IoT trifft KI: Aktuelle Projekte, Use Cases und Trends

Anbieter zum Thema

Nach Auffassung von Raghav Narsalay, Managing Director und verantwortlich für den Bereich Industry X.0 Research bei Accenture, legen "die Ergebnisse nahe, dass es einen engen Zusammenhang zwischen einer ganzheitlichen und gut geplanten Strategie sowie der erfolgreichen Nutzung von KI-Technologien gibt. Drei Viertel der Unternehmen, die wir untersucht haben, befinden sich in der Experimentierphase und gehen dabei nach dem Gießkannenprinzip vor. Dies wird sich in der nahen Zukunft sehr wahrscheinlich ändern – und dann werden mehr Unternehmen dazu übergehen, ihre Produkte mit Hilfe von KI neu zu erfinden.”

VDMA-Arbeitskreis soll Machine Learning voranbringen

Um auf der Basis Künstlicher Intelligenz bzw. Machine Learning dem Industrie-4.0-Thema zusätzliche Schubkraft zu verleihen, hat der Maschinenbauverband VDMA kürzlich den Arbeitskreis "Machine Learning" gegründet. Mit Machine Learning finden Systeme selbständig Strukturen in Datenströmen, lernen daraus und können sich sogar eigenständig "umprogrammieren" bzw. ihre Algorithmen verbessern. Machine Learning sorgt dafür, dass Software und Informatik immer stärker zum maßgeblichen Innovationstreiber im Maschinenbau werden.

Das VDMA Competence Center Future Business hat das Thema bereits 2017 mit der Studie "Machine Learning 2030 - Zukunftsbilder für den Maschinen- und Anlagenbau" ausgiebig beleuchtet. Auf Beschluss des Vorstandes des Fachverbands Software und Digitalisierung soll der VDMA das Thema nun in dem neuen Arbeitskreis, der Anwender und Anbieter zusammenbringt, weiter vorantreiben. Sprecher des Arbeitskreises ist Matthias Dietel, Focal Point Industrie 4.0, IBM Germany Lab, und Mitglied des Fachverbands-Vorstandes.

"Aktuell 375 Mitglieder im VDMA Fachverband Software und Digitalisierung zeigen deutlich, welch hohen Stellenwert Digitalisierung im Maschinenbau inzwischen genießt", betont IBM-Manager Dietel. "Machine Learning findet Einzug in unseren Alltag und deshalb sollten wir auch den Maschinenbau für den Einsatz der Künstlichen Intelligenz befähigen. Attraktive neue Märkte in der Datenanalyse und Cognitive Computing mit zweistelligem Wachstumspotenzial tun sich für den Maschinenbau auf."

Bildergalerie

Bildergalerie mit 31 Bildern

Maschinenbau-Unternehmen, die Machine Learning einsetzen wollen, fragen nach Leitfäden, Roadmaps, Standardisierung und Zusammenarbeit mit Instituten und IT-Dienstleistern. "In unserer Studie ‚Machine Learning 2030‘ spielten Ausbildung, Datenhoheit aber auch ethische Fragen eine große Rolle. Wir haben Handlungsempfehlungen an Unternehmen, Politik und Forschung gegeben, die durch den Arbeitskreis nun weiter präzisiert und implementiert werden", erklärt Dr. Eric Maiser, Leiter VDMA Future Business. Rainer Glatz, Geschäftsführer von VDMA Software und Digitalisierung, bei dem das Thema nun verankert ist, betont: "Wir geben jetzt weiter Gas, das Thema ist reif. Nachdem wir in den letzten Jahren Industrie 4.0 im Maschinenbau und im VDMA etabliert haben, müssen wir nun auch die Potenziale für Machine Learning erschließen. Entscheidend ist hierbei, dass wir Anbieter und Anwender zusammenbringen und die Nutzung von Machine Learning im industriellen Umfeld in den Mittelpunkt stellen."

Quick Guide hilft bei der betriebswirtschaftlichen Einschätzung von KI

So hat der VDMA Expertenkreis "Machine Learning" einen Quick Guide verfasst. Der Leitfaden richtet sich vor allem an das Management von Maschinenbauunternehmen, die sich mit dem Thema Machine Learning in ihrem Unternehmen beschäftigen oder in Zukunft beschäftigen möchten. Ziel des Quick Guide ist es, dem Management erste Hilfestellungen zur betriebswirtschaftlichen Einschätzung und Relevanz von Machine Learning zu ermöglichen, um eine eigene Herangehensweise und Strategiedefinition daraus ableiten zu können. Der Leitfaden gibt dabei Hinweise zu den Chancen, Herausforderungen und möglichen Lösungen. Vor allem soll der Quick Guide dabei helfen, sich dem Thema Machine Learning mit den richtigen Fragen zu nähern und daraus eigene Schlüsse ziehen zu können.

Denn die Anwendungsbereiche von Machine Learning sind vielfältig: Als prominente Beispiele nennt der VDMA Predictive Maintenance, industrielle Bildverarbeitung und Robotersteuerungen - aber auch die Logistik innerhalb und außerhalb der Fabrik. "Machine Learning wird nicht nur Industrie 4.0 weiteren Schub verleihen, sondern auch die Zusammenarbeit mit Softwarefirmen und Startups zum Wohle neuer Maschinenbau-Geschäftsfelder beflügeln", erläutert Hartmut Rauen, stellvertretender VDMA-Hauptgeschäftsführer.

Doch auch außerhalb der Industrie hat KI Potenzial - z.B. beim autonome Fahren, einer Anwendung, die man nach Expertenmeinung in den kommenden Jahren auch auf deutschen Straßen erleben wird, und das keineswegs nur im Feldversuch. Ein weiteres Thema aus diesem Themenumfeld ist die Verkehrsverflüssigung, die auf der Basis Big Data und KI möglich wird und in die Steuerung der Ampelanlagen eingreifen kann.

Ein weiteres wichtiges Feld für den KI-Einsatz sieht der VDI in der Assistenzrobotik. "Wir werden uns künftig zunehmend von Assistenten helfen lassen – das sind nicht unbedingt Roboter, die auf zwei Beinen laufen und menschenähnlich aussehen. Vielmehr reden wir hier über Systeme, die uns zur Findung von Entscheidungen Vorlagen liefern und somit den Menschen bei Entscheidungen unterstützen", erläutert VDI-Direktor Ralph Appel. Banken und Versicherungen nutzen schon heute KI-basierte Lösungen für das Schadenmanagement und Fraud Detection (Betrugserkennung) ein. Auch viele Bonitäts-Scorings beruhen auf KI. Der Healthcare-Bereich nutzt KI zur Früherkennung von Symptomen schwerwiegender Erkrankungen sowie zur Diagnoseunterstützung durch die Erkennung von Mustern in der Patientenakte und viele Energieversorger optimieren die Auslastung mittels intelligenter Netze (Smart Grids).

(ID:45337180)