KI-Anwendungsfälle von After Sales bis Zielgruppenselektion

In kaum einer anderen Branche lassen sich durch die Kombination neuer Technologien und vorhandener Daten so viele interessante Anwendungsfälle ableiten wie in der Produktion. Für künstliche Intelligenz etwa lassen sich Einsatzmöglichkeiten entlang der gesamten Wertschöpfungskette finden, von der ersten Produktidee bis hin zur Wartung.

(Bild: ©Pugun-und-Photo-Studio/stock.adobe.com)

Ausgangspunkt für KI-Projekte sind stets Daten. Sie sind der Rohstoff. Durch verbaute Sensoren an Maschinen und Produkten entstehen im produzierenden Gewerbe permanent Daten. Als weitere Quellen kommen Datenströme zwischen Unternehmenseinheiten, Lieferanten und Kunden hinzu. Für die Unternehmen geht es darum, diese zu bündeln und verfügbar zu machen – unter Achtung aller Vorgaben zum Datenschutz.

Der Rohstoff für KI

Was KI exakt ist, ist letztlich nicht klar definiert. In diesem Zusammenhang wird KI daher pragmatisch als ein Teilgebiet der Informatik definiert, das sich mit der Abbildung intelligenten menschlichen Verhaltens durch IT befasst. Übertragen auf Anwendungsfälle bedeutet das, dass in KI-Systemen Modelle entstehen, die bestimmte Aufgaben selbstständig lösen. Dem Feld der KI lässt sich ein breites Set an Methoden, Verfahren und Technologien zuordnen.

Für die unten aufgeführten Anwendungsfälle sind insbesondere die Teilgebiete Machine Learning und Deep Learning relevant. Machine Learning ist die Fähigkeit, auf Basis von Daten ein Modell zu erlernen. Selbstlernende Algorithmen entwickeln dabei aus Trainingsdaten Regeln, anhand derer das System eigenständig in großen Datenmengen Muster identifiziert. Deep Learning ist eine Disziplin des Machine Learnings, die in sogenannten neuronalen Netzen mit mehreren, hintereinander geschalteten Schichten komplexere Zusammenhänge erkennt.

Diese Methode ist der Wegbereiter für KI-Verfahren wie der Bildkennung, die es Systemen erlaubt, ihre Umgebung zu beobachten. Auch für die Umwandlung gesprochener Worte und Sätze zu geschriebenem Text oder andersherum (Text-to-Voice / Voice-to-Text) sowie für die Algorithmus-basierte Textanalyse (Text-Mining) ist Deep Learning der Wegbereiter.

Wie sich diese Methoden und Verfahren von Unternehmen des produzierenden Gewerbes einsetzen lassen, zeigen die folgenden Anwendungsfälle. Der Fokus liegt auf den Unternehmensbereichen Forschung und Entwicklung (F&E), Produktion, Supply Chain Management (SCM) und Sales / After-Sales.

Das könnte Sie auch interessieren

Der VDMA hat die Produktionsprognose für das laufende Jahr angehoben. War der Verband bisher von einem Zuwachs von 4 Prozent ausgegangen, so rechnet man nun mit einem Produktionsplus von 7 Prozent.‣ weiterlesen

Anzeige

Low-Code/No-Code-Entwicklungen bieten Potenzial für Industrieunternehmen. Dadurch wird Software-Programmierung auch Mitarbeitern zugänglich, die nicht über tiefes Fachwissen verfügen. Mendix hat in einer Studie untersucht, wie es um den Low-Code/No-Code-Ansatz in Deutschland bestellt ist.‣ weiterlesen

Anzeige

Exklusiv für Abonnenten

Die Corona-Pandemie führte in 63 Prozent der Industrieunternehmen zu einem Innovationsschub. Das ergab die repräsentative Befragung 'Industrie 4.0 – so digital sind Deutschlands Fabriken‘ des Bitkom. Zudem gaben in der jährlich erhobenen Untersuchung erstmals 100 Prozent der Teilnehmer an, sich mit Industrie 4.0 zu beschäftigen.‣ weiterlesen

Anzeige

Es sei an der Zeit, dass die EU ihre digitale Souveränität stärkt, schrieben Bundeskanzlerin Angela Merkel und Amtskolleginnen kürzlich in einem offenen Brief. Doch wie lässt sich das komplexe Ziel in konkrete Handlung übersetzen? Der Impuls 'Digitale Souveränität' von Acatech soll den Rahmen schaffen: Ein neues Schichtenmodell unterscheidet dabei acht Ebenen digitaler Souveränität, anhand derer sich punktgenaue Handlungsoptionen ergeben.‣ weiterlesen

Exklusiv für Abonnenten

Betriebsräte im Maschinen- und Anlagenbau blicken verhalten optimistisch in die Zukunft. Investitionsstau und kostengetriebene Restrukturierungen gefährden laut des IG-Metall-Trendmelders den Aufschwung.‣ weiterlesen

Crate.io, Entwickler und Anbieter der für den Einsatz in IIoT-Umgebungen optimierten CrateDB, gibt bekannt, dass CrateDB ab sofort eine vollständig quelloffene Datenbanklösung ist.‣ weiterlesen