Wie Betriebe Künstliche Intelligenz einsetzen
Die Fraunhofer-Gesellschaft forscht am Einsatz von KI – anwendungsorientiert und mit dem Ziel, der Wirtschaft zu helfen.
Was kann Künstliche Intelligenz besser als Menschen? „Das menschliche Gehirn ist extrem gut in der Musterkennung”, sagt Professor Thomas Rauschenbach, Direktor des Institutsteils Angewandte Systemtechnik des Fraunhofer Instituts für Optronik, Systemtechnik und Bildauswertung. „Sie können etwa ohne große Anstrengungen eine Tasse Kaffee von einem Glas Wasser unterscheiden. Deutlich schwieriger wird es hingegen beim Erkennen von Mustern in sogenannten Massendaten, auch als ,Big Data’ bezeichnet. Hier ist die Künstliche Intelligenz dem Menschen überlegen.“ Die Fraunhofer-Gesellschaft beschäftigt sich damit, wie das der Industrie nutzen könnte. Mit ihren etwa 30.000 Mitarbeiterinnen und Mitarbeitern ist sie nicht nur in Deutschland, sondern weltweit die führende Organisation für anwendungsorientierte Forschung.
Hier lernt ihr drei KI-Projekte der Fraunhofer-Gesellschaft für die Industrie kennen:
REMORA – Voraussetzung und Grundlage für KI-Einsatz
Der Einsatz von Künstlicher Intelligenz in Unternehmen trifft auf viele Hindernisse, zum Beispiel unterschiedlich alte Systeme und Maschinen verschiedener Hersteller. Sie „sprechen” oft viele verschieden Sprachen und legen Daten in unterschiedlichen Formaten und Datenbanken ab. Das Projekt REMORA (Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0) soll als offenes und technologieneutrales Framework eine Verständigung aller System in einem Unternehmen ermöglichen und so den übergreifenden Einsatz von KI ermöglichen.
Condition Monitoring und Predictive Maintance – damit Maschinen laufen
„Condition Monitoring“ erkennt anhand geringster Veränderungen in den Datenreihen von Messwerten -zum Beispiel dem Klang einer Maschine - sich anbahnende Probleme von Produktionsanlagen im laufenden Betrieb, wie etwa Verschleiß oder Fehlfunktionen. Es ordnet diese ein und löst Reaktionen aus. „Predictive Maintenance“ sagt aus der Analyse von Datenreihen Fehler und Verschleiß einzelner Maschinen oder ganzer Anlagenparks voraus. Das ermöglicht die präzise Planung von Service und Wartung. So werden Ausfallzeiten minimiert und Fehlersuche sowie Reparatur beschleunigt.
„Explainable AI“ (XAI) – wie KI zu ihren Ergebnissen kommt
Hat KI in der Industrie auch Nachteile? Dazu sagt Thomas Rauschenbach: „Eine große Herausforderung bei der Verwendung von einigen Deep-Learning-Verfahren besteht darin, dass wir die Ergebnisse der KI nicht eindeutig nachvollziehen können.“ Bei statistischen Auswertungen lassen sich die Ergebnisse schlüssig erklären, anders ist es bei komplexeren und selbstlernenden Algorithmen. „Bei KI-Verfahren gleicht vieles einer Blackbox. Passt das Ergebnis nicht, ist kaum nachzuvollziehen, warum“, sagt Rauschenbach. Bei der Fraunhofer-Gesellschaft ist daher „Explainable AI“ (XAI) ein wichtiges Forschungsthema. Sie soll transparent und nachvollziehbar machen, wie KI zu ihren Ergebnissen kommt.
Du möchtest regelmäßig Informationen über Deutschland bekommen? Hier geht’s zur Anmeldung:
