Autonome, selbstlernende Steuerungssoftware
KI-Verfahren für die Produktion
Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts 'KISPo' will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.
Bild: ©Stock57/stock.adobe.com

Die globale, digitale Vernetzung von Produktionsstandorten, Maschinen und Logistikzentren stellt Unternehmen vor neue Herausforderungen. ‚Industrie 4.0‘ ist das Schlagwort – mehr Tempo, Flexibilität, Autonomie und nicht zuletzt Nachhaltigkeit sind gefragt. Insbesondere mittelständische Unternehmen sind deshalb auf die Entwicklung innovativer Technologien angewiesen, um mit den Veränderungen Schritt halten zu können. „Das gilt vor allem für das produzierende Gewerbe“, sagt h_da-Mathematiker Prof. Dr. Horst Zisgen. „Ein Unternehmen, das z.B. verschiedene Typen von Elektromotoren produziert, ist auf viele Zulieferer und reibungslose Abläufe angewiesen. Die Nachfrage ist hoch, die Produktion muss effizient laufen. Wenn es aber an irgendeiner Stelle zu Störungen im Fertigungsprozess kommt, kann der Ablauf heute nur schwer angepasst werden.“

Aktuell wird der Produktionsablauf nach starren Regeln gesteuert, die irgendwann einmal festgelegt und programmiert wurden. Bei Störungen muss manuell nachgesteuert, also umprogrammiert werden – das kostet Zeit und Geld. „Wenn in meiner Fabrikhalle z.B. eine Montagestation ausfällt, an der zwei rote Schrauben montiert werden, habe ich – Stand heute – ein Problem“, vereinfacht der Mathematik-Professor das Problem. „Ein intelligentes System wäre in der Lage, eigenständig zu reagieren und den komplexen Produktionsprozess ohne Effizienzverluste umzusteuern.“ Dann bekäme z.B. die Produktion eines anderen Bauteils (ohne ‚rote Schrauben‘) zeitweise Priorität.

Solche intelligenten Steuerungssysteme möchten Zisgen und Kollegen für einen bestimmten Typ von Produktionsanlagen entwickeln. Der Projekt-Titel ‚KISPo‘ steht für ‚KI-Verfahren zur Steuerung von Digitalen Portalroboterzwillingen‘. In Portalsystemen werden Werkstücke, also etwa das Gussrohteil eines Elektromotors, von einer Bearbeitungsstation zur nächsten transportiert. An jeder Station kommt ein Arbeitsschritt oder Bauteil hinzu. Der Transport erfolgt in Wagen, die mit Greifarmen ausgestattet sind und über ein Schienensystem von Station zu Station fahren. Produkte, die typischerweise mit solchen Anlagen hergestellt werden, bilden eine breite Palette ab: von Windradgetrieben bis hin zu Bauteilen für Züge. Größere Anlagen dieses Typs füllen ganze Fabrikhallen.

Eine intelligente Steuerungssoftware, die auf Machine Learning oder Reinforcement Learning basiert, ist für solche komplexe Anlagen bislang nicht auf dem Markt – ein Manko, das sowohl vom Branchenverband VDMA als auch von wissenschaftlicher Seite beklagt wird. Eine Studie der Fraunhofer-Gesellschaft zum Maschinellen Lernen kam 2018 zu dem Ergebnis, dass eine „stärkere und schnellere anwendungsnahe Umsetzung von KI in konkrete Produkt-, Prozess- und Dienstleistungsinnovationen“ vonnöten sei, um den Wirtschaftsstandort Deutschland auf Dauer konkurrenzfähig zu machen.

Zisgen und seine Partner stoßen mit KISPo in diese Lücke: „Die technologische Lösung, die wir anstreben, bietet klare Wettbewerbsvorteile: Die Produktion wird flexibler, Unternehmen können schneller auf Veränderungen am Markt und in den Lieferketten reagieren und dadurch effizienter und nachhaltiger wirtschaften,“ betont Boris Bind, Leiter des Bereichs Engineering bei FLT. Die Software, an der das Konsortium arbeitet, wird in der Entwicklungsphase anhand von Simulationsmodellen trainiert, die SimPlan entwickelt. „Wenn unser Software-Prototyp dann erstmals zum Einsatz kommt, ist das System bereits gut trainiert und kann schwierige Situationen meistern. In der praktischen Anwendung lernt es immer weiter dazu“, erläutert Prof. Dr. Sven Spieckermann, Vorstandssprecher von SimPlan.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Bild: Fraunhofer IOSB-INA
Bild: Fraunhofer IOSB-INA
Fraunhofer entwickelt Lösungen für Einsatz künstlicher Intelligenz in industrieller Produktion

Fraunhofer entwickelt Lösungen für Einsatz künstlicher Intelligenz in industrieller Produktion

Wie macht die intelligente Nutzung von Daten Fabriken fit für die Zukunft? Im Projekt ‚Datenfabrik.NRW‘ erarbeiten vier Fraunhofer-Institute (Entwurfstechnik Mechatronik IEM, Materialfluss und Logistik IML, Optronik, Systemtechnik und Bildauswertung IOSB und Intelligente Analyse- und Informationssysteme IAIS) konkrete Anwendungen für den vielfältigen Einsatz von künstlicher Intelligenz in der Produktion und setzen diese in realen Produktionsumgebungen bei Claas und Schmitz Cargobull um. Das Land Nordrhein-Westfalen fördert das Zukunftsprojekt mit 9,2Mio.€. Die Kompetenzplattform KI.NRW nimmt die Datenfabrik.NRW als KI-Flagshipprojekt in ihr Netzwerk auf.

Anzeige

Anzeige

Anzeige