Künstliche Intelligenz für KMU: ein Leitfaden

Exklusiv für Abonnenten

Problemselektion

Die Problemselektion leitet den Prozess ein. Ziel ist es, die vorhandenen Produktions- oder Kundenprobleme hinsichtlich unterschiedlicher Kriterien (u.a. Relevanz und Komplexität) gegeneinander abzuwägen und schließlich eine geeignete Problemstellung für ein KI-Projekt zu identifizieren. Sinnvollerweise werden zunächst weniger komplexe Probleme adressiert, die aber sehr relevant für das eigene Unternehmen sind. In der anschließenden Phase des Lösungsentwurfs wird der vorhandene Ist-Zustand visualisiert und ein möglicher Soll-Zustand entworfen. Durch Gegenüberstellung der beiden Zustände werden Maßnahmen identifiziert, auf deren Grundlage eine finanzielle Bewertung stattfinden kann. Im Falle einer positiven Bewertung wird der Lösungsentwurf in der abschließenden Phase Lösungsentwicklung bearbeitet.

Lösungsentwicklung

Die Lösungsentwicklung (Grafik) umfasst die Projektdefinition, die Datenaufnahme, das Herstellen des Verständnisses der Daten, das Prototyping und die Umsetzung. In der Projektdefinition ordnet das Projektteam – bestehend aus unterschiedlichen Expertengruppen – die funktionalen und infrastrukturellen Anforderungen den Projektmeilensteinen zu. Nach der Projektdefinition beginnen die Datenaufnahme und das Datenverständnis. Dabei gilt es, zwei Schritte zu berücksichtigen:

• •  Domänenverständnis: Domänenexperten erklären den Data Scientists den Prozess, die Datenquellen und Abhängigkeiten für die Definition der IT-Infrastruktur (einschließlich der erforderlichen Sensorik). Anschließend erfolgt die Datenerfassung.
• •  Explorative Datenanalyse: Erste Erkenntnisse über die Daten und ihre Qualität sind gewonnen, Datensätze werden zusammengefasst, die Datenverteilung visualisiert, Ausreißer identifiziert und behandelt.

Durch das Prototyping lässt sich feststellen, ob die verfügbaren Daten und entwickelten Modelle das Problem lösen können. Dabei ist folgendes Vorgehen sinnvoll:

• • Durchführung der Datenvorbereitung
• •  Bewertung der Modellierung sowie der ausgewählten Algorithmen anhand der zuvor definierten Leistungskennzahlen
• •  Auswahl des besten Modells anhand von Bewertungsmetriken sowie weiterer Faktoren (z.B. Rechenzeit, Latenzzeit, etc.)
• •  Training, Testen und Validieren des ausgewählten Modells
• • Im Rahmen der Umsetzung wird folgendes Vorgehen vorgeschlagen:
• •  Integration des Modells in die IT-Infrastruktur: Das integrierte Modell wird getestet und parallel im operativen Umfeld ausgeführt.
• •  Abschluss des Testens: Beginnt sobald das Modell mit neuen, ungesehenen Daten aus dem Betrieb gute Ergebnisse erzielt.
• •  Überwachung und Aktualisierung: Definition und Durchführung von Aufgaben, die zur Überprüfung und Verbesserung der Lösung während des laufenden Betriebs notwendig sind.

Zusammenfassung und Ausblick

Die Handlungsempfehlungen stellen ein systematisches Vorgehen für die Einführung von KI-Technologien in KMU des Maschinen- und Anlagenbaus dar. Sie können ihnen als Wegweiser dienen, um ein eigenes KI-Projekt technisch und wirtschaftlich erfolgreich durchzuführen. Für Unternehmen, die sich strategisch mit dem Thema Künstliche Intelligenz auseinandersetzen wollen, stehen für den Implementierungsprozess zahlreiche öffentliche Unterstützungsangebote zur Verfügung, die sich mit industrierelevanten Fragestellungen auseinandersetzen.

Das könnte Sie auch interessieren

Technik

Hannover Messe 2024: Die Industrie auf dem Weg zu mehr Nachhaltigkeit

Vom 22. bis zum 26. April wird Hannover zum Schaufenster für die Industrie. Neben künstlicher Intelligenz sollen insbesondere Produkte und Services für eine nachhaltigere Industrie im Fokus stehen.‣ weiterlesen

Technik

Deutsche Industrie sieht Data Act als Chance

Eine Umfrage von Hewlett Packard Enterprise (HPE) unter 400 Führungskräften in Industrie-Unternehmen in Deutschland zeigt, dass zwei Drittel der Befragten den Data Act als Chance wahrnehmen. Der Data Act stieß unter anderem bei Branchenverbänden auf Kritik.‣ weiterlesen

Topstory

Carbon Management: Wegbereiter für eine klimaneutrale Zukunft

Carbon Management-Technologien stehen im Fokus, um CO2-Emissionen zu reduzieren und zu managen. Die Rolle des Maschinenbaus und mögliche Entwicklungspfade betrachtet eine neue Studie des VDMA Competence Center Future Business.‣ weiterlesen

Technik

Unternehmen sehen Cyber-Angriffe als größte Bedrohung der digitalen Transformation

Deutsche Unternehmen nehmen eine zunehmende Bedrohung durch Cyber-Angriffe wahr. Das zeigt eine aktuelle Umfrage vom Markt- und Meinungsforschungsinstitut YouGov im Auftrag von 1&1 Versatel, an der mehr als 1.000 Unternehmensentscheider teilnahmen.‣ weiterlesen

Technik

Mit Deep Learning gegen Fehler

Hohe Geschwindigkeit und hohe Erkennungsraten sind die Anforderungen an die Qualitätskontrolle in der Verpackungsbranche. Wie diese Anforderungen erreicht werden können, zeigt das Unternehmen Inndeo mit einem Automatisierungssystem auf Basis von industrieller Bildverarbeitung und Deep Learning.‣ weiterlesen

Technik

Produktivitätssteigerungen von bis zu 50 Prozent durch KI

Laut einer Studie der Unternehmensberatung Bain & Company könnten Unternehmen ihre Produktivität durch digitale Tools, Industrie 4.0-Technologien und Nachhaltigkeitsmaßnahmen steigern. Deren Implementierung von folgt oft jedoch keiner konzertierten Strategie.‣ weiterlesen

Technik

Betriebsräte bemängeln Investitionen und fehlende Strategien

Jeder zweite Betrieb investiert laut einer Betriebsräte-Befragung der IG Metall zu wenig am Standort. Demnach verfügen rund 48 Prozent der Unternehmen über eine Transformationsstrategie. Zudem sehen die Betriebsräte ein erhöhtes Risiko für Verlagerungen.‣ weiterlesen

Technik

Lohnt sich ein Retrofit?

Ob es sich lohnt, ältere Maschinen mit neuen Sensoren auszustatten, ist oft nicht klar. Im Projekt 'DiReProFit' wollen Forschende dieses Problem mit künstlicher Intelligenz zu lösen.‣ weiterlesen

Technik

VDMA gründet Forum Manufacturing-X

Ziel des neuen VDMA-Forums Manufacturing-X ist es, der zunehmenden Bedeutung von Datenräumen als Basis für neue, digitale Geschäftsmodelle Rechnung zu tragen. Wie der Verband mitteilt, soll das Forum auf dem aufbauen, was in der letzten Dekade durch das VDMA-Forum Industrie 4.0 erarbeitet wurde. ‣ weiterlesen

Technik

DFKI-Technologie lässt Roboter sehen

Wie kann eine Maschine lernen, sich in unserer Lebenswelt visuell zu orientieren? Mit dieser Frage setzen sich die Wissenschaftler am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) aktuell auseinander – und entwickeln Lösungen.‣ weiterlesen

Technik

Forschungszulage wird im Maschinen- und Anlagenbau zur Erfolgsgeschichte

Die seit 2020 geltende staatliche Forschungszulage etabliert sich im deutschen Maschinen- und Anlagenbau mehr und mehr als Instrument der Forschungsförderung. Ein wachsender Anteil der Unternehmen nutzt die Forschungszulage. Besonders geschätzt werden die verbesserten Finanzierungsmöglichkeiten sowie der erleichterte Zugang zur staatlichen Förderung von Forschung und Entwicklung (FuE).‣ weiterlesen