Bild 1:(Quelle: adobe.stock_Cake78)
„Made in Germany“ steht seit Jahrzehnten für die Qualität deutscher Ingenieurleistungen. Allerdings müssen sich das produzierende Gewerbe und seine Ingenieure zunehmend im internationalen Wettbewerb behaupten – mit dem bekannten Druck auf Kosten bzw. Preis, Zeit und Qualität. Seit 2012 ist Industrie 4.0 das strategische Programm in Wirtschaft, Politik und Wissenschaft, um die industrielle Produktion und ihre Ausrüster aus dem Maschinen- und Anlagenbau, der Automatisierungstechnik und der produktionsnahen IT wettbewerbs- und zukunftsfähig zu erhalten.
Wichtiges Kennzeichen von Industrie 4.0 ist die durchgängige Vernetzung und Durchdringung aller Komponenten der Fabrik sowie kompletter Wertschöpfungsketten mit Sensorik, eingebetteten Systemen und Kommunikationstechnik – sogenannte cyber-physische Systeme. Dadurch fallen von der Planung der zu fertigenden Produkte und Produktionsmittel über ihre Herstellung bis zur Nutzung der Produkte große Mengen an Daten an, die meist maschinell erzeugt werden. Diese Daten sind Grundlage für moderne und mächtige Analyse- und Auswerteverfahren, die heute als Künstliche Intelligenz (KI) bezeichnet werden. KI-Verfahren verfügen über „die Fähigkeit, mit neuen Situationen erfolgreich umzugehen, neue Daten oder neue Informationen zu verarbeiten, aus dem verfügbaren Wissen zu schlussfolgern und damit neues Wissen zu generieren (…) oder auch neue Aufgaben zu lösen“ [1]. Heute geht man allgemein davon aus, dass KI eine Schlüsseltechnologie ist, mit der Anwender in allen Stufen der Wertschöpfung hohe Verbesserungspotenziale ausschöpfen können.
Aktuelle Studien attestieren Deutschland zwar eine gute Position in der KI-Forschung, den USA aber eine wesentlich höhere Wettbewerbsfähigkeit in den KI-Anwendungen. China investiert massiv in Künstliche Intelligenz – seine Unternehmen werden in wenigen Jahren auf den deutschen Markt für KI-
Anwendungen in der Produktion drängen. Darum ist es nur richtig, dass die Bundesregierung in ihrer KI-Strategie das Ziel formuliert, Deutschland und Europa zu einem führenden KI-Standort zu machen [2]. Industrielle Produktion ist dabei eines der wichtigsten Anwendungsfelder. In Demofabriken und anhand konkreter und herausfordernder Anwendungsfälle industrieller Kunden aus der industriellen Fertigung arbeitet das Fraunhofer IOSB schon heute an innovativen KI-Methoden und -Werkzeugen.
Daten gewinnen und nutzen
In der Produktion sind Daten immer im Kontext des Produkts oder der Prozesse zu interpretieren – dann sind sie wertvolle Ressourcen, um den Wertschöpfungsprozess zu verbessern oder neue Geschäftsmodelle zu entwickeln [3]. Das heißt auch, dass jeder Anwendungsfall seine spezifischen Daten erfordert. Datengestützte Werkzeuge können aber nur dann Mehrwert liefern, wenn die relevanten Aspekte von den erhobenen Daten abgedeckt werden. Genau darum ist es so wichtig, die richtigen und qualitativ hochwertigen Daten aufzunehmen.
Erfahrungsgemäß liegt heute noch eine maßgebliche Hürde zum Einsatz von KI darin, hochwertige Datensätze in einem heterogenen Umfeld aus Automatisierungstechnik und Unternehmens-IT zu gewinnen: Entweder stammen die Daten aus den Maschinensteuerungen, aus der existierenden Sensorik der Maschine und/oder aus nachgerüsteten intelligenten Sensoren [4], die Anwender und ML-Anbieter gemeinsam auswählen und installieren sollten. Danach ist festzulegen, welche Granularität der Daten für eine bestimmte Aufgabe erforderlich ist, wie Daten aus verschiedenen Quellen passgenau zusammengeführt werden können und in welchem Format sie übertragen und gespeichert werden. Dabei ist zu beachten, die für den Anwendungsfall richtigen Daten auszuwählen und dann die vorhandenen Datensätze zu sortieren und sie für eine nachfolgende Modellbildung aufzubereiten. Mit den seit Langem bewährten Plug-and-work-Lösungsbausteinen werden auch Komponenten und Maschinen zu Datenlieferanten, die heute noch nicht vernetzt sind.
Zu berücksichtigen sind außerdem Know-how zu den Themen Datensicherheit und Datenschutz, denn mehr Vernetzung bedeutet höhere Anfälligkeit gegen Cyberangriffe. Heute sind jedoch viele Technologien bereits verfügbar, deren richtiger Einsatz dafür sorgt, dass Anwender die Hoheit über ihre Daten behalten. Entscheidend ist eine passgenaue und sichere IT-Architektur für das Sammeln, Speichern und Auswerten der Daten.