5-Stufen-Plan für KI-Applikationen

3. Fehler früh erkennen

Level 3 des Reifegrad-Modells umfasst das frühe Erkennen von Fehlern unter Einsatz von KI- und ML-Systemen. Genutzt werden dabei Algorithmen für die Event-Korrelation und Root-Cause-Analysen, die Zusammenhänge zwischen Fehlern und Ursachen herstellen. Dabei werden Datenströme untersucht, um Muster in der Vergangenheit zu erkennen, als Fehler auftraten. Das heißt, Fehler werden im Kontext vorhergehender Ereignisse gesehen. Ein Beispiel für ein solches Ereignis könnte das verstärkte Auftreten von Vibrationen sein.

Als anerkanntes Verfahren für die Abdeckung der Level-3-Anforderungen gilt CRISP-DM (Cross-Industry Standard Process for Data-Mining). Damit kann ein Unternehmen Muster erkennen und darauf aufbauend entsprechende Maßnahmen initiieren. Prinzipiell zielt die Level-3-Stufe auf das Erkennen von Ereignissen ab, bevor sie eintreten. Mittels KI werden dabei Wahrscheinlichkeiten, etwa für unerwartete Störungen oder Leistungsverluste, ermittelt. Für Unternehmen besteht dadurch die Möglichkeit, eine ungeplante Downtime in eine geplante Downtime zu überführen. Auch für die erfolgreiche Umsetzung der Level-3-Stufe ist die Grundvoraussetzung, dass ausreichend Daten verfügbar sind.

4. Empfehlungen anzeigen

In der vierten Stufe werden auf Basis der gewonnenen Erkenntnisse und der frühen Fehlererkennung konkrete Lösungsvorschläge und Maßnahmenpläne abgeleitet, also Empfehlungen für die Fehlerbehebung. Hierbei kommt eine KI-basierte Recommendation Engine zum Einsatz. Ihre für die Anzeige von Empfehlungen genutzten Algorithmen basieren auf der Mustererkennung und historischen Daten für die Fehlerbehebung. Das heißt, die beste Lösung für den aktuellen Fehler – die Next-Best-Action – wird somit aufgrund von gelernten vorherigen Lösungen vorgeschlagen. Die Validierung kann zum Beispiel über einen A/B Test erfolgen. So weiß ein Unternehmen, was funktioniert und was nicht.

5. Empfehlungen ausführen

Im letzten Schritt wird eine automatische Durchführung der Problemlösung beziehungsweise Fehlerbeseitigung projektiert. Technische Grundlage hierfür sind das Reinforcement Learning und ein digitaler Zwilling der Produktionsstraße. Beim Reinforcement Learning werden auf Basis eines Belohnungssystems Agenten trainiert und für komplexe Entscheidungssituationen eingesetzt. Dabei können neue, bisher nicht erfasste Entscheidungssituationen maschinell erzeugt und für ein erweitertes Training der Agenten genutzt werden, um damit eine höhere Entscheidungssicherheit zu erzielen. Auf dem Digital Twin, also dem digitalen Abbild des Prozesses, werden durch Software-Agenten autonom Lösungen gefunden.

Ein solcher digitaler Zwilling bietet unter anderem die Möglichkeit, Simulationen durchzuführen, also Trainingsdaten simulativ abzuleiten und der KI zum Lernen zur Verfügung zu stellen. Damit sind auch Fehler analysierbar, die noch nie aufgetreten sind. Um diese fünfte Stufe des Modells zu erreichen, ist ein extrem hoher Datenreifegrad erforderlich. Außerdem stellt sich bei Level-5-Szenarien immer die Frage, inwieweit ein Unternehmen seinen kontrollierenden Einfluss verlieren will. Hier sind anwendungs- und anforderungsspezifisch individuelle Entscheidungen zu treffen.

Datum:28. April 2023

Autoren:Mario Pasi, Director Consulting Services, CGI Deutschland

Themen: Technik

Schlagwörter: plus

Webseite: www.de.cgi.com/de

Downloads: