Mit der zunehmenden Verfügbarkeit von IoT-Devices und einer deutlich stärkeren Vernetzung der Fertigung mit Internet-Technologien rückt auch eine Verbesserung der Fabriksteuerung durch den Einsatz Künstlicher Intelligenz (KI) in den Vordergrund. Dieser Beitrag beschreibt am Beispiel einer variantenreichen Serienfertigung, welche Schritte zu gehen sind, um mit KI die Fabriksteuerung zu verbessern.

Cyber-Physical Systems (CPS) sind ein Beispiel für die immer engere Verbindung von digitaler und realer Welt. Denn in CPS werden Abläufe und physische Gegenstände unmittelbar in digitale Prozesse integriert. Für IT-Experten bedeutet das mehr Komplexität in der Entwicklung von IT-Systemen. Denn die bisherige Modellbildung, mit der sie gearbeitet haben, stößt angesichts der Unordnung in der realen Welt an ihre Grenzen. Künstliche Intelligenz (KI) hilft dabei, diese Komplexität zu beherrschen und so den Einsatz von CPS zu erleichtern beziehungsweise zu ermöglichen. Die Stärke von CPS liegt insbesondere im Finden von Optimierungspotenzialen, im Erkennen von Mustern und in der engen Zusammenarbeit mit Menschen. Verfahren wie Machine Learning, das die Grundlage für beispielsweise Bilderkennung oder Spracherkennung liefert, erlauben einerseits engere Interaktionsmöglichkeiten zwischen Mensch und CPS. Andererseits erhöhen diese Techniken den Autonomiegrad, mit dem CPS arbeiten können. In Summe entstehen dank KI neue Einsatzszenarien. Die Kombination dieser Technologien stößt die Tür für die Fabrik der Zukunft auf. Diese Entwicklung muss sich auch in den zugrundeliegenden IT-Systemen niederschlagen, die Unternehmen aufbauen. Die Verantwortlichen müssen Strukturen schaffen, in denen klassische Informationssysteme, CPS und Cognitive Computing Systems integriert zusammenarbeiten können.

Wenn ich mir die aktuellen Diskussionen um IoT und smarte Materialwirtschaft anschaue, dann bin ich immer wieder überrascht, wie oft der Eindruck erweckt wird, dass vor allem Künstliche Intelligenz das wesentliche Element zum Schließen der Digitalisierungslücken in Supply Chain Management und Materialwirtschaft sei.

Sensoren und Aktoren finden immer häufiger Anwendung in der industriellen Produktion. Traditionell werden zentralistische Ansätze für die Verarbeitung der Sensordaten und Ansteuerung der Aktoren verwendet. Zunehmende Dichte von Sensoren und Aktoren, mit gleichzeitig fortschreitender Miniaturisierung, erfordern dezentrale Datenverarbeitung in verteilten Netzwerken aus Sensoren und Aktoren. Die Künstliche Intelligenz, ein Teilgebiet der Informatik, kann wichtige Beiträge für Robustheit und Autonomie bei der Verarbeitung und Verteilung von Daten in solchen Netzwerken liefern.