Exklusiv für Abonnenten

Datenkompetenz strukturiert erhöhen

5-Stufen-Plan für KI-Applikationen

Ab einer gewissen digitalen Reife ist die Projektierung von KI-Applikationen nicht nur möglich, sondern verspricht besonders großen Nutzen. Im Rahmen eines Fünf-Stufen-Konzeptes können Fertigungsunternehmen ihren Weg vom KI-Einstieg bis hin zu sehr elaborierten Applikationen gestalten.

(Bild: ©CGI Deutschland B.V. & Co. KG)

Die Erhöhung der Gesamtanlageneffektivität (OEE – Overall Equipment Effectiveness) ist ein wichtiges Ziel vieler Fertiger. Ab einem gewissen Niveau geht das kaum noch ohne Ermittlung und Nutzung relevanter Daten aus den Anlagen. Doch das lokale Erheben und Speichern der IoT-Daten von Steuerungen in einer Produktionsstraße reicht allerdings oft nicht aus. Wichtig ist vielmehr, diese Daten systemübergreifend zu vernetzen, um Erkenntnisse und Maßnahmen daraus abzuleiten. Um diese Fähigkeit zu erlangen, hat der IT-Dienstleister CGI für seine Kundenprojekte ein Fünf-Stufen-Konzept entwickelt. Auf jeder Stufe wird dabei ein bestimmter Grad an Automatisierung im Unternehmen realisiert.

1. Statische Regeln nutzen

Auf Level 1 geht es darum, statische Regeln festzulegen. Dabei werden Schwellenwerte und Grenzwerte durch Produktionsingenieure definiert, etwa hinsichtlich Durchsatz, Qualitätsrate oder Ausschussquote. Durch einen Soll-Ist-Vergleich können dann Abweichungen von der Norm in Produktionsprozessen erkannt werden. Basis für die effiziente Umsetzung ist eine gute Datenlage. Wichtig ist die Nutzung von IoT-Technik und Sensorik sowie Data Lakes, um Daten ohne kostspielige Datenbanken einzusammeln. Data Lakes sind auch eine gute Basis für weitreichende Big-Data-Analysen. Hilfreich ist zudem ein Echtzeit-Reporting, das im Unterschied zum rückblickenden Charakter von BI-Data-Warehouses einen Überblick zum aktuellen Stand in der Produktion gibt.

2. Fehler verstehen

Der zweite Schritt beinhaltet das Verstehen von Fehlern, das heißt die Identifizierung ungewöhnlicher Werte. Hierbei geht es um weit mehr als nur um das Messen von Abweichungen zwischen Schwellenwerten beziehungsweise Ist-Werten und Plan-Werten. Auf Basis einer persistenten Datenhaltung können auch historische Erkenntnisse gewonnen werden. Unter Nutzung statistischer Verfahren ist es dann zum Beispiel möglich, künftige Entwicklungen zu prognostizieren, etwa mit der Bestimmung des Zeitpunkts, an dem das nächste Event – etwa ein Produktionsstillstand – zu erwarten ist.

Für die Anomalie-Erkennung kommen auf diese Digitalisierungstufe künstliche Intelligenz wie Machine Learning zum Einsatz. Damit werden automatisch Anomalien in Datenströmen ermittelt, die Qualitäts- und Leistungsschwankungen repräsentieren. Basis dafür sind die mit vorhandenen Erkenntnissen angelernten Algorithmen. Am Markt sind etliche geeignete Algorithmen verfügbar, oft als Open-Source-Software und teilweise bereits vortrainiert. Solche KI-Anwendungen sind gerade für den industriellen Sektor vorhanden. Bereitgestellt werden sie vor allem von den Equipment-Herstellern für den Edge-Bereich.

Für Unternehmen besteht die erste Aufgabe darin, die Algorithmen im Trainingsmodus mit eigenen Daten zu füttern. Von entscheidender Bedeutung für die Anomalie-Erkennung ist eine umfangreiche Datenerhebung. Es handelt sich dabei um einen kontinuierlichen Prozess. Wenn Änderungen in den Daten bemerkt werden, kann der Algorithmus neu trainiert und damit weiter optimiert werden.

Das könnte Sie auch interessieren

Data Sharing birgt großes Potenzial, wird aber kaum genutzt. Rechtssicherheit, gemeinsame Modelle und finanzielle Anreize könnten Unternehmen zum Teilen bewegen, so repräsentative eine ZEW-Studie mit 1.400 Firmen.‣ weiterlesen

Laut der Staufen-Studie 'Performance-Treiber 2024' gehen acht von zehn der mehr als 200 befragten Industrieunternehmen davon aus, dass die Einführung neuer Technologien für einen Produktivitätsschub sorgen wird. Vor allem in der Datenanalyse werden große Potenziale gesehen.‣ weiterlesen

Mehr als 700 Ingenieure und Entwickler geben in aktueller Protolabs-Studie Einblicke zu momentanen und künftigen Herausforderungen der Produktentwicklung. Demnach wissen Unternehmen mit Problemen wie etwa Materialknappheit umzugehen. Andere Einflussfaktoren wirken sich jedoch stärker aus.‣ weiterlesen

Das TCS Thought Leadership Institute hat rund fast 1.300 CEOs und Führungskräfte zum Thema künstliche Intelligenz befragt. Mehr als die Hälfte der Befragten glaubt demnach, dass die Bedeutung von KI größer oder gleich groß sein wird wie die des Internets (54 Prozent) und des Smartphones (59 Prozent). Um von den Effekten durch KI zu profitieren, müssen sich jedoch vielerorts auch Strukturen ändern.‣ weiterlesen

Deutsche und Schweizer C-Level Manager sehen besonders für das Homeoffice Handlungsbedarf, um dort in der Zukunft sensible Daten besser zu schützen. Die Österreicher halten Smart-Building-Technologien für anfällig. Dies zeigen die Ergebnisse einer Studie des Security-Spezialisten Sophos.‣ weiterlesen

Leistungsfähige Mikrochips sind entscheidend für den erfolgreichen Einsatz von künstlicher Intelligenz (KI). Das am Karlsruher Institut für Technologie koordinierte, vom Bundesforschungsministerium geförderte Projekt EDAI verfolgt einen neuen Ansatz: Die Forschenden koppeln den Entwurf von KI-Algorithmen und KI-Chips.‣ weiterlesen

Washtec produziert Autowaschtechnik für Kunden auf der ganzen Welt. Der Erfinder der Portalwaschanlage beschäftigt rund 1.800 Angestellte in mehr als 80 Ländern und hat mehr als zehntausend Waschanlagen an sein Kundenportal angeschlossen. Die anfallenden Daten werden dazu genutzt, den Anlagenbetrieb zu optimieren und neue Services zu ermöglichen.‣ weiterlesen

Was mit Produkten wie Siri oder Alexa für das eigene Zuhause bereits im Alltag angekommen ist, könnte auch in Produktionsumgebungen Mehrwerte schaffen - die Sprachsteuerung von Maschinen. Der Embedded-KI-Spezialist Aitad zeigt die Möglichkeiten auf.‣ weiterlesen

Der Forschungsbeirat Industrie 4.0 stellt mit seiner Engineering-Roadmap und den darin enthaltenen Themenblöcken einen Rahmen für konkrete Forschungsschwerpunkte der nächsten zehn Jahre vor. Im Mittelpunkt stehen vier Hauptthemen.‣ weiterlesen

Die SPS wird im nächsten Jahr (2025) vom 25. bis zum 27. November in Nürnberg stattfinden und somit wieder auf den seit vielen Jahren bekannten Zeitraum zurückkehren.‣ weiterlesen

Laut aktuellem Lagebild Cyberkriminalität sind Taten aus dem Ausland erneut gestiegen während solche aus dem Inland leicht rückläufig waren. Mehr als 800 Unternehmen haben 2023 einen Ransomwareangriff angezeigt, wobei von einer weitaus höheren Dunkelziffer ausgegangen wird.‣ weiterlesen