Einschränkungen und Voraussetzungen beim Einsatz von KI gehemmt. Gerade diese Vorstellungskraft ist jedoch bei der Identifizierung von relevanten Anforderungen zwingend erforderlich. Die Anforderungen der Endnutzenden sind entscheidend für den Erfolg der Lösung und müssen daher gründlich aufgenommen werden.

Mit dem richtigen Vorgehen kann trotz der genannten Herausforderungen die Erstellung einer umfangreichen und detaillierten Anforderungssammlung ermöglicht werden.

Anforderungserfassung in KI-Projekten

Das Requirements Engineering (RE) befasst sich mit Anforderungen. Der RE-Prozess besteht aus Erfassung, Analyse, Spezifikation, Validierung und Verifikation und Verwaltung [2-4]. Dieser Beitrag fokussiert die Erfassung im Kontext von KI-Projekten.

image 11
fi 3 22 bode tabelle 1 web
Tabelle 1: Überblick über Techniken zur Ermittlung von Anforderungen einschließlich ausgewählter Beispiele für Vor- und Nachteile

Tabelle 1 listet ausgewählte Vor- und Nachteile der gängigsten Erfassungsmethoden aus Literatur und Praxis auf und kategorisiert diese wie in [5]. Es wurde festgestellt, dass keine Methode allein für die Erfüllung der genannten Ziele geeignet ist. Daher wurde ein Vorgehen aus einer Kombination und Anpassung der obigen Methoden entwickelt, das auf die beschriebene Problemstellung angepasst wurde.

image 7

Bild 1: Grafische Darstellung der Schritte des Vorgehens anhand der Vorlage für die Anforderungs-Workshops 

Anforderungen für den Einsatz in KI-Lösungen

Das entwickelte Vorgehen wird im Folgenden Schritt für Schritt vorgestellt und ist in Bild 1 dargestellt.

  1. Identifizierung von Sichtweisen und Rollen
    Wie bereits erwähnt, ist die Gruppe der Beteiligten bei der Umsetzung von KI- und Digitalisierungsprojekten sehr vielfältig. Nach Analyse der Autoren müssen zumindest EntwicklerInnen, ImplementiererInnen und Nutzende der zu entwickelnden Lösung einbezogen werden. Häufig können zudem innerhalb dieser übergeordneten Gruppierungen weitere unterschiedliche Rollen identifiziert werden. Alle diese Rollen haben eigene Aufgaben in Verbindung mit dem geplanten KI-Vorhaben und müssen in die Anforderungsanalyse einbezogen werden.
  2. Definition von Kategorien
    Nach dem Vorbild eines strukturierten Interviews werden im zweiten Schritt Kategorien definiert, für die Anforderungen gesammelt werden sollen. Auf die strikte Vorgabe von Fragen wird verzichtet, um den AnforderungsgeberInnen Flexibilität und Interpretationsspielraum der Kategorie für die eigenen Aufgaben einräumen zu können. Neben technischen Kategorien können hier auch betriebswirtschaftliche Aspekte oder Fragen der Nutzerfreundlichkeit betrachtet werden. Die Vorgabe von Kategorien ist aufgrund der häufig fehlenden Erfahrungen der Mitarbeitenden mit KI-Lösungen notwendig. Sie soll die Diskussion breit öffnen und den AnforderungsgeberInnen eine Hilfestellung geben, welche Themenfelder bei der Nutzung der KI betrachtet werden.
  3. Durchführung eines Workshops
    Nach der Definition der Rollen und der Aufstellung der Themenfelder werden die Anforderungen im Rahmen eines Workshops aufgenommen. An diesem Workshop müssen alle definierten Rollen mindestens durch eine Person vertreten sein. Da den Personen die direkte Formulierung von Anforderungen an die KI-Lösung aufgrund der mangelnden Erfahrung und des mangelnden Verständnisses der Funktionsweise häufig schwerfällt, werden die Anforderungen über eine Hilfestellung erhoben.
    Vorbild sind Elemente der Methode des „Value Proposition Canvas“ [12], die in Kombination mit den Kategorien und Rollen angewandt werden. Dabei werden zunächst für jede Rolle „Jobs“ in den unterschiedlichen Kategorien definiert, die die MitarbeiterInnen in Zusammenhang mit Digitalisierung und KI oder mit KI-Unterstützung erledigen müssen. Für jeden „Job“ überlegen die MitarbeiterInnen, welche Schwierigkeiten („Pains“) sie bei Erledigung dieses Jobs haben. Als dritter Schritt wird angegeben, welche Maßnahmen und Ideen zur Erleichterung oder Beschleunigung dieses Jobs helfen würden („Gains“). Mit dieser stufenweisen Heranführung werden die Aspekte der eigentlichen Grundanforderungen schrittweise gemeinsam für die unterschiedlichen Rollen erhoben.
  4. Ableitung der Anforderungen für die KI-/Digitalisierungslösungen
    Die resultierenden Anforderungen werden nach dem Workshop von KI-ExpertInnen mit Kenntnissen aus dem RE auf Basis der „Jobs“, „Pains“ und „Gains“ abgeleitet und definiert. Idealerweise sind die KI-ExpertInnen zugleich ModeratorInnen des Workshops. Der Grund für die Ableitung der Anforderung nach dem Workshop ist, dass die Nutzenden nicht selbst KI-ExpertInnen sind. Sie können daher nicht einschätzen, was die beste Lösung wäre. Das bekannte Zitat (oft unbewiesen, Henry Ford zugeschrieben) ist hier treffend. Dieser hatte behauptet, wenn er seine Kunden gefragt hätte, was sie wollen, hätten sie gesagt, schnellere Pferde. Deswegen ist es bei der Ableitung wichtig, das Kernbedürfnis innerhalb der „Pain“ und „Gain“ zu identifizieren. Die Anforderungen sollen nicht lösungsorientiert definiert sein, sondern bedürfnisorientiert. Somit wird vermieden, den Lösungsraum zu früh einzugrenzen.
  5. Verwaltung der gesammelten Anforderungen
    Die Anforderungen können über bestehende Systeme zum Anforderungsmanagement gespeichert werden. Sinnvoll ist eine Kennzeichnung der Kategorien und Sichtweisen, aus denen diese Anforderung entstanden ist.
image 8

Bild 2: Beispielhafte Einträge und erhobene Anforderungen im Rahmen des Vorgehens 

Die für die Durchführung der Workshops verwendete Vorlage inklusive Kennzeichnung der einzelnen Schritte des Vorgehens ist in Bild 2 dargestellt. Es zeigt ein Beispiel der Rollen und Kategorien. Darin wurden für die Beispielkategorien „Prozesssteuerung“ und „Optimierung“ aus Sicht der Beispiel-Rolle „Operator“ jeweils ein „Job“ (gelb) mit zugehörigem „Pain“ (rot) und „Gain“ (blau) aufgenommen. Die daraus entstehende Anforderung „weiß“ resultiert aus den Eintragungen der vorherigen Spalten.

Entwicklung einer Forschungs- und Technologieplattform

Entwickelt, angewandt und evaluiert wird das beschriebene Vorgehen im Rahmen der Entwicklung einer Forschungs- und Technologieplattform zur Steigerung der Energieeffizienz, genannt „ecoKI“. Diese Plattform wird von Forschungseinrichtungen entwickelt und soll im späteren Betrieb Unternehmen konfigurierbare KI- und Digitalisierungsbausteine zur Verfügung stellen. Im Fokus steht dabei die einfache und niedrigschwellige Anwendung dieser Technologien in der eigenen Produktion zur Steigerung der Energieeffizienz mit datengetriebenen Methoden. Auch die Wartbarkeit und einfache sowie schnelle Anpassung von bereitgestellten KI-Lösungen bei Veränderungen in der eigenen Produktion soll durch die Plattform unterstützt werden. Das Konzept sieht vor, dass die Menge an bereitgestellten Lösungen für generische Problemstellungen in Bezug auf das Thema Energie mit der Zahl der Anwendungen stetig weiter steigt. Eine Neuentwicklung, Weiterentwicklung und ein Feinschliff vorhandener Bausteine auf Basis der Anforderungen und Umsetzungen der nutzenden Industrieunternehmen sind Teil des Konzepts. In Bild 3 ist dieses grafisch dargestellt.

Bode Bild3
Bild 3: Konzept der ecoKI-Plattform [13]

Im Rahmen der Anforderungserfassung für den Aufbau dieser Plattform werden Industrieunternehmen nach dem vorgestellten Vorgehen eingebunden. Zusätzlich wurden für vergangene Projekte in internen Workshops die Anforderungen dieser Projekte auf Basis der Erfahrungen und vorhandenen Dokumenten nachträglich abgebildet. Die Details und Erfahrungen bei der Anwendung des Vorgehens werden im Folgenden für jeden Schritt dargelegt.

  1. Identifizierung von Sichtweisen und Rollen
    Für die Anforderungserfassung der Plattform wurden alle Beteiligten einbezogen. Es wurden folgende Rollen identifiziert:
    • EntwicklerIn der generischen Bausteine und der Plattform
    • AnwendungsingenieurIn für die Implementierung der Bausteine auf konkrete Problemstellungen bei einem Unternehmen
    • Anwender eines Unternehmens für die KI-Lösungen zur Steigerung der Energieeffizienz.
      Hier wurden außerdem die Sub-Rollen Operator, IT-ExpertIn und ManagerIn identifiziert.
      Für die Anforderungserfassung der Plattform bilden diese Gruppen die wesentlichen Akteure ab. Aus Sicht der Autoren ist diese Unterteilung auch für andere KI- und Digitalisierungsprojekte sinnvoll. Natürlich können weitere Gruppen hinzugefügt werden.
  2. Definition der Kategorien
    Für die Kategorien wurden zwei Gruppen betrachtet. Zum einen der generische technische KI-Projektablauf mit den Kategorien „Prozesserfassung“, „Datenintegration“, „Modellierung“,„Optimierung“ und „Prozesssteuerung“. Außerdem wurden übergreifende Themen betrachtet. Dazu zählen „IT-Sicherheit“, „IT-Infrastruktur“,„Wirtschaftlichkeit“, „Unabhängige Nutzbarkeit“ und „Rechtliches“. Nach Erfahrung der Autoren sind diese Kategorien ein guter erweiterbarer Startpunkt für die Anforderungsanalyse in KI- und Digitalisierungsprojekten.
  3. Durchführung der Workshops
    Das Konzept hat bisher zur Anforderungserfassung bei dieser Anwendung sehr gute Ergebnisse geliefert. An den Workshops nahmen jeweils zwei Mitglieder der Forschungseinrichtungen teil, die Moderation und Dokumentation der Ergebnisse übernahmen. Aus den Unternehmen nahmen jeweils mindestens drei Personen teil, die die unterschiedlichen Rollen im Unternehmen repräsentieren. Aufgrund der Coronavirus-Pandemie fand ein Großteil der Workshops online statt. Die Workshops dauerten 90 Minuten. Von den Teilnehmenden wurde das Feedback erhalten, dass sowohl die Kategorien als auch die Untergliederung in „Jobs“, „Pains“ und „Gains“ die Produktivität bei der Anforderungserfassung stark unterstützt haben.
  4. Ableitung der Anforderungen für die KI- und Digitalisierungslösungen
    Die Anforderungen wurden nach den Workshops vom Moderationsteam gemeinsam abgeleitet. Auf Basis der Workshop-Dokumentation war dies für alle Anforderungen problemlos möglich.
  5. Teilen und Speichern der Anforderungen
    Die Anforderungen aus den Workshops wurden mithilfe des Ticketsystems „Redmine“ eingepflegt und auf diese Weise für die nachfolgenden Entwicklungsschritte zur Verfügung gestellt.

Insgesamt waren die Erfahrungen mit diesem Vorgehen zur Erfassung von Anforderungen für die Entwicklung einer Plattform zur Steigerung der Energieeffizienz mit Digitalisierung und KI sehr positiv. Bisher wurden neun Projekte bzw. Untersuchungen in die Analyse eingebunden, die in derzeit etwa 130 validen Anforderungen resultierten. Die Anforderungsanalyse ist derzeit noch in der Durchführung und vollständige Ergebnisse sind erst nach Abschluss verfügbar.

Ausblick

In der Anwendung hat sich das entwickelte Vorgehen als sehr geeignet für die Aufnahme von Anforderungen für Digitalisierungs- und KI-Projekte erwiesen. Als zukünftige weitere Verbesserung des Vorgehens werden derzeit zusätzliche Anforderungskategorien untersucht und evaluiert, die eine Relevanz für dieses Thema haben. Ein Beispiel dafür sind sozialwissenschaftliche Fragestellungen bezüglich der Akzeptanz von KI-Lösungen durch die Mitarbeitenden. Außerdem ist eine detaillierte Abstimmung des Moderationsvorgehens während des Workshops geplant.

Dieser Beitrag entstand im Rahmen des Projekts ecoKI „Entwicklung einer Forschungs- und Technologieplattform „Steigerung der Energieeffizienz mit Digitalisierung und KI“, das vom Bundesministerium für Wirtschaft und Energie unter dem Kennzeichen 03EN2047A gefördert wird.

Dieser Beitrag stellt eine Zusammenfassung des Beitrags “Anforderungen an den Einsatz von Digitalisierung und KI“ – veröffentlicht in der Industrie 4.0 Management Ausgabe 1.2022 – dar.

AnforderungsanalyseDigitalisierungEnergieeffizienzKünstliche IntelligenzProduktionsprozessRequirements Engineering


Literatur:

[1] Brockhaus, C. P.; Bischoff, T. S.; Haverkamp, K.; Proeger, T.; Thonipara, A.: Digitalisierung von kleinen und mittleren Unternehmen in Deutschland – ein Forschungsüberblick. 2020.

[2] Christel, M. G.; Kang, K. C.: Issues in Requirements Elicitation. Fort Belvoir, Virginia, USA 1992.

[3] Kotonya, G.; Sommerville, I.: Requirements engineering. Processes and techniques. In: Kotonya, G.; Sommerville, I.: Worldwide series in computer science. Chichester, UK 1998.

[4] Berenbach, B.: Software & systems requirements engineering. In: Berenbach, B. u. a.: practice. New York, USA 2009.

[5] Pacheco, C.; Garc.a, I.; Reyes, M.: Requirements elicitation techniques: a systematic literature review based on the maturity of the techniques. In: IET softw. 4 (2018), S. 365-378.

[6] Farinha, C.; da Silva, M. M.: Requirements Elicitation with Web-Based Focus Groups. In: Pooley, J. (Hrsg): Information systems development. Reflections, challenges and new directions. New York, USA 2013.

[7] Ribeiro, C.; Farinha, C.; Pereira, J.; Da Mira Silva, M.: Gamifying requirement elicitation: Practical implications and outcomes in improving stakeholders collaboration. In: Entertainment Computing 4 (2014), S. 335-345.

[8] Ordóñez, H.; Villada, A. F. E.; Vanegas, D. L. V.; Cobos, C.; Ord..ez, A.; Segovia, R.: An Impact Study of Business Process Models for Requirements Elicitation in XP. In: Gervasi (Hrsg): Computational Science and Its Applications, vol. 9155 (2015), S. 298-312.

[9] Castaneda, V.; Ballejos, L.C.; Caliusco, M. L.; Galli, M.: The Use of Ontologies in Requirements Engineering. In: Global Journal of Research. In: Engineering vol. 10 (2010).

[10] Blomberg, J.; Giacomi, J.; Mosher, A.; Swenton-Wall, P.: Ethnographic Field Methods and Their Relation to Design, S. 123-155.

[11] Sommerville, I.; Rodden, T.; Sawyer, P.; Bentley, R.; Twidale, M.: Integrating ethnography into the requirements engineering process. In: Proceedings of the IEEE (1992), S. 165-173.

[12] Clark, T.; Osterwalder, A.; Pigneur, Y.: Business Model You. A One-Page Method For Reinventing Your Career. Hoboken, New Jersey, USA 2012.

[13] ecoKI. Forschungs- und Technologieplattform: Steigerung der Energieeffizienz in der Produktion durch Digitalisierung und KI. URL: www. ecoki.de, Abrufdatum 28.09.2021.




Das könnte Sie auch interessieren

Anbieterportal

Premium

GFOS mbH

45141 Essen
Abels&Kemmner
Premium

Abels&Kemmner

52134 Herzogenrath
Premium

GUS ERP GmbH

50933 Köln
Potsdam Consulting Advisory GmbH
Premium

Potsdam Consulting Advisory GmbH

Leistungen

Services

Beratung

14057 Berlin
Premium

ORSOFT GmbH

04109 Leipzig

alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)