KI und Maschinelles Lernen für die Produktion: von der korrekten Datenakquise bis zur erfolgreichen Anwendung

KI und Maschinelles Lernen für die Produktion: von der korrekten Datenakquise bis zur erfolgreichen Anwendung

In diesem Lernvideo erfahren die Teilnehmer, was bei der Datenbeschaffung und Anwendung von KI im KMU-nahen Produktionsumfeld zu beachten ist und welche Besonderheiten KI in der Produktion auszeichnen.

Datensouveränität in der Produktion - ©Adobe Firefly KI-generiertes Bild

Datensouveränität in der Produktion

Über IDS-Connectoren der International Data Spaces (IDS) können Unternehmen sensible Produktdaten souverän mit Geschäftspartnern teilen und gemeinsam verarbeiten. Dazu haben Wissenschaftlerinnen und Wissenschaftler des Fraunhofer Clusters of Cognitive Internet Technologies CCIT die Software von IDS-Connectoren steuerungsnah mit einer Werkzeugmaschine verbunden. Rechtevergabe, Übermittlung und Löschen der Daten sowie eine mögliche Auftragsvergabe und -Erteilung erfolgen automatisch direkt über die Maschine.

Optimierung von Bohrprozessen mit Künstlicher Intelligenz

Optimierung von Bohrprozessen mit Künstlicher Intelligenz

Um komplexe Produktionsprozesse zu vereinfachen und zu optimieren wird der Einsatz von Künstlicher Intelligenz immer wichtiger. Das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik untersucht, wie Künstliche Intelligenz eingesetzt werden kann sowie Bohrprozesse verbessert werden können. Durch die schwere Zugänglichkeit von Bohrlöchern lassen sich Ergebnisse oft schwierig überprüfen. Zur Qualitätsprüfung kommen daher datenbasierte Prognosemodelle der Künstlichen Intelligenz ins Spiel, die ohne invasive Eingriffe bereits Ableitungen zur Güte machen können. Auch lassen sich damit Material- sowie Prozessfehler erkennen, zusätzlich kann der aktuelle Verschleißgrad durch die Zustandsüberwachung erkannt und prognostiziert werden.

Digitale Bauteilakte
/ / /

Digitale Bauteilakte

»The world’s most valuable resource is no longer oil, but data« [The Economist, 06.05.2017]

In dem Artikel aus dem Journal The Economist aus dem Jahr 2017, ist von der Bedeutung und dem enormen Wert die Rede, welche die Daten der Konsumenten digitaler Angebote bzw. Services – also uns Menschen – besitzen und die von den „großen Datengiganten“ (GAFA – Google, Amazon, Facebook und Apple) in Rahmen verschiedener Geschäftsmodelle gehoben werden. Nachweislich lässt sich also mit Daten sehr viel Geld verdienen. Doch wie steht es um die Daten von Produkten, wie einem Automobil? Diese sind offensichtlich noch nicht genügend erschlossen – insbesondere, wenn man diese über den gesamten Produktlebenszyklus – also auch zu deren nachhaltiger Wiederverwertung – betrachtet.