Künstliche Intelligenz (KI), gerne auch mal mit dem englischen AI (Artificial Intelligence) bezeichnet, beherrscht derzeit auf wissenschaftlicher und technologischer, aber auch auf wirtschaftlicher, gesellschaftlicher und politischer Ebene viele Diskussionen. Kaum ein Anbieter von Elektronik, Software oder Automatisierungstechnik, der ohne Verweis auf echt oder vermeintlich intelligente Features seines Produktes auskommt. Und auch Führungskräfte erwarten zunehmend, dass ihre Mitarbeiter und Bewerber KI-Kenntnisse besitzen. So zeigt eine im Oktober 2020 vom Automatisierungsdienstleister UiPath durchgeführte Umfrage unter mehr als 500-C-Level-Managern in großen Unternehmen, dass 73 Prozent der befragten Führungskräfte bei der Auswahl zwischen zwei ähnlich qualifizierten Bewerbern denjenigen mit mehr Erfahrung in KI-Tools auswählen würden – selbst wenn die Position diese Fähigkeiten zunächst gar nicht erfordert.
Und während z.B. der Einzelhandel KI vor allem zur Verkaufsunterstützung nutzt – empfohlene Artikel und Chatbots kennt man mittlerweile – sehen Industrieunternehmer die Vorteile der künstlichen Intelligenz laut einer Studie des Bitkom aus 2020 vorwiegend in den Bereichen Predictive Maintenance (43 Prozent), Produktivitätssteigerung (41 Prozent), Prozessoptimierung (39 Prozent) und Qualitätssteigerung (29 Prozent). Eine Kostenreduktion erwarten hingegen nur 15 Prozent der Befragten. Im VDMA-Report ‚Machine Learning im Maschinenbau‘ sahen 74 Prozent der Befragten eine Erhöhung des Automatisierungsgrades als wichtigsten Effekt von KI – vom Einlesen handschriftlicher Dokumente über die automatische Wareneingangskontrolle bis hin zur Erkennung von Anomalien in der Produktion. Aber was heißt KI überhaupt? Häufig entsteht der Eindruck, dass sich dahinter eine homogene Technologie verbirgt. Das ist aber nicht so.
Arten von künstlicher Intelligenz
Zunächst einmal: Die so genannte starke KI, die menschliches Denken nachahmen soll, ist Stand heute nur ein Gedankenspiel von Forschern. Sie liegt derzeit außerhalb der technischen Möglichkeiten und auch wenn Science-Fiction-Fans gerne darüber spekulieren, sind hier fundamentale Probleme noch nicht gelöst – und werden es wohl auch so schnell nicht.
Anders sieht es mit der schwachen KI aus. Die wird genutzt, um intelligente Entscheidungen für spezielle Teilbereiche zu treffen, etwa für die Automatisierung von Prozessen, nicht nur in der Industrie. So gesehen ist KI ein Teilgebiet der Informatik mit den Unterdisziplinen Machine Learning und Deep Learning. Sehr vereinfacht gesagt ist es das Ziel des Unterfangens, Computer dazu zu bringen, Dinge zu tun, bei denen Menschen im Moment besser sind als die Software. Also sollen aus vorhandenen Daten automatisiert Algorithmen erstellt werden, die Entscheidungen dann wiederum schneller und in ihrem speziellen Einsatzbereich womöglich sogar besser als Menschen treffen können. Das klappt mittlerweile sehr gut: Sprachassistenten wie Siri oder Alexa, Bildverbesserungsalgorithmen in Smartphone-Kameras, Übersetzungsdienste wie DeepL oder Google Translator, Routenvorschläge im Auto – die Liste lässt sich beliebig erweitern. Die vor allem im Bereich der Unterhaltungs- und Kommunikationselektronik in Massen verfügbaren Daten sind der Hauptgrund für den Vorsprung, den KI-Systeme im Consumer-Umfeld derzeit haben.
Die Industrie setzt auf KI
Doch die Industrie zieht nach, man kann fast von einem Siegeszug in der Automatisierung sprechen. Drei Hautptgründe gibt es dafür: Die Verfügbarkeit von umfassenden Daten durch vernetzte Sensorik, erschwingliche Speicherkapazitäten durch Edge- und Cloud-Computing sowie eine ständig steigende Rechenleistung in allen Bereichen. Und so sprießen aus allen Disziplinen plötzlich intelligente Lösungen. Der taiwanesische Hersteller Advantech mischte auf seiner (digitalen) Kundenveranstaltung Ende Februar 2021 gar die Begriffe AI und IoT zu AIoT. Potenzial gibt es genug: in der industriellen Bildverarbeitung, für vorausschauende Wartung, bei autonomen fahrerlosen Transportsystemen, ja sogar in der adaptiven Laststeuerung von Antrieben.
„KI wird für die Produkte und Prozesse des Maschinenbaus ein maßgeblicher Faktor zukünftiger Wettbewerbsfähigkeit sein“, erkennt denn auch der VDMA in einer Stellungnahme zur politischen Strategie in Deutschland und Europa.
Beispiele aus der Praxis
RNA, ein Hersteller im Bereich Zuführtechnik, arbeitet an einer KI-gestützten Machbarkeitsanalyse. Die KI ist bereits heute in der Lage, auf Basis der eingegebenen Daten an Werkstücksgeometrien in Echtzeit ein Angebot zu erstellen – abhängig von den vorhandenen Daten. Je mehr Daten in die KI einfließen, desto wahrscheinlicher kann sie ein Angebot errechnen. Diese KI soll zukünftig mithilfe der vorhandenen Daten an Werkstückgeometrien und den dazugehörigen Zuführlösungen auch gleich die richtige Lösung auf Basis der vorhandenen Werkstückgeometrie des Kunden vorschlagen können. So soll sie nicht nur den Preis ermitteln, sondern diesen bereits mit der dazu passenden Sortierung verknüpfen und vorschlagen.
