• KI: Neues Level von Automatisierung</br>
Nicht nur aus Sicht von VW-CIO Martin Hofmann ist Künstliche Intelligenz die Killer-App der kommenden Jahre. KI oder AI (Artificial Intelligence) hat nach vielen Jahren der Stagnation einen Riesensprung gemacht, zum Beispiel bei der Sprach- und Bilderkennung oder und der Robotik. Die artifizielle Intelligenz kommt zunächst mal ganz offensichtlich in autonomen Produkten zum Einsatz. Von links: Heinz-Joachim Thust, Betriebsrat bei VW, Dr. Martin Hofmann, CIO VW, Dorothee Bär, Staatssekretärin im Verkehrsministerium, Matthias Müller, CEO VW bei der Eröffnung des Digital Lab Berlin. - Bild: Volkswagen AG

    KI: Neues Level von Automatisierung
    Nicht nur aus Sicht von VW-CIO Martin Hofmann ist Künstliche Intelligenz die Killer-App der kommenden Jahre. KI oder AI (Artificial Intelligence) hat nach vielen Jahren der Stagnation einen Riesensprung gemacht, zum Beispiel bei der Sprach- und Bilderkennung oder und der Robotik. Die artifizielle Intelligenz kommt zunächst mal ganz offensichtlich in autonomen Produkten zum Einsatz. Von links: Heinz-Joachim Thust, Betriebsrat bei VW, Dr. Martin Hofmann, CIO VW, Dorothee Bär, Staatssekretärin im Verkehrsministerium, Matthias Müller, CEO VW bei der Eröffnung des Digital Lab Berlin. - Bild: Volkswagen AG

  • Roboterisierung der Prozesse</br>
Es gibt aber auch ein weiteres Einsatzgebiet für KI: Prinzipiell lässt sich jeder Prozess, der Daten umfasst, durch Deep Learning (KI-basiertes Machine Learning) nachvollziehen. „Alles, was ein Prozess ist, kann und wird in den nächsten zehn Jahren von einer Künstlichen Intelligenz gemacht werden. Die Aufgabe des Menschen besteht dann vor allem darin, sich um schwierige Sonderfälle zu kümmern“, erklärt Christian Bauckhage, Professor am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS. KI-Technologie sei immer dort einsetzbar, wo Daten und Prozesse vorhanden sind. Auf den Prüfstand gehören demnach alle Prozesse in Entwicklung, Produktion, Logistik, Vertrieb und Aftersales. - Bild: NASA

    Roboterisierung der Prozesse
    Es gibt aber auch ein weiteres Einsatzgebiet für KI: Prinzipiell lässt sich jeder Prozess, der Daten umfasst, durch Deep Learning (KI-basiertes Machine Learning) nachvollziehen. „Alles, was ein Prozess ist, kann und wird in den nächsten zehn Jahren von einer Künstlichen Intelligenz gemacht werden. Die Aufgabe des Menschen besteht dann vor allem darin, sich um schwierige Sonderfälle zu kümmern“, erklärt Christian Bauckhage, Professor am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS. KI-Technologie sei immer dort einsetzbar, wo Daten und Prozesse vorhanden sind. Auf den Prüfstand gehören demnach alle Prozesse in Entwicklung, Produktion, Logistik, Vertrieb und Aftersales. - Bild: NASA

  • Deep Learning</br>
Beim Deep Learning lernt die Software, indem sie auf Basis großer Datenmengen unter anderem analysiert, welche Entscheidungen ein Mitarbeiter mit entsprechender Expertise trifft oder in der Vergangenheit getroffen hat. Im Lernprozess wird die Software auch durch Berichtigung (Backpropagation) immer besser. VW beispielsweise entwickelt in seinem Data Lab in München intelligente Algorithmen mit Programmiersprachen wie Python oder R, die auf bestehende SAP-Systeme als operativem Engine aufsetzen. Sie sollen unter anderem die Vertriebsplanung über viele Länder hinweg automatisieren oder manuelle Buchungen in der Finanzbuchhaltung überwinden. Dieser Trend könnte so elementar für jedes Unternehmen werden, dass es sich lohnt, eigenes Know-how aufzubauen. - Bild: Fraunhofer

    Deep Learning
    Beim Deep Learning lernt die Software, indem sie auf Basis großer Datenmengen unter anderem analysiert, welche Entscheidungen ein Mitarbeiter mit entsprechender Expertise trifft oder in der Vergangenheit getroffen hat. Im Lernprozess wird die Software auch durch Berichtigung (Backpropagation) immer besser. VW beispielsweise entwickelt in seinem Data Lab in München intelligente Algorithmen mit Programmiersprachen wie Python oder R, die auf bestehende SAP-Systeme als operativem Engine aufsetzen. Sie sollen unter anderem die Vertriebsplanung über viele Länder hinweg automatisieren oder manuelle Buchungen in der Finanzbuchhaltung überwinden. Dieser Trend könnte so elementar für jedes Unternehmen werden, dass es sich lohnt, eigenes Know-how aufzubauen. - Bild: Fraunhofer

  • Woraus die Intelligenz gemacht ist</br>
Wichtigste Infrastruktur für Deep Learning sind neuronale Netze, die aus vielen Schichten (Multi Layer) von Information bestehen. Graphic Processing Units (GPU), die vor allem aus dem Grafik- und Spieleumfeld bekannt sind, sorgen für die schnelle Verarbeitung von Bilddaten – besonders relevant  sind sie beim autonomen Fahren oder der Qualitätskontrolle. - Bild: Pixabay

    Woraus die Intelligenz gemacht ist
    Wichtigste Infrastruktur für Deep Learning sind neuronale Netze, die aus vielen Schichten (Multi Layer) von Information bestehen. Graphic Processing Units (GPU), die vor allem aus dem Grafik- und Spieleumfeld bekannt sind, sorgen für die schnelle Verarbeitung von Bilddaten – besonders relevant sind sie beim autonomen Fahren oder der Qualitätskontrolle. - Bild: Pixabay

  • Entwicklung und Produktion enger verzahnen</br>In der Automobilproduktion ist die Forderung nach „Design for Production“ besonders gut greifbar – Elektroautos lassen sich schließlich grundsätzlich anders konstruieren. Doch auch in anderen Bereichen wird eine Durchgängigkeit von der Planung und Entwicklung bis in die Produktion hinein und sogar darüber hinaus in Vertrieb und Aftersales immer entscheidender. Ein wichtiger Treiber ist die zunehmende Software-Lastigkeit von Produkten. So könnten sich Ineffizienzen und Brüche zwischen den Abteilungen überwinden lassen. Große PLM-Softwareanbieter wie Dassault Systèmes setzen alles daran, diese Lücke zu füllen, indem mit den Entwicklungsdaten übergreifend in Produktion und auch Wartung gearbeitet wird. - Bild: Dassault Systèmes

    Entwicklung und Produktion enger verzahnen
    In der Automobilproduktion ist die Forderung nach „Design for Production“ besonders gut greifbar – Elektroautos lassen sich schließlich grundsätzlich anders konstruieren. Doch auch in anderen Bereichen wird eine Durchgängigkeit von der Planung und Entwicklung bis in die Produktion hinein und sogar darüber hinaus in Vertrieb und Aftersales immer entscheidender. Ein wichtiger Treiber ist die zunehmende Software-Lastigkeit von Produkten. So könnten sich Ineffizienzen und Brüche zwischen den Abteilungen überwinden lassen. Große PLM-Softwareanbieter wie Dassault Systèmes setzen alles daran, diese Lücke zu füllen, indem mit den Entwicklungsdaten übergreifend in Produktion und auch Wartung gearbeitet wird. - Bild: Dassault Systèmes

  • Application Lifecycle Management</br>
Die Software-Komponente wird bei vielen Produkten also immer wichtiger, um sich im Wettbewerb abzuheben. Zugleich wachsen die Herausforderungen an das Management von Softwareprodukten. Beispiel Delivery: Mittlerweile muss Software nicht nur klassisch, sondern auch über App Stores, per Schnittstelle over the air oder Software as a Service verteilt werden. Die Sicherheit ist in zunehmend vernetzten Szenarien ein anderes Thema geworden. Eine Antwort gibt darauf das Application Lifecycle Management: Entwicklungsplattformen, die Software über ihren Lebenszyklus hinweg verwalten  und Aspekte wie Sicherheit, Laufzeitverhalten oder Testphasen modellbasiert mit einbeziehen, werden wichtig für alle Unternehmen, die Modelle aus dem Anfang der Software-Entwicklung bis hin zur Wartung weiterverwenden wollen. - Bild: Pixabay

    Application Lifecycle Management
    Die Software-Komponente wird bei vielen Produkten also immer wichtiger, um sich im Wettbewerb abzuheben. Zugleich wachsen die Herausforderungen an das Management von Softwareprodukten. Beispiel Delivery: Mittlerweile muss Software nicht nur klassisch, sondern auch über App Stores, per Schnittstelle over the air oder Software as a Service verteilt werden. Die Sicherheit ist in zunehmend vernetzten Szenarien ein anderes Thema geworden. Eine Antwort gibt darauf das Application Lifecycle Management: Entwicklungsplattformen, die Software über ihren Lebenszyklus hinweg verwalten und Aspekte wie Sicherheit, Laufzeitverhalten oder Testphasen modellbasiert mit einbeziehen, werden wichtig für alle Unternehmen, die Modelle aus dem Anfang der Software-Entwicklung bis hin zur Wartung weiterverwenden wollen. - Bild: Pixabay

  • WLAN in der Produktion</br>
Um die Grundlage für die Vernetzung im Produktionsumfeld wird noch gerungen und traditionelle Player wollen sich nicht aus dem Markt der Automatisierungstechnik verdrängen lassen. Dass aber für viele Anwendungsszenarien auch simples WLAN ausreicht – ergänzt um mehr Sicherheitsaspekte und robuste Netzwerk-Hardware – zeigen viele Anbieter. WLAN kann langfristig die Basis bieten, um alles in der Produktion zu vernetzen. Spätestens 2020 mit der Einführung der neuen Mobilfunkgeneration 5G werden auch zeitkritische Anwendungen problemlos möglich. - Bild: AVM

    WLAN in der Produktion
    Um die Grundlage für die Vernetzung im Produktionsumfeld wird noch gerungen und traditionelle Player wollen sich nicht aus dem Markt der Automatisierungstechnik verdrängen lassen. Dass aber für viele Anwendungsszenarien auch simples WLAN ausreicht – ergänzt um mehr Sicherheitsaspekte und robuste Netzwerk-Hardware – zeigen viele Anbieter. WLAN kann langfristig die Basis bieten, um alles in der Produktion zu vernetzen. Spätestens 2020 mit der Einführung der neuen Mobilfunkgeneration 5G werden auch zeitkritische Anwendungen problemlos möglich. - Bild: AVM

  • Agile Methoden und Paar-Programmieren</br>Engere Zusammenarbeit zwischen IT und Fachabteilung.
Ein klassischer Flaschenhals bei IT-Projekten ist der gute Draht zwischen Fachabteilungen und IT-Mitarbeitern. Mangelhaftes Verständnis der Anforderungen gehört zu den häufigsten Gründen für gescheiterte Software-Projekte. Neue Ansätze wie Xtreme Programming im Paar, bei denen ein IT-Spezialist und ein Fachmitarbeiter jeweils an einem Rechner am gleichen Code arbeiten, räumen mit diesem Problem auf. Das Paar-Programmieren gehört zu den agilen Methoden, wie auch Scrum oder DevOps (die Verzahnung von Software Development und IT-Betrieb), die derzeit für jedes Unternehmen state of the art werden sollten. - Bild: Pivotal

    Agile Methoden und Paar-Programmieren
    Engere Zusammenarbeit zwischen IT und Fachabteilung. Ein klassischer Flaschenhals bei IT-Projekten ist der gute Draht zwischen Fachabteilungen und IT-Mitarbeitern. Mangelhaftes Verständnis der Anforderungen gehört zu den häufigsten Gründen für gescheiterte Software-Projekte. Neue Ansätze wie Xtreme Programming im Paar, bei denen ein IT-Spezialist und ein Fachmitarbeiter jeweils an einem Rechner am gleichen Code arbeiten, räumen mit diesem Problem auf. Das Paar-Programmieren gehört zu den agilen Methoden, wie auch Scrum oder DevOps (die Verzahnung von Software Development und IT-Betrieb), die derzeit für jedes Unternehmen state of the art werden sollten. - Bild: Pivotal

Industrie 4.0 und das Internet of Things bleiben weiter als wichtigste Themen im Rennen. Vorhandene Technologien sind so weit fortgeschritten, dass ganz neue Einsatzszenarien möglich werden. Gerade das Beispiel der Künstlichen Intelligenz – eine Forschungsdisziplin, die viele Jahrzehnte eher stagnativ war – illustriert den zunehmend schnellen Wandel. Cloud-Computing, Big Data Analytics, sinkende Speicherpreise und leistungsstärkere Hardware beschleunigen Trends wie Maschinenlernen und Deep Learning, aber auch Industrie 4.0 oder das Internet der Dinge. Höchste Zeit also, sich mit den neuen Möglichkeiten auseinanderzusetzen und herauszufinden, wie sie das eigene Business beschleunigen – oder durch disruptive Veränderungen abschaffen könnten.