KI

Die Algorithmen von KI-Systemen sind immer nur so gut wie die Menschen, die sie programmiert haben und die Daten, mit denen sie trainiert wurden. - Bild: sdecoret/stock.adobe.com

| von Michaela Neuner

Immer schnellere Prozessoren, rasant wachsende Speicherkapazitäten, Miniaturisierung und Vernetzung befeuern nicht nur Industrie 4.0-Visionen. Sie treiben auch die Entwicklungen auf dem Gebiet der Künstlichen Intelligenz (KI) voran. Am Ende dieser Prozesse werden – so befürchten die einen und hoffen die anderen – menschenleere Fabrikhallen stehen.

"Es gibt Kollegen aus dem Bereich des maschinellen Lernens, die der Meinung sind, dass man den Menschen komplett ersetzen kann", sagt Prof. Martin Ruskowski vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Darauf werde es aber nur für einzelne Tätigkeiten hinauslaufen, denkt er. Vielversprechender für industrielle Anwendungen ist derzeit ein anderer Ansatz: Der KI Routineaufgaben zu überlassen wie Muster erkennen, Informationen bereitstellen oder Entscheidungen vorbereiten. Für den Menschen, der am Ende die Bewertung übernimmt und Entscheidungen trifft.

"Wir haben dreieinhalb Millionen Jahre Evolution hinter uns und das Ergebnis werden wir nicht in einigen wenigen Jahren Forschung nachbauen können. Der Mensch ist kreativ, handelt autonom, kann immer wieder neue Assoziationen treffen. Es ist nicht einmal ansatzweise absehbar, dass Maschinen jemals dazu in der Lage sein werden", winkt Ruskowski ab. Daran änderten auch komplexe Algorithmen des Deep Learning oder Machine Learning (ML) nichts.

"Denn diese Art des Lernens ist zwar sehr leistungsfähig, aber letztlich doch nur eine hochentwickelte Methode, die Erkennung einer Situation mithilfe komplexer Rechenleistungen anzupassen und zu verbessern", erklärt Ruskowski.

KI mit menschlicher Erfahrung kombinieren

KI-Algorithmen sind immer nur so gut wie die Menschen, die sie programmiert haben, und die Daten, mit denen sie trainiert wurden. Manche Lösungen wirken besonders intelligent, weil sie ab einem bestimmten Niveau im Optimierungsprozess zur Black Box werden, deren Wege zur Lösung einer Aufgabe selbst für ihre Schöpfer kaum mehr nachvollziehbar sind. "Viele KI-Systeme sind aber auch tatsächlich regelbasiert hart ausprogrammiert", sagt Ruskowski. Sie arbeiten ab, was vorgegeben wurde.

Umfrage Vorteile Künstliche Intelligenz in deutschen Industrieunternehmen

Das gilt vor allem für Aktionen, die physisches Handeln erfordern wie 'Licht einschalten' oder 'Maschine reinigen'. Was freilich voraussetzt, dass ein technischer Automatismus vorhanden ist, welcher die Befehle ausführt. "Wenn in einer Maschine an einer bestimmten Stelle viel Staub entsteht, könnte man da natürlich ein automatisiertes Reinigungssystem installieren. Das muss aber nicht sein", findet Andre Schult vom Fraunhofer-Institut für Verfahrenstechnik und Verpackung IVV in Dresden. "Ein Mensch erledigt das deutlich günstiger."

Schult setzt deshalb auf Kooperation. Mit seinem Team arbeitet er an SAM, einem selbstlernenden Assistenz-System für Maschinen, das Künstliche Intelligenz mit menschlicher Erfahrung kombiniert. Es soll Anlagenbediener bei der Behebung von Fehlern und dem Aufbau von Prozesswissen unterstützen. Ziel ist es, störungsbedingte Stillstandszeiten und Ausschuss zu reduzieren. Tritt ein Fehler auf, erkennt SAM, ob es sich um ein neues Problem handelt oder ob es eine gleiche oder ähnliche Störung schon früher gab, und bietet Lösungsvorschläge an.

Big Data macht KI-Systeme nicht automatisch schlauer

"Es ist wie eine Art Wiki, das die Bediener aktiv füllen. Wenn eine Störung eintritt, die dem Bediener neu ist, muss er bisher entweder selbst eine Lösung dafür finden oder einen Kollegen fragen oder in den Aufzeichnungen seiner Kollegen nach Lösungen suchen. Diese Suche übernimmt SAM mit seiner Musteranalyse und perspektivisch auch durch Auswertung der Texte", erklärt Schult. Im Idealfall leistet SAM schnelle Hilfe bei bekannten Störungen und inspiriert den Maschinenbediener bei unbekannten zu neuen Lösungen, die dann wieder in das Wiki eingetragen werden. Auf diese Weise lernen beide Seiten dazu: SAM und die Bediener der Maschine.

Wie viele andere KI-Applikationen für die Industrie befindet sich auch SAM derzeit noch in Entwicklung. Marktreife Lösungen sind rar. Ein Grund dafür: "KI braucht häufig noch große Datenmengen zum Lernen und die gibt es in vielen Anwendungsfällen nicht", erklärt Schult.

Häufig sind Losgrößen oder Ausschussquoten zu klein, um ein System zu trainieren, das viele Fehler braucht, um zu lernen, Relevantes von Bedeutungslosem zu unterscheiden. Auch Big Data macht KI-Systeme nicht automatisch schlauer. Häufig allein deshalb nicht, weil Datenformate aus unterschiedlichen Quellen nur selten zusammenpassen.

Dennoch: "Wir denken es wäre grob fahrlässig, das Potenzial von KI nicht so früh wie möglich auszuschöpfen", sagt Demetrio Aiello, KI-Forschungsleiter bei Continental. Das Unternehmen arbeitet mit Hochdruck an seiner Vision einer 'AI empowered company'. KI werde die Komplexität in vielen Aktivitäten reduzieren und den Fokus der Mitarbeiter wieder mehr auf kreative und gleichzeitig stärker Werte schaffende Dinge lenken, erwartet er.

KI Continental
Die Prognose des Rohmaterialbedarfs in der Produktion soll sich bei Continental künftig durch den Einsatz von KI-Algorithmen verbessern. - Bild: Continental

Einige konkrete Anwendungen für KI hat Continental bereits identifiziert, sowohl bei der Optimierung von Prozessen in der Entwicklung als auch in Produktion, Einkauf oder Buchhaltung. Auf Lösungen von Drittanbietern will das Unternehmen nicht warten: „Uns ist wichtig, dass wir den Überblick über den aktuellen Stand der Entwicklungen behalten“, betont Aiello.

Die Chancen für deutsche Unternehmen, sich in Sachen KI in der Industrie gegen internationale Wettbewerber zu behaupten, stehen gut, denkt Ruskowski: „Die Chinesen haben noch nicht wirklich verstanden, was Datenschutz ist, und das Silicon Valley hat nur wenig Fachwissen in der industriellen Produktion. Wir sind am weitesten vorne in dem Thema, weil wir am meisten Domänenwissen haben und alle anderen – gerade in Asien – schauen darauf, was wir tun und übernehmen die Standards, die wir definieren.“

In welchen Branchen rechnet sich Künstliche Intelligenz?

Statista hat zusammengetragen, in welchen Branchen 2019 KI-Anwendungen den Umsatz am stärksten beeinflussen:

  • Automobilproduktion
  • Konsumgüterproduktion
  • Maschinenbau
  • Produktion von Elektronik- und Hightech-Gütern
  • Großhandel

Sie wollen die Welt der Industrie verstehen?

Erfahren Sie alles zu Industrie 4.0, Smart Manufacturing und der weiten Welt der Technik.

  • exklusive Inhalte
  • professionelle Berichterstattung
  • kostenlose Freemium Mitgliedschaft

Newsletter gratis bestellen!