Industrie 4.0: Deep Learning

In den Anwendungsszenarien der Industrie 4.0 fallen viele Daten an. Gleichzeitig werden Computer und Algorithmen immer leistungsfähiger.

Dies führt zu einer neuen Blüte des Maschinenlernens (Machine Learning), und zu neuen Anwendungen, die früher nicht einfach möglich waren.

Machine Learning

Bereits in den 1970iger Jahren haben Forscher an Algorithmen gearbeitet die den Computern künstliche Intelligenz beibringen sollten.

So waren zum Beispiel neuronale Netze der Funktionsweise des menschlichen Gehirns nachempfunden, und die Algorithmen konnten damals schon Dinge lernen. Anwendungen gab es zum Beispiel in der Steuerung fahrerloser Transportsysteme, wo es darum ging, Fahrzeuge mit eigener Intelligenz auszustatten – um nur ein Beispiel zu nennen.

Der Zweig der künstlichen Intelligenz ist allerdings in der praktischen Anwendung bald in den Hintergrund getreten, als man gemerkt hat, daß die Computer zu wenig leistungsfähig waren, um solche Rechnungen für echte Anwendungen durchzuführen. Aber auch die Algorithmen waren längs noch nicht ausgefeilt genug. Trotzdem ging die Forschung bis heute weiter.

Inzwischen ist die Computer- und Softwaretechnik wesentlich weiter, und gerade im Bereich der Industrie 4.0 erkennt man zunehmend Anwendungsszenarien, die intelligente Algorithmen voraussetzen, bzw möglich machen. Auch macht die zunehmende Vernetzung der Fertigung solche Programme notwendig.

In der Anlage finden Sie einige Artikel, die sowohl Anwendungsszenarien darstellen, als auch den Stand der Technik beschreiben. Man kann hieraus bereits ableiten, daß und wie sich die Arbeit ändern wird, je weiter sich die Fertigung digitalisiert.

Vernetzte Fertigung

Im Bereich der vernetzten Fertigung, die durch Industrie 4.0 möglich sind, fallen beispielsweise viele Sensordaten an, die dazu benutzt werden können, um menschliche Entscheidungen vorzubereiten und um die Arbeit von Experten zu unterstützen.

Wenn beispielsweise mehrere Sensoren in einer Fertigung eine Fehlermeldung abgeben, kann intelligente Software den Menschen dabei unterstützen die Fehlerursache zu finden. Solche Software ist dann häufig in der Lage Schlussfolgerungen zu ziehen und Muster zu erkennen.

Ein anderes Anwendungsszenario, das es bereits seit vielen Jahren gibt, ist das Szenario der vorausschauenden Wartung. Beispielsweise messen in einer Fertigung der Industrie 4.0 permanent viele Sensoren die unterschiedlichen Zustände der einzelnen Maschinen.

Solche Daten kann ein intelligenter Algorithmus dazu verwenden, um Wartungsintervalle zu bestimmen, die so ausgelegt sind, daß die Maschine gerade noch vor dem Ausfall gewartet wird, aber auch nicht zu früh.

Die großen IT Firmen

Der Suchmaschinenbetreiber Google, aber auch Firmen wie Apple, IBM und Microsoft haben in der letzten Zeit massiv in das Thema investiert.

Vielleicht haben Sie ja schon einmal den intelligenten IBM Watson gesehen, oder mit den intelligenten Sprachassistenten Siri oder Cortina gearbeitet – dies sind alles Beispiele für Maschinenintelligenz und Maschinenlernen.

Es ist also absehbar, daß zukünftig Fertigungsszenarien von intelligenten Maschinen möglich gemacht werden, an die man früher nicht denken konnte. Es ist aber auch absehbar, daß Computer sich zunehmend zu Assistenzsystemen weiterentwickeln werden, die den menschlichen Experten bei seiner Arbeit unterstützen.

Im Rahmen von Industrie 4.0 macht es demnach sehr viel Sinn, sich auch mit dem Bereich der künstlichen Intelligenz zu befassen.

Weiterführende Informationen

Das Original dieses Artikels ist auf →Der Produktmanager erschienen (©Andreas Rudolph). Folgeartikel zum Thema gibt es über die (→Mailingliste), oder indem Sie →mir auf Twitter folgen.

In der Online Version des Artikels finden Sie hier die versprochenen weiterführenden Links: