KI-Lösungen in der Produktion
Produktentstehungsprozesse sind im Zeitalter der Digitalisierung mit vielen neuen Möglichkeiten verbunden. Die Einführung von Big Data, die Verfügbarkeit hoher Rechengeschwindigkeiten und Cloud Computing sowie der Einsatz von Methoden der Künstlichen Intelligenz (KI), wie z. B. maschinelles Lernen und Deep-Learning, sollen Unternehmen dabei unterstützen, mit komplexen Datensätzen aus der Konstruktion und Produktion umzugehen. Somit können Fertigungsprozesse besser überwacht, geregelt und optimiert werden. KI in der Fertigung bedeutet, schwierige Vorgänge zu automatisieren und verborgene Muster in Arbeitsabläufen oder Produktionsprozessen zu erkennen. KI in der Produktion bezieht sich auf die Fähigkeit einer Maschine, wie ein Mensch zu denken, unabhängig auf interne und externe Ereignisse zu reagieren und zukünftige Ereignisse zu antizipieren. Dies ermöglicht unter anderem eine energie- und ressourcenschonende Produktion und sichert dadurch die zukünftige Wettbewerbsfähigkeit von Unternehmen.
Obwohl viele Betriebe die Bedeutung von KI und ihre potenziellen Auswirkungen auf ihr Tagesgeschäft verstehen, haben sie oft Schwierigkeiten, diese Technologie praktisch einzusetzen. Zu den wichtigsten Herausforderungen bei der Implementierung von KI-Lösungen zählen unter anderem schwer kalkulierbare Kosten, der Mangel an qualifiziertem Personal, fehlende Tools und Technologien für maschinelles Lernen, Defizite hinsichtlich der Menge und Qualität der Daten sowie offene Fragen zu Vertrauen und Governance.
Hierbei sind Daten nicht nur das Herzstück der KI, sondern auch eine zentrale Herausforderung. Um eine KI-Anwendung zu haben, die relevant, genau und skalierbar ist, müssen Unternehmen sicherstellen, dass ihre Daten, sowohl in Echtzeit als auch im Batch, von hoher Qualität zugänglich sind. Sie sollten nicht nur betriebsintern, sondern auch in dem Geschäftsnetzwerk des Unternehmens sicher und einwandfrei geteilt werden können. Eine effektive KI erfordert auch Datenvielfalt. Modelle für maschinelles Lernen benötigen die relevantesten Daten, die sich möglicherweise nicht immer innerhalb der Organisation befinden. Interne Daten ermöglichen es Unternehmen nur, ihre eigenen Vorgänge oder Kundeninformationen einzusehen. Das ergibt jedoch kein vollständiges Bild. Unternehmen benötigen auch die Möglichkeit eines sicheren Datenaustausches. Die volle transformative Wirkung von KI kann durch die Verwendung einer Vielzahl von internen und externen Daten realisiert werden. So hat Künstliche Intelligenz das Potenzial, die produzierende Industrie nachhaltig zu verändern.
Ihre ZWF-Herausgeber und -Redaktion
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- KI-Lösungen in der Produktion
- Produktionsnetzwerke
- Zukunftsfähige Produktionsnetzwerke in disruptiven Zeiten
- Gestaltung von effizienten Produktionsnetzwerken in der Automobilindustrie
- Globale Produktionsstrategien in der Praxis – Strategieformulierung und -implementierung
- Produktivität
- Sensorgestützte Analyse der Maschinenbedienung in der Kleinserienfertigung
- Prozessmanagement
- Nutzung kollaborativer digitaler Tools zur Prozessoptimierung im Laborumfeld
- Prozessmodellierung in hochdynamischen Umgebungen
- Servicemanagement
- Ein hyperheuristischer Ansatz für die operative Serviceplanung in Product-Service Systems
- Planungsmethoden
- Überprüfung der Zukunftsfähigkeit von Planungsmethoden
- Wandlungstreiber
- Kategorisierung und Erstbeurteilung von Wandlungstreibern
- Datenqualität
- Erfasste Betriebsdaten und ihre Qualität
- Unternehmensübergreifendes Datenqualitätsmanagement
- Automatisierung
- Industriefähiges Bin Picking
- Energieeffizienz
- Wie effizient sind gleichspannungsversorgte Maschinen?
- Simulation
- Agile Erstellung von Materialflusssimulationen
- Geschäftsmodelle
- Risiken managen – Einsatzpotenziale von EaaS-Lösungen in der Produktion
- Digitale Plattformen
- Digitale Kollaborationsplattform zur verteilten, agilen Planung im Produktentstehungsprozess
- Virtuelle IIoT-Plattform für die Digitalisierung der Fertigung
- Künstliche Intelligenz
- Implikationen Künstlicher Intelligenz im industriellen Einkauf
- Szenariobasiertes Krisenmanagement mittels KI
- Sensorik
- Konzept zur Sensornachrüstung
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- KI-Lösungen in der Produktion
- Produktionsnetzwerke
- Zukunftsfähige Produktionsnetzwerke in disruptiven Zeiten
- Gestaltung von effizienten Produktionsnetzwerken in der Automobilindustrie
- Globale Produktionsstrategien in der Praxis – Strategieformulierung und -implementierung
- Produktivität
- Sensorgestützte Analyse der Maschinenbedienung in der Kleinserienfertigung
- Prozessmanagement
- Nutzung kollaborativer digitaler Tools zur Prozessoptimierung im Laborumfeld
- Prozessmodellierung in hochdynamischen Umgebungen
- Servicemanagement
- Ein hyperheuristischer Ansatz für die operative Serviceplanung in Product-Service Systems
- Planungsmethoden
- Überprüfung der Zukunftsfähigkeit von Planungsmethoden
- Wandlungstreiber
- Kategorisierung und Erstbeurteilung von Wandlungstreibern
- Datenqualität
- Erfasste Betriebsdaten und ihre Qualität
- Unternehmensübergreifendes Datenqualitätsmanagement
- Automatisierung
- Industriefähiges Bin Picking
- Energieeffizienz
- Wie effizient sind gleichspannungsversorgte Maschinen?
- Simulation
- Agile Erstellung von Materialflusssimulationen
- Geschäftsmodelle
- Risiken managen – Einsatzpotenziale von EaaS-Lösungen in der Produktion
- Digitale Plattformen
- Digitale Kollaborationsplattform zur verteilten, agilen Planung im Produktentstehungsprozess
- Virtuelle IIoT-Plattform für die Digitalisierung der Fertigung
- Künstliche Intelligenz
- Implikationen Künstlicher Intelligenz im industriellen Einkauf
- Szenariobasiertes Krisenmanagement mittels KI
- Sensorik
- Konzept zur Sensornachrüstung
- Vorschau
- Vorschau
