close

Künstliche Intelligenz in der Produktion – Chancen und Herausforderungen

Künstliche Intelligenz in der Produktion - Chancen und Herausforderungen
Geschätzte Lesezeit: 4 Minuten

Data Mining, Bilderkennung, selbstfahrende Fahrzeuge – das sind nur drei der vielfältigen Einsatzmöglichkeiten von künstlicher Intelligenz. Wir haben Frank Zedler, Program Manager Industrial Analytics, einige Fragen zu diesem hochaktuellen Thema gestellt: Was kann Künstliche Intelligenz bereits heute? Welche Rolle spielt sie für die produzierende Industrie? Und welche Technologie findet er persönlich gerade am spannendsten?

Frank Zedler, Experte auf dem Gebiet künstlicher Intelligenz bei Fujitsu
Frank Zedler

Hallo Frank! Du bist Experte auf dem Gebiet der künstlichen Intelligenz. Wo stehen wir gerade in der Entwicklung künstlicher Intelligenzen? Was kann KI heute schon?

Künstliche Intelligenz finden wir heute bereits in vielen Anwendungen. Das sind zum Beispiel maschinelle Übersetzungen, Handschriftenerkennung, Bilderkennung, Data Mining, Prognosen und selbstfahrende Fahrzeuge. Dabei ist der Reifegrad bei den Anwendungen durchaus unterschiedlich. Data Mining ist bereits sehr weit entwickelt, während das autonome Fahren noch nicht ganz so weit ist. Bei Fujitsu konzentrieren wir uns aktuell auf Themen wie Bilderkennung und Predictive Maintenance.

In welchen Bereichen setzen wir in Deutschland künstliche Intelligenzen bereits ein?

KI wird bereits in vielen Bereichen, wie z. B. Medizin, Rechtswissenschaften oder Marketing eingesetzt. Ein wenig detaillierter möchte ich auf den Bereich der produzierenden Industrie eingehen.

Im Bereich der eigentlichen Produktion ist eine um bis zu 25% bessere Auslastung der Maschinen (sogenannte Overall Equipment Effectiveness – OEE) durch den Einsatz von vorausschauender Wartung (Predictive Maintenance) möglich, da hierdurch ungeplante Ausfallzeiten reduziert werden können. Darüber hinaus kann durch die Zusammenarbeit von Menschen und Robotern (sogenannte Cobots) die Produktivität um ca. 15% gesteigert werden. In der Qualitätsüberwachung kann durch Bilderkennungsverfahren die Produktivität erhöht und der Ausschuss vermindert werden.

Schaut man sich die Geschäftsprozesse an, so sind auch hier Optimierungen möglich. Lagerhaltungskosten können z. B. durch die genaue Prognose des Abverkaufs (Demand Prediction) um bis zu 40% gesenkt werden. F&E-Aufwendungen können durch den Einsatz von KI gesenkt werden und es sind kürzere Markteinführungszeiten möglich. Damit kann das Unternehmen schneller auf Marktbedürfnisse reagieren.

Da bei der Herstellung eines Produktes sowie bei dessen Verwendung Daten anfallen, können neue Services angeboten werden und es sind folglich neue, datengetriebene Geschäftsmodelle denkbar.

Was sind die größten Vorteile beim Einsatz künstlicher Intelligenz?

Die Vorteile von KI sind immer domänenspezifisch zu betrachten. Im Bereich der Fertigung sind dies einerseits Effizienzgewinne und andererseits die Möglichkeit für die Mitarbeiter, sich ständig wiederholende oder gefährliche Arbeiten an Computer und Roboter abzugeben und sich auf wertschöpfende und interessante Aufgaben zu konzentrieren. In der Medizin kann künstliche Intelligenz zum Beispiel eine Vielzahl von Daten über einen Patienten verarbeiten und diese in kurzer Zeit mit einer Vielzahl historischer Diagnosen und den aktuellsten Forschungsergebnissen abgleichen. Auf dieser Basis kann sie dem behandelnden Arzt eine individuell auf den einzelnen Patienten abgestimmte Therapie vorschlagen. In der Forschung erhöht KI die Innovationskraft. Im Kundenservice können Anfragen besser beantwortet werden … Die Liste lässt sich beliebig verlängern.

Gibt es auch Nachteile?

Es gibt Studien, die vorhersagen, dass es durch Künstliche Intelligenz zu größeren Veränderungen in der Arbeitswelt kommen kann. Betroffen davon sind in erster Linie Tätigkeiten, die in irgendeiner Weise wiederholbar und maschinell ausführbar sind. Tätigkeiten, die mit Koordination, Management oder mit dem Menschen an sich zu tun haben, sind hingegen weniger betroffen. 

Ausserdem besteht die Gefahr, dass sich die Algorithmen verselbstständigen. Mit diesem Problem waren Facebook-Mitarbeiter konfrontiert. In einem Experiment entwickelten die von Forschern geschaffenen Bots plötzlich ihre eigene Sprache. Das ihnen antrainierte Englisch erschien den beiden Bots zu kompliziert, weshalb sie es durch eine effizientere Geheimsprache ersetzten. Es entstanden für den menschlichen Leser vorerst unlogische Konversationen zwischen den beiden Bots. Als die Facebook-Mitarbeiter die Konversation nicht mehr entschlüsseln konnten, zogen sie vorsichtshalber den Stecker.

Darüber hinaus ist die Frage der Ethik nicht geklärt. Beim Einsatz militärischer Drohnen müsste sichergestellt sein, dass sie sich künftig an internationale Gesetze halten, wenn sie eingesetzt werden. Terroristen abschießen: ja. Krankenhäuser und Wohnhäuser bombardieren: nein.

Vor welchen konkreten Herausforderungen stehen Manufacturer bei der Einführung künstlicher Intelligenz in ihre Produktion? Wie können sie diese Herausforderungen meistern?

Um KI in der Produktion einzusetzen, ist es eine zwingende Voraussetzung, dass die Produktion weitestgehend digitalisiert ist, d. h., dass überall Sensoren verbaut sind und Informationen in digitaler Form vorliegen. Das ist jedoch noch nicht überall der Fall. Neue Produktionsanlagen verfügen bereits über die notwendige Sensorik. Bei älteren Maschinen muss man dann über ein retrofitting – also Nachrüstung – reden.

Im Allgemeinen sollten bei der Einführung von KI im produzierenden Gewerbe folgende Punkte beachtet werden:

  • Definition von Pilotprojekten, um die Chancen / Potenziale von künstlicher Intelligenz zu verstehen
  • Aufbau interner KI-Kompetenz und Kooperation mit Spezialisten (bei Fujitsu nennen wir das Co-creation)
  • Etablierung einer Big-Data-Infrastruktur, um im großen Umfang Detaildaten zu speichern
  • Agilität im Projektansatz
     

Welche Technologien sind für Manufacturer geeignet, die schrittweise auf smarte Produktion umstellen wollen? Wo sollte man am besten anfangen?

Beim Einsatz von KI sollte es weniger um Technologien gehen; diese sind nur das notwendige Vehikel. In einem ersten Schritt sollten mögliche Use-Cases definiert und bewertet werden. Als pragmatisch hat sich erwiesen, sich dabei auf Use-Cases zu konzentrieren, die schnell umsetzbar und erfolgswirksam sind. Gleich mit „Langfrist-Projekten“ zu beginnen, ist hingegen nicht der optimale Ansatz.

Welche Technologie findest Du persönlich aktuell am spannendsten?

Technologisch finde ich die Bilderkennung bzw. das dahinterliegende Verfahren der „Neuronalen Netze“ am spannendsten. Aus meiner Sicht bietet das ein umfangreiches Einsatzspektrum, um Kostensenkungs- und Erlössteigerungspotentiale zu erschließen.

Wenn Du Dir unsere Zukunft in 10 Jahren ausmalst: Wie wird künstliche Intelligenz und unser Leben damit dann aussehen?

In 10 Jahren wird KI aus unserem Alltag nicht mehr wegzudenken sein. Unsere Jobs werden sich entsprechend verändert haben und neue Dienstleistungen und Produkte werden verfügbar sein.

Interessant finde ich ein Zukunftsszenario des Ökonomen Robin Hanson. Er hält es für plausibel, dass es noch in diesem Jahrhundert möglich sein wird, menschliche Gehirnsimulationen, sogenannte whole brain emulations (WBEs), digital in virtueller Realität laufen zu lassen. Solche WBEs wären duplizierbar und könnten, sofern genügend Hardware vorhanden ist, um ein Vielfaches schneller sein als ein menschliches Gehirn –  was einen enormen Effizienzgewinn beim Arbeiten zur Folge hätte. Er prognostiziert, dass es in einem solchen Fall eine “Bevölkerungsexplosion” unter WBEs geben würde, weil diese in vielen Bereichen als enorm kosteneffektive Arbeiter eingesetzt werden könnten.

Vielen Dank für das spannende Interview, Frank!

Schlagwörter: , , , ,

Story Page