Suchen

Dieser Beitrag ist im Rahmen des Themenspecials "Industrie 4.0" erschienen.

sponsored by

Künstliche Intelligenz KI – etabliertes Werkzeug im industriellen Alltag

Autor / Redakteur: Arian Van Huelsen und Martin Messner* / Sebastian Human

Mit dem Begriff der künstlichen Intelligenz sind unterschiedliche Vorstellungen und Erwartungen verknüpft; in der öffentlichen Wahrnehmung wird sie die Welt revolutionieren und in der Fähigkeit, sie zu beherrschen, liegt der Schlüssel für eine zukünftige Führungsrolle als Unternehmen.

Firmen zum Thema

Viele Unternehmen liebäugeln mit dem Einsatz von künstlicher Intelligenz und die bereits erzielten Erfolge in der industriellen Praxis sind durchaus beachtlich.
Viele Unternehmen liebäugeln mit dem Einsatz von künstlicher Intelligenz und die bereits erzielten Erfolge in der industriellen Praxis sind durchaus beachtlich.
(Bild: PTC)

Während rund um KI immer größere öffentliche Forschungsprojekte entstehen, die alle Probleme der Moderne lösen sollen – vom Verkehr über die Gesundheit und die Bildung bis zum Klimawandel – entstehen in der Realität weitgehend unbemerkt konkrete Szenarien. Kern dieser Szenarien ist, sich anstatt der Vision auf das Machbare zu fokussieren und das zu Ende zu denken – vom Prototypen bis hin zu industrietauglichen Lösungen, die den konkreten Mehrwert in den Vordergrund stellen und Widerständen ausweichen.

Quasi durch die Hintertür

PTC hat früh begonnen, die Möglichkeiten der künstlichen Intelligenz in industrielle Abläufe zu implementieren und als kommerzielles Softwareunternehmen dabei einen Schwerpunkt auf den jeweiligen Mehrwert und die Machbarkeit gelegt. So ist eine Vielzahl von Lösungen entstanden und in der Praxis eingezogen, denen man ihren KI-Anteil zunächst gar nicht ansieht, da sie ihn nicht als Selbstzweck präsentieren, sondern als Innovation, die sich selbstverständlich anfühlt.

Man kann bei der angewandten KI zwischen den Algorithmen unterscheiden, die für den Anwender unsichtbar in der Software verbaut sind und einen ganz gezielten Entscheidungsprozess unterstützen, und den Algorithmen, die darauf warten, mit den Daten unserer Kunden gefüttert zu werden, um individuelle Fragen zu beantworten.

Das wesentliche Kriterium für erfolgreiche KI-Anwendungen liegt dabei in der Menge und Qualität der Daten, mit denen die Algorithmen trainiert wurden und arbeiten. Die Aufgabenstellung muss dafür klar definiert und konstant sein. Hält man diese beiden limitierenden Faktoren unter Kontrolle, kommen die Vorteile von KI zur besten Entfaltung und sie kann ihre größte Stärke ausspielen: aus sehr großen, unüberschaubaren Datenmengen die richtigen Schlüsse ziehen.

Ein großes Anwendungsfeld ist dabei das industrielle Produktdesign. Hier spielt künstliche Intelligenz die Rolle der Evolution und sorgt für eine extreme Anpassungsfähigkeit eines Produkts an seine Anforderungen – in der Form, im Material, den Kosten, dem Betriebsverhalten. Anhand von konkreten Randbedingungen, regelmäßig gesammeltem Erfahrungswissen aus Betrieb und Service und konkreten Versuchen können KI gesteuerte Algorithmen stark optimierte Bauteile entwerfen. Diese sind bei geringerem Gewicht und geringeren Kosten belastbarer und können mit individueller Softwaresteuerung versehen werden, um ihr Verhalten aktiv anzupassen.

Die Komplexität steigt

Die Produkte der Industrieunternehmen, die uns heute im Alltag umgeben, werden zunehmend komplexer. Das liegt neben dem wachsenden Softwareanteil vor allem auch an dem Fertigungsprozess. Dank der additiven Fertigung können ganz neue Strukturen entstehen, wo sich das Produktdesign zuvor den physischen Grenzen des Drehens, Fräsens oder Stanzens unterwerfen musste. In der additiven Fertigung werden die Produkte mit Hilfe von erstellten Gitterstrukturen gedruckt.

Diese Strukturen können äußerst komplex ausfallen und genau hier eignet sich KI hervorragend diese Komplexität zu beherrschen. Die CAD-Software Creo setzt mit der neuesten Version 7 bei der Topologieoptimierung auf die Anwendung von KI, die künftig bestimmen kann, wie die ideale Gitterstruktur aussehen muss, um bestimmte Produkteigenschaften wie Gewicht oder Belastungspunkte zu erfüllen. Man spricht hierbei von Generative Design, das den klassischen Produktionsprozess revolutionieren wird. Immerhin soll der Markt für Software mit Generative-Design-Werkzeugen wird bis 2030 auf fast 45 Milliarden US-Dollar wachsen.

KI im Anwendungsfeld Generative Design ist vergleichbar mit minimalinvasiver Chirurgie: Es nur dort etwas verändert, wo es notwendig ist.
KI im Anwendungsfeld Generative Design ist vergleichbar mit minimalinvasiver Chirurgie: Es nur dort etwas verändert, wo es notwendig ist.
(Bild: PTC)

Diese Art der KI ist vergleichbar mit minimalinvasiver Chirurgie: Verändere nur da etwas, wo es wirklich etwas bringt. Sie ist damit in jeder Hinsicht nachhaltig wirtschaftlich ebenso wie ökologisch und sorgt für elegante, begehrenswerte Produkte.

Ebenso attraktiv ist der Einsatz von KI im Kontext von Augmented Reality (AR). Angesiedelt an der Grenze zwischen digitaler Welt und realer Welt geht es hier darum, Objekte oder Areale der Wirklichkeit in konkrete berechenbare Fakten umzuwandeln. Das läuft nach dem Prinzip der Mustererkennung:
Es wird ein diffuses Bild mit bekannten Mustern verglichen. Wenn eine ausreichend große Ähnlichkeit festgestellt wird, gilt das Bild als erkannt, andernfalls wird entweder gelernt – das diffuse Bild wird mit einem neuen Begriff versehen, was es darstellt – oder es wird erneut probiert oder aufgegeben.

Auch hier verbirgt sich KI in der Software, die für das korrekte Erkennen der Objekte verantwortlich ist. Mit dem sogenannten Deep-Learning-Verfahren können digitale Objekte mit all ihren Details analysiert und erlernt werden, um diese dann später in der Wirklichkeit von jedem Winkel aus wieder zu erkennen. Das Prinzip ist identisch mit dem des menschlichen Sehens und ist für uns Menschen ganz intuitiv und einfach umzusetzen. Für eine Software allerdings müssen dazu alle relevanten Daten der Wirklichkeit aufgenommen und verstanden werden. Das ist ein äußerst rechenintensiver Prozess. Auf dieser Basis gibt es eine große Anzahl von Anwendungen.

Beispielsweise nutzt ein Hersteller von Elektroautos diese Technologie, um angelieferte oder in der Werkshalle herumliegende Bauteile zu identifizieren und ad-hoc genaue Informationen aus dem Warenwirtschaftssystem zu erhalten oder direkt diese Bauteile nachzubestellen. Interessant ist dabei, dass zum Trainieren der KI das CAD-Modell ausreicht, um in der realen Welt Objekte zu erkennen. Dadurch lässt sich der gesamte Prozess automatisieren und auf das gesamte Ersatzteillager anwenden.

Der schottische Komponentenhersteller Howden erstellte mithilfe von Vuforia Studio unter Verwendung vorhandener 3D-Modelle schrittweise Mixed-Reality-Anweisungen für eine bessere Customer Experience. Hier gezeigt ist ein Use Case im Rahmen der intern genannten Data-Driven-Advantage-Initiative.
Der schottische Komponentenhersteller Howden erstellte mithilfe von Vuforia Studio unter Verwendung vorhandener 3D-Modelle schrittweise Mixed-Reality-Anweisungen für eine bessere Customer Experience. Hier gezeigt ist ein Use Case im Rahmen der intern genannten Data-Driven-Advantage-Initiative.
(Bild: PTC)

Ein ganz anderes Verfahren der KI, bei dem es nicht um die Erkennung oder der Optimierung einer komplexen Topologie geht, ist die Vorhersage von Ereignissen. Das maschinelle Lernen baut hier auf einem digitalen Zwilling einer Maschine eine Art Verhaltensgehirn auf, das zwischen gewolltem und ungewolltem Verhalten unterscheiden kann. Aus einzelnen Verhaltensmustern werden Prognosen abgeleitet, vergleichbar mit dem Menschen, der aus einem Grummeln im Bauch baldigen Hunger oder aus einem Kribbeln in der Nase baldiges Nießen erkennt. Die Anwendungen sind Szenarien rund um die Vorhersage von Störfällen und die Planung von Wartungsbesuchen.

KI schützt hier vor unnötigen Wartungen, die Material- und Arbeitszeitkosten erzeugen ebenso wie vor ungeplanten Ausfällen von Maschinen, die im Zweifel extrem teuer werden können – im Schnitt kostet über alle Branchen hinweg nur eine Stunde Ausfallzeit 220 000 Euro, für betriebskritische Maschinen kann es aber auch schnell in die Millionen gehen!

Wie dramatisch so ein Ausfall sein kann, zeigt sich bei einem global agierendem Chemieunternehmen, das eine Abgasverbrennungsanlage in einem Chemiepark betreibt. Würde diese Anlage ungeplant ausfallen, müssen alle angeschlossenen Produktionsfabriken ihren Betrieb ebenfalls ungeplant stoppen. Die Kosten steigen also pro ausgefallener Stunde rasant an. Mit Hilfe von KI, verbaut in der IIoT-Plattform ThingWorx von PTC, wurde ein Vorhersagemodell entwickelt, mit dem man zuverlässig die Ausfälle prognostizieren kann. Am Markt zählt dieser Anwendungsfall, bekannt als Predictive Maintenance, zu den prominentesten Vertretern für starke Wertschöpfungspotenziale.

Digitaler Begleiter mit disruptivem Potenzial

Noch tiefer integriert im Prozess führt KI vom beobachtenden zum begleitenden digitalen Zwilling. Eine Fortsetzung des Vorhersagemodells für Betrieb und Service einer Maschine ist die Verwendung der gleichen Technologie bei der Entwicklung der Maschine. Letztendlich werden dabei die Methoden aus Design, Vorhersage und AR zusammengeführt und auf das ganze System angewandt, beispielsweise die Entwicklung eines Fahrzeugs.
Eine beliebige Zahl von Sensoren beobachtet dabei das Verhalten eines Produktes im Betrieb, etwa wenn es beschleunigt, bremst, lenkt, und vergleicht das Verhalten mit dem, was nach internen Berechnungen geschehen sollte. Aus dem Unterschied lernt das System, so lange bis das berechnete mit dem tatsächlichen Verhalten übereinstimmt.

Ab dann können Vorhersagen gemacht werden: etwa für Produkttests, die zeitaufwendig oder sehr teuer sind, weil Produkte dabei zerstört werden, oder für Variantenplanung und deren Tests. Man kann sehr viel Geld sparen und gleichzeitig sehr viel mehr probieren, um die am besten passenden Produkte zu erschaffen.

Ein echter digitaler Zwilling bietet zahlreiche Wertschöpfungspotenziale und ist eine echte Killer-Applikation für Industrieunternehmen. Der Weg dorthin gehört allerdings auch zu einer der Königsdisziplinen im Rahmen der digitalen Transformation.
Der gesamte Produktlebenszyklus von der Entstehung eines Produkts über die Fertigung bis hin zum Einsatz beim Kunden muss in Form von Daten aufgenommen werden. Fällt das Produkt aus und muss es von einem Servicetechniker gewartet werden, so wird auch diese Information verwahrt und an die Entwicklungsingenieure zurückgespielt, um die Qualität zu erhöhen. Diese Informationen zum Produktlebenszyklus sind auch als Digital Thread bekannt.
Ein Unternehmen, das diese Königsdisziplin sehr erfolgreich gemeistert hat, ist der Fahrzeughersteller Polaris. Polaris hat sämtliche Datensilos entlang des Digital Threads eliminiert und ist jetzt in der Lage, für die hergestellten Fahrzeuge ein holistisches Verständnis zum gesamten Lebenszyklus zu erhalten.

Derartig in Entwicklungsprozesse integriert, kann KI zum täglichen Begleiter für Ingenieure werden. Sie müssen andauernd Entscheidungen fällen, die von sehr viel mehr Information abhängen, als sie im Kopf haben können. Etwa, ob sie ein Bauteil neu schaffen oder auf ein vorhandenes zurückgreifen, welches Material sie wählen, welche Tests sie einplanen, welche Art der Verbindung sie wählen, welches Produktionsverfahren, wo sie einkaufen. Nach dem Muster von Amazon: „Andere Ingenieure, die ein ähnliches Problem haben, haben so entschieden …“ kann KI zu enormen Einsparungen führen.

Jede Entscheidung im Entwicklungsprozess, jede Produktvariante und Stückliste wird für PTCs Kunden in der PLM-Lösung Windchill gespeichert. Durch das tägliche Arbeiten vieler Designer und Ingenieure entsteht somit automatisch eine äußerst wertvolle Datensammlung, die mit KI analysiert werden kann. Will man zum Beispiel herausfinden, an welcher Stelle ein Prozess einen zeitlichen Engpass entwickelt hat und welche Ursache dafür verantwortlich ist beziehungsweise welche Maßnahmen ergriffen werden sollten, kann KI zu einer Antwort verhelfen. Ein großes Pharmaunternehmen und Kunde von PTC konnte dank dieses Verfahrens zahlreiche Optimierungen in deren Entwicklungsprozessen erzielen.

Fazit

Wer über künstliche Intelligenz spricht, dem sollte bewusst sein, dass sie künstlich ist. Es ist keine echte Intelligenz, denn sie ist immer nur auf ein konkretes Ziel, einen fest definierten Anwendungsbereich mit fest umrissenen Aufgaben ausgerichtet.

Künstliche Intelligenz ist ein Werkzeug wie andere auch und genau so gilt für sie: Man muss wissen, wie man sie einsetzt und wozu. Die hier vorgestellten Anwendungsfälle beweisen, dass künstliche Intelligenz keine Zukunftsvision ist. Sie ist fester, wertschöpfender Bestandteil von industriellen Lösungen und Kunden von PTC arbeiten bereits täglich damit. Mit ein wenig Übung wird der Umgang mit künstlicher Intelligenz zu einer sehr eleganten und wertvollen Fähigkeit, die Unternehmen im Wettbewerb stärkt und voranbringt.

* Arian van Huelsen arbeitet als IoT Presales Manager EMEA und Deutschland bei PTC. Martin Meßner treibt Projekte im PTC-Ökosystem zu den Themen Industrie 4.0 und digitale Transformation voran.

(ID:46923113)