Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
schinellen Lernens spezialisiert hat wird von Martin Dix Welf-Guntram Drossel und Steffen Ihlenfeldt geleitet Alle drei sind Mitglieder der Wissenschaftliche Gesellschaft für Produktionstechnik WGP einem Zusammenschluss deutscher Professorinnen und Professoren der Produktionswissenschaften Die WGP hat seit Januar die ursprünglich vom BMBF geförderte Initiative ProKI unter ihrem Dach verstetigt und bietet seither ganz praktische Expertise und Demonstratoren insbesondere für kleinere und mittelständische Unternehmen an Großer Hebel für Effizienzgewinne Zu Beginn so der Tipp des IWU-Forschers sollte man sich fragen Wie hoch sind eigentlich die Effizienzgewinne die durch KI in meiner Produktion möglich sind? „Die Frage nach möglichen Effizienzgewinnen lässt sich nicht ohne Weiteres allgemeingültig beantworten“ sagt Klimant Das Potenzial sei stark vom eigentlichen Prozess und den damit einhergehenden Optimierungsmöglichkeiten abhängig „Im Bereich der Kunststoffverarbeitung können in seltenen Fällen durchaus Ausschussquoten von 20 bis 30 % vorkommen “ Hier sei ein großer Hebel für Effizienzgewinne mit KI Bei Prozessen die bereits stabil laufen kann sie ebenfalls nützlich sein beispielsweise für vorausschauende Wartung und um längere Werkzeugstandzeiten zu erzielen Laut Klimant kann künstliche Intelligenz auch einen wichtigen Beitrag leisten um dem Fachkräftemangel zu begegnen „Wir speichern Wissen implizit in der KI Dieses Wissen kann zum Anlernen von neuen Mitarbeitenden genutzt werden gerade dann wenn ältere Kolleginnen und Kollegen in Ruhestand gehen und damit wichtiges Wissen das Unter-25 EMO | Schwerpunkt www industrialproduction de nehmen verlässt“ erklärt der Wissenschaftler „Dieser KI-Wissensspeicher bietet darüber hinaus auch neue Chancen zur Automatisierung nicht zuletzt für automatisierte Qualitätskontrollen“ sagt Klimant Künstliche Intelligenz definiert der Forscher dabei so „Wenn wir über KI sprechen meinen wir in der Regel das maschinelle Lernen als Untergruppe der KI Dieses ist in der Lage selbstständig aus Trainingsdaten zu lernen Dabei geht es um ein empirisches Verfahren das Zusammenhänge lernt ohne dass wir die analytischen Zusammenhänge kennen Einfach gesagt wir lernen aus Erfahrung “ Durch KI werden in der Produktion die Prozessparameter optimiert und durch ein automatisiertes Regelungssystem in die Prozesssteuerung zurückgeführt „Künstliche Intelligenz ist wie eine Blackbox es gehen Eingangswerte rein und Prognosen kommen raus“ sagt Klimant „Als Beispiel kann man hier einen Umformprozess nennen bei dem wir ein akustisches Signal messen und die KI sagt uns ob der Prozess erfolgreich war oder nicht “ Am Ende sei es ein digitales System das sich über vorhandene Schnittstellen an Steuerungen anbinden ließe Dadurch könne KI Regelalgorithmen an verschiedenen Stellen beeinflussen Damit künstliche Intelligenz in der Produktion erfolgreich eingesetzt werden kann ist mitunter Hardware mit sehr hoher Rechenleistung nötig „Zunächst gilt es zwischen der Trainingsund der Nutzungsphase Inferenz zu unterscheiden Die Trainingsphase ist immer rechenintensiver wird jedoch offline durchgeführt Bei der Nutzungsphase reichen für klassische Verfahren wie die Support Vector Machine oft Edge Devices aus“ sagt Klimant Anders verhalte es sich beim Thema Bildverarbeitung Diese KI-Modelle benötigten mehr Rechenleistung sowohl in der Trainingsals auch in der Nutzungsphase „Der Anwendungstakt spielt hierbei Das Dashboard zeigt den Einsatz eines KI-Modells zur punktuellen Prognose der Härte beim Presshärte-Prozess Bild Fraunhofer IWU