Schnellauswahl

Denk mit! – Künstliche Intelligenz als Allzweckwaffe

(c) Getty Images/iStockphoto (metamorworks)
  • Drucken

Künstliche Intelligenz spielt für Unternehmen eine immer größere Rolle. Mittlerweile kann KI in den unterschiedlichsten Bereichen eingesetzt werden – von Marketing bis zur Produktion. Mit Analysetools für KI-Instrumente wird in der Industrie die Kunst der Prognose revolutioniert.

Wie man KI-Lösungen in die Unternehmen bringt, dieser Aufgabe haben sich neue Firmen wie Quomatic.ai verschrieben. Das österreichische Startup aus Linz fokussiert darauf, Strategie, Umsetzung und Betrieb für KI-Lösungen aus einer Hand anzubieten und setzt dabei auf Expertise und Erfahrung in den Bereichen IT, maschinelles Lernen und künstliche Intelligenz.

Analyse zur Prognose

Im Produkt- und Serviceportfolio von Quomatic.ai spiegelt sich wider, welchen Dienst eine u.a. mit neuronalen LSTM-Netzwerken ausgestattete KI in konkreten Feldern der Industrie 4.0 leisten kann. Die Schlagworte Predictive Maintenance, Predictive Quality Control und Predictive Planning bringen zunächst zum Ausdruck, dass intelligente Systeme, die aus den Fehlern von gestern eigenständig lernen, um es heute besser zu machen, auch geeignet sind, das Morgen vorherzusehen.

So wird bei Predictive Maintenance durch intelligente Algorithmen eine große Menge an Maschinen- und Umgebungsdaten in Echtzeit analysiert, um aus den Veränderungen Ausfall- und Verschleißprognosen zu erstellen. Aufgrund der permanenten Überwachung des aktuellen Zustands der Maschine lassen sich ungeplante Maschinenausfälle und -störungen bereits im Vorhinein antizipieren. Darüber hinaus lässt die Datenanalyse nicht nur Rückschlüsse auf den Zustand einer Maschine zu, sondern auch auf die Qualität der Produkte. Somit können durch den Einsatz von Predictive Maintenance neben den Prozessen ebenfalls die Produkte optimiert werden.

Auch bei der Verringerung von Qualitätsproblemen, ein Schlüsselfaktor der Industrie 4.0, ermöglicht es KI, komplexe Qualitätskontrollmaßnahmen (u.a. visuelle Inspektion) automatisch durchzuführen. Ziel ist es, Fehler besser zu erkennen und deren Ursache schnell und kostengünstig zu identifizieren. Die sogenannte Predictive Quality Control sichert so einen Kontrollprozess, der zum einen für eine Verbesserung der Produktqualität sorgt und zum anderen für die Verringerung der Prüfkosten, Nacharbeitskosten, Kosten aus Gewährleistungsansprüchen sowie für die Reduktion von qualitätsbedingten Maschinenstillständen und Ausschussraten verantwortlich zeichnet.

Wenn es darum geht, bestehende Prozesse technisch besser zu unterstützen und Planer zu entlasten, kommt wiederum Predictive Planning zum Einsatz. Industrielle Unternehmen sollen von höherer Qualität und Genauigkeit von Prognosen und der Reduktion des Planungs- und Reaktionsaufwandes profitieren, um einen Wettbewerbsvorteil zu erlangen. Predictive Planning zielt auf Planungsprozesse vom Rohstoff bis hin zum Kunden ab. Im Fokus stehen die Optimierung der Absatz-, Produktions- und Lagerplanung.

(c) Getty Images/iStockphoto (LeoWolfert)

Ab in die Industrie

„In Österreich haben wir starke Kompetenzen. Die Unternehmen haben aber Aufholbedarf“, sagt mit Ulrich Bodenhofer jemand, der beide Seiten bestens kennt, jene der KI-Entwicklung und jene der wirtschaftlichen Anwendung. Jahrelang war der promovierter Mathematiker, der in künstlicher Intelligenz habilitiert hat, die rechte Hand von LSTM-„Erfinder“ Sepp Hochreiter. Seit Juni 2018 ist er Chief Artificial Intelligence Officer bei Quomatic. „Viele Firmen nennen den Einsatz von KI zwar als strategisches Ziel, sind aber operativ noch lange nicht dort“, so Bodenhofer. Ausnahmen bestätigen hierzulande die Regel. Die Spedition Gebrüder Weiß nutzt etwa KI zur Datenanalyse, um exakt voraussagen zu können, welche Sendungen morgen erwartet werden können. Das macht die Einsatzplanung von Mitarbeitern und Fahrzeugen effizienter. Das Marchtrenker Familienunternehmen Rübig bedient sich KI-Lösungen, um den Energieauwand und die Verweildauer von Werkteilen in Plasmaöfen zu optimieren.

„LSTM4Drive“

Die aktuellen Forschungsprojekte am JKU-Institut für Machine Learning umfassen Methoden zur Medikamententwicklung, für Text- und Sprachanalyse, Bildverarbeitung und autonomes Fahren. Für letzteres Anwendungsfeld gelten künstliche neuronale Netze als wichtigste Enabler-Technologie. Zum einen soll die Leistung von Computer-Vision-Systemen die Erkennung des Fahrzeugumfeldes dramatisch verbessern. Zum anderen erlaubt die KI die Integration und Interpretation von Daten anderer Fahrzeugsensoren wie Radar, Lidar, Ultraschall, GPS, etc. Zum gegenwärtigen Zeitpunkt verfolgen Entscheidungen auf Basis von Kamerabildern und sonstigen Sensoren den Ansatz, Umgebungssignale zu jedem Zeitpunkt, unabhängig von anderen Zeitpunkten zu interpretieren. Viele komplexe Verkehrssituationen können aber nur dann korrekt identifiziert und verstanden werden, wenn der Verlauf der Informationen über die Zeit mitberücksichtigt wird. Hier setzt das über drei Jahre bis Ende 2019 laufenden JKU-Forschungsprojekt „Einsatz von Long Short Term Memory (LSTM) für self-driving automotion“ an. Genützt werden Long-Short-Term-Memory-Netzwerke, um Entscheidungen beim autonomen Fahren zu treffen.

In einem ähnlich gelagerten Projekt, „LSTM4Drive“ (in Kooperation mit der Softwareschmiede Audi Electronics Venture), wurden in den letzten beiden Jahren jene neuronalen netzwerkbasierte Methoden entwickelt, die eine kontinuierliche Zufuhr von Kamerabildern und anderen Sensordaten auswerten können. LSTM werde laut den Forschern künftig dazu beitragen, eine robustere, sicherere und rechtzeitige Entscheidungsfindung beim autonomen Fahren zu gewährleisten.

Die Krone der Schöpfung

Die Erwartungen der Experten an die Möglichkeiten, die neuronale LSTM-Netzwerke bei der Entwicklung von KI eröffnen, sind hoch. „Forschungsergebnisse in diesem Bereich werden von zentraler Bedeutung sein. Wir stehen vor der nächsten Welle der KI“, sagt Schmidhuber. Maschinen und Roboter, die ihre Daten durch eigenes Handeln gestalten, stehen womöglich ante portas. Laut Schmidhuber und anderen KI-Architekten darf damit gerechnet werden, dass Menschen irgendwann nicht mehr die Krone der Schöpfung sein werden.

Diese Meinung teilen auch namhafte Proponenten der Wirtschaft und Zukunftsforschung wie Ray Kurzwell, Director of Engineering bei Google, oder Elon Musk, Gründer des Elektroautoherstellers Tesla und des privaten Raumfahrtunternehmens SpaceX. Beide gehen davon aus, dass die neue Künstliche Intelligenz über kurz oder lang ihr menschliches Pendant überflügeln wird. Musk, der seit Jahren vor dieser Gefahr warnt, reagiert darauf proaktiv. „Wenn man KI nicht besiegen kann, muss man sich ihr anschließen“, lautet seine Idee hinter der 2016 gegründeten Firma Neuralink.