Multiagentensysteme für die autonome Produktion

Im Forschungsprojekt MAS4AI (Multi-Agent Systems for pervasive Artificial Intelligence for assisting humans in modular production environments) hat sich ein Konsortium aus siebzehn europäischen Partnern das Ziel gesetzt, ein Multiagentensysteme für die autonome modulare Produktion zu entwickeln.
Bild: Technologie-Initiative SmartFactoryKL e.V.

Das MAS4AI-System orientiert sich an ausgewählten Industriebranchen und plant in den nächsten drei Jahren deren smarte Digitalisierung mit Werkzeugen der künstlichen Intelligenz (KI). Ziel ist eine resiliente Produktion, die flexibel auf wechselnde Anforderungen oder Störungen in den Wertschöpfungsnetzen reagieren kann. Grundlage ist dabei eine große Produktvielfalt mit Losgröße 1 in komplexen Fertigungsumgebungen.

Ein Problem im Kollektiv lösen

Multiagentensysteme sind ein Forschungsgebiet der künstlichen Intelligenz, bei dem mehrere ‘intelligente‘, unterschiedlich spezialisierte und meist autonome Softwarebausteine (Agenten oder Bots), koordiniert handeln, um kollektiv ein Problem zu lösen. Dabei orientieren sich die Forscher am langfristigen Ziel einer stabilen Fertigung, die u.a. auf Shared Production und Production-as-a-Service setzt. Um diese Vision umsetzen zu können, ist die Kommunikation, Abstimmung und Koordination von Skills (Produktionsfertigkeiten) in einem Produktionsnetzwerk notwendig. Diese Koordination sollen in Zukunft KI-Methoden übernehmen, so die Forscher. Perspektivisch haben die europäischen Projektpartner eine Produktion im Blick, die verteilt in europäischen Netzwerken (wie GAIA-X) möglich sein kann.

Der Mensch soll die Kontrolle behalten

Die Wissenschaftler und Ingenieure aus Deutschland, Spanien, Italien, Polen, Griechenland, Litauen und den Niederlanden wollen zunächst an einer modularen Systemarchitektur und einem Kommunikationsgerüst arbeiten, um die Grundlage für die Integration der industriellen KI-Dienste für die intelligente Produktion zu schaffen. Dabei soll der Mensch stets die Kontrolle über die KI-Technologien behalten, so die Experten. Voraussetzung dafür sei, dass die KI-Prozesse so aufbereitet werden, dass sie für Werker jederzeit verständlich sind — nur so könnten sie validiert, optimiert oder geändert werden. In MAS4AI sollen Demonstratoren entwickelt werden, die sich an einer Reihe industrieller Anwendungsfälle orientieren. Das sind europäische Industriesektoren mit hoher Wertschöpfung, wie bspw. Unternehmen aus der Automobilindustrie, der Auftragsfertigung, der Fahrradproduktion, oder der Holzverarbeitung.

„MAS4AI passt perfekt in unser Konzept von Production Level 4, das auf Production-Bots und modular aufgebauten Netzwerken basiert. Wir stellen uns das so vor, dass zukünftige Produktionsmittel ihre Fähigkeiten (Skills) in Netzwerken anbieten und die Produkte diese selbstgesteuert abrufen“, sagt Prof. Martin Ruskowski, Vorstandsvorsitzender der SmartFactory-KL und Leiter des Forschungsbereiches Innovative Fabriksysteme am DFKI. „In unserer Vision kennt ein Produkt seine Eigenschaften und seinen aktuellen Fertigungsfortschritt. Zwischen den Skills sucht es sich selbständig seinen Weg zur eigenen Herstellung. Die kann in einer Halle stattfinden, aber auch in einem europaweiten Netzwerk.“

Die Entwicklungen des Konsortiums umfassen:

  • Ein Multi-Agenten-System zur Verteilung von KI-Komponenten in verschiedenen Hierarchieebenen.
  • KI-Agenten, die wissensbasierte Repräsentation mit Semantic Web-Technologien verwenden.
  • KI-Agenten für die hierarchische Planung von Produktionsprozessen.
  • Modellbasierter KI-Agent für maschinelles Lernen (ML).

Ein grundlegendes Konzept in MAS4AI ist die Integration aller intelligenten Komponenten (Smart Components sind Maschinen mit Eigenschaften wie Selbststeuerung, Selbstbeschreibung oder Selbstlernfähigkeit) in eine ganzheitliche Systemarchitektur. Das ermöglicht eine einfache Entwicklung und den Einsatz industrieller KI-Technologien. Davon profitieren Softwareentwickler, Systemintegratoren und Endbenutzer, weil die Hürde für den KI-Einsatz niedrig ist. „Wir rechnen damit, dass dadurch völlig neue Ideen für Geschäftsmodelle entstehen und sich neue Marktchancen ergeben“, sagt Ruskowski.

Die Projektpartner sind:

  • Deutsches Forschungszentrum für Künstliche Intelligenz, Deutschland
  • Nederlandse Organisatie voor Toegepast Natuurwetenschappelijk Onderzoek, Niederlande
  • University of Patras – Laboratory for Manufacturing Systems & Automation, Griechenland
  • Fundacion Tecnalia Research and Innovation, Spanien
  • Asociacion De Investigacion Metalurgica del Noroeste, Spanien
  • University of Silesia, Polen
  • Volkswagen, Deutschland
  • SCM Group Spa, Italien
  • JSC Baltik Vairas, Litauen
  • VDL Industrial Modules, Niederlande
  • Fersa Bearings, Spanien
  • Semaku, Niederlande
  • Symvouloi Kai Proionta Logismikou, Griechenland
  • Flexis, Deutschland
  • Sisteplant, Spanien
  • D.M.D. Computers, Italien
  • Smart Manufacturing Competences Centre Intechcentras, Litauen
Technologie-Initiative SmartFactoryKL e.V.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.