© Copyright 2020 marcus evans. All rights reserved.

Wenn Sie die Agenda erhalten möchten, schicken Sie bitte eine E-mail an:

Anastasia Zardili
a.zardili@marcusevansde.com
+ 49 308 906 1202

KI & Data Analytics in Manufacturing

Wie wichtig ist KI im industriellen Umfeld?

Das Forschungsgebiet der künstlichen Intelligenz ist vielfältig und wird schon seit vielen Jahren in der industriellen Anwendung genutzt: Von einfachen regelbasierten Empfehlungssystemen in den achtziger Jahren und davor, hin zu heutigen automatisierten Verfahren zur Erkennung von Fehlern oder zum Tracking von Gütern über Videosignale. Mit den rasanten Entwicklungen im Bereich des Deep Learning sind die hohen Erwartungen an künstliche Intelligenz neu entfacht. Gleichzeitig führen diese Fortschritte zu vielfältigen, für die Wertschöpfung interessanten, neuen Entwicklungen. Hierunter fallen beispielsweise Verfahren zur Vorhersage von Ausschuss, Absatz sowie Wartungsbedarfen oder Verfahren zur frühzeitigen Detektion von Anomalien. Unternehmen müssen sich hiermit auseinandersetzen und für sich individuell feststellen, welche Chancen sich hierdurch für sie auftun. Hierbei ist durchaus ein Trend weg von eingekauften Dienstleistungen hin zu mehr Inhouse-Lösungen zu erkennen. Wer heute seine Hausaufgaben macht, ist morgen vorbereitet und kann sich für die Zukunft gut aufstellen. Die Herausforderung besteht hierbei, vor lauter Angeboten und Verlockungen nicht auf die falschen Pferde zu setzen.

Was ist die wichtigste Anforderung, Ihrer Meinung nach, für KI in der Produktion?

Um künstliche Intelligenz in der Produktion sicher und zielgerichtet einzusetzen, sind eine Reihe von Anforderungen zu berücksichtigen. Interessanterweise haben wir in der Bewegung rund um Industrie 4.0 und den hierdurch ausgelösten Digitalisierungshype viele dieser Anforderungen ausgeblendet, was uns jetzt in der weiteren Entwicklung verlangsamt.
Eine pauschale Antwort auf die Frage zu geben, ist eigentlich nicht möglich, da wir schon allein in den grundlegenden Verfahrensklassen der künstlichen Intelligenz unterschiedlichste Anforderungen sehen. Nehmen wir beispielsweise datenbasierte Verfahren, für die ein herausragendes Datenmanagement über einen längeren Zeitraum grundlegend ist. Hingegen erfordert das Reinforcement Learning fallspezifische Bewertungsverfahren und ein entsprechendes Monitoring, aber eben keine große Datenbasis. 
Meiner Ansicht nach ist eine verfahrensübergreifende und zentralen Anforderung, dass wir zu einer Entmystifizierung des Deep Learning kommen. Das heißt: Unternehmen, die diese Technologie für sich erschließen wollen, sollten verstehen, was sie tun und welche Herausforderungen es mit sich bringt. Dementsprechend brauchen wir Methoden und Verfahren, die Deep Learning Lösungen nachvollziehbar und transparent machen und so unser Vertrauen in Technologien der künstlichen Intelligenz stärken.

Wie kann Sim2Real den Unternehmen helfen?

Mit Sim2Real wird die Nutzung von Simulationen zum initialen Aufbau von künstlichen Intelligenzen, die im Realbetrieb eingesetzt werden sollen, bezeichnet. Hiermit werden zwei wesentliche Herausforderungen von Unternehmen in der Einbringung von künstlichen Intelligenzen adressiert. Erstens liegen Unternehmen in der Regel wenige bis keine historischen Daten vor, die für das Training einer zuverlässigen und robusten KI verwendet werden können. Zweitens kann eine entsprechende Datenbasis nicht ohne erhebliche Aufwände durch eine Vielzahl von Experimenten im Realbetrieb erhoben werden, um hieraus zu lernen. Um diesen Herausforderungen Rechnung zu tragen, nutzt Sim2Real Simulationen, um das grundlegende Verhalten in der Simulation zu erlernen und anschließend auf die Realität zu transferieren, indem wenige Beobachtungen zur Überbrückung der Lücke zwischen Simulation und Realität herangezogen werden. Dabei besteht ein großer Vorteil darin, dass Unternehmen ihre bestehenden Technologien, in Form von Simulationen, als Grundlage für neue und erweiterte KI-basierte Lösungen nutzen können. Der Weg zur Nutzung von KI ist an dieser Stelle ein evolutionärer und nicht zwangsläufig ein revolutionärer.

Welche Vorteile sehen Sie für sich persönlich bezüglich Ihrer Teilnahme an unserer Konferenz?

Die Konferenz bietet viele interessante Vorteile, von denen ich zwei herausstellen möchte. Einerseits die Vernetzung und den Austausch mit den Anwendern unserer Forschung, andererseits die Diskussion mit Fachexperten, die aus unterschiedlichsten Disziplinen und Anwendungsdomänen kommen. Es ist interessant zu erfahren, wie unterschiedlich die Anwendungsfälle sind, die in der Praxis untersucht und diskutiert werden sowie gleichzeitig bestätigt zu sehen, wie flexibel und vielfältig moderne Verfahren des Deep Learning sind. Umgekehrt ist es aber auch spannend zu erfahren, welche Erwartungen geweckt werden beziehungsweise schon geweckt sind und welche Bedarfe an zukünftige Technologien und Verfahren bestehen. Hieraus nehme ich immer sehr viel zum Nachdenken mit nach Hause, was für mich ein gutes Zeichen ist und der Grund, weshalb ich gerne wiederkomme.

Prof. Dr. Tobias Meisen

Chair of Technologies and Management of Digital Transformation
University of Wuppertal

Folgen Sie uns auf Social Media!

Wir würden uns sehr freuen Ihnen weitere Informationen über die Agenda der Konferenz zu besorgen. Bitte füllen Sie das Formular aus und wir werden uns bald bei Ihnen melden.

Gläserne KI – Transparenz und Nachvollziehbarkeit von KI-Entscheidungen im industriellen Umfeld

16. - 18. September 2020 | Hotel Mondial am Dom Köln
Agenda

Künstlichen Intelligenz wird die digitale Transformation der Produktion prägen.

Durch die Digitalisierung von Fertigungs- und Produktionsprozssen werden immer mehr Daten erfasst: Daraus können mit Methoden der künstlichen Intelligenz und der automatisierten Modellbildung große Optimierungspotenziale erschlossen werden.

Teilbereich der KI wie Machine Learning oder Deep Learning ermöglichen, dass große Datenströme in vernetzten, autonomen Systemen beherrschbar werden. Selbstlernende Systeme können aus größeren Datenströmen verwertbares Wissen machen.

Die meisten Unternehmen befinden sich noch in der Proof of Concept Phase, praktische Anwendungen mit erwiesenem Nutzen sind derweil aber längst Realität.

Prof. Dr. Tobias Meisen ist Universitätsprofessor für Technologien und Management der Digitalen Transformation an der Bergischen Universität Wuppertal. Zuvor war er Juniorprofessor und Geschäftsführer des Lehrstuhls Informationsmanagement im Maschinenbau (IMA) an der RWTH Aachen University. In seiner täglichen Arbeit widmet er sich dem modernen Informationsmanagement in einer vernetzten Welt. Schwerpunkte seiner Forschung sind die Digitale Transformation und seine zugrundeliegenden Technologien. Er fokussiert hierbei die Themenfelder der künstlichen Intelligenz und der modernen Datenanalyse. Außerdem beschäftigt ihn wie die Digitale Transformation von Unternehmen gelingen kann.

4. Jahrestagung