KÜNSTLICHE INTELLIGENZ IM MITTELSTAND - POTENZIALE UND ANWENDUNGSBEISPIELE
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
SPRACHVERARBEITUNG
MASCHINELLES LERNEN BIG DATA ANALYTICS
BILDANALYSE TEXTERSTELLUNG
KÜNSTLICHE INTELLIGENZ
PROGNOSE
DEEP LEARNING
ROBOTIK
WISSENSMANAGEMENT
KÜNSTLICHE INTELLIGENZ IM MITTELSTAND
POTENZIALE UND ANWENDUNGSBEISPIELE
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
INHALT VORWORT
Vorwort 3 Eifelbrennholz e.K. Automatisierte 22 Die Digitalisierung der Arbeitswelt schreitet kontinu- Wie das gelingen kann, wie Künstliche Intelligenz im
Palettierung sichert Wirtschaftlichkeit ierlich voran, in Unternehmen fallen mehr und mehr Detail funktioniert und welche Verfahren sich bereits
Daten an. Werden diese richtig erfasst, ausgewertet in der Praxis bewährt haben, möchten wir Ihnen mit
Daten erfassen, Daten aufbereiten, 4 und genutzt, bergen sie großes Potenzial und bilden dieser Broschüre näherbringen. In 12 Kapiteln und auf
Daten auswerten: Wo kommt jetzt die Polierscheibenfabrik Spaeth e.K. 24 die Basis für neue digitale Technologien. Aus diesem insgesamt 40 Seiten geben wir Ihnen einen umfas-
Künstliche Intelligenz ins Spiel? Künstliche Intelligenz soll Grund hat Digital in NRW – Kompetenz für den Mittel- senden Einblick in diese komplexe Thematik – von der
Fehlermanagement optimieren stand seit 2019 das Thema „Mehrwerte aus Daten“ Theorie bis in die Praxis.
in den Fokus gerückt. Zu den Technologien, mit denen
Eine kurze Geschichte der Künstlichen 5 erfolgreich Mehrwerte geschaffen werden können, In anschaulichen Best-Practice-Beispielen aus dem
Intelligenz G. Elsinghorst Stahl und Technik GmbH 26 zählen auch Verfahren Künstlicher Intelligenz. Netzwerk der aktuell insgesamt 26 Mittelstand
Prozessoptimierung durch Maschinelles Lernen 4.0-Kompetenzzentren zeigen wir Ihnen zudem, wie
Künstliche Intelligenz ist ein Thema, das zurzeit Künstliche Intelligenz bereits heute erfolgreich in KMU
Künstliche Intelligenz: Definition 6 insbesondere die Medien, aber auch schon den eingesetzt wird und wie Sie diese innovativen Ver-
Schwering & Hasse Elektrodraht GmbH 28 Arbeitsalltag vieler Konzerne bestimmt. Doch auch für fahren Schritt für Schritt auch in Ihrem Unternehmen
Machine Learning-Modell zur Qualitätskontrolle den Mittelstand wird der Einsatz Künstlicher Intelli- etablieren können. Mit unserem breit gefächerten Ser-
Wie funktionieren Algorithmen, 7 genz zunehmend interessant und relevant. Maschinel- viceangebot und unserem Team erfahrener KI-Trainer
Künstliche Intelligenz und les Lernen und Deep Learning beispielsweise eröffnen unterstützen wir Sie auf diesem Weg. Kommen Sie
Maschinelles Lernen? Laserline GmbH Entwicklung neuer 30 viele neue Möglichkeiten der Prozessoptimierung und gerne auf uns oder Vertreter der anderen Kompetenz-
datengetriebener Geschäftsmodelle können auch durch die Erschließung neuer Geschäfts- zentren in Deutschland zu. Wir freuen uns auf die
bereiche nachhaltige Wettbewerbsvorteile schaffen. Zusammenarbeit mit Ihnen.
Wer bestimmt, was Künstliche Intelligenz 9
kann? Die Autonomie des Entscheidens Was kann Künstliche Intelligenz? 32 Bis dahin wünschen wir Ihnen eine gute Lektüre!
Künstliche Intelligenz: Nur ein Hype oder 10 So wird Ihr Unternehmen fit für den 34
doch langfristiger Wachstumsfaktor? Einsatz von Künstlicher Intelligenz
Einsatz von Künstlicher Intelligenz 12 KI-Trainer bringen Zukunfts- 35
in Deutschland technologien in den Mittelstand
Expertenmeinung zum Thema 15 Übersicht KI-Servicebausteine 36
Künstliche Intelligenz im Mittelstand
Unser Partner-Netzwerk 38
KI in der Praxis – Erfolgsbeispiele 18
aus dem Mittelstand
Quellenangaben 39
Dr.-Ing. Matthias Parlings Marie Lindemann Dr.-Ing. Arno Kühn
Plastikpack GmbH Künstliche Intelligenz 19
optimiert Qualitätskontrolle Kontakt/Impressum 39 Geschäftsstellenleiter Geschäftsstellenleiterin Geschäftsstellenleiter
Metropole Ruhr Rheinland OstWestfalenLippe
3
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
DATEN ERFASSEN, DATEN EINE KURZE GESCHICHTE
AUFBEREITEN, DATEN AUSWERTEN: DER KÜNSTLICHEN INTELLIGENZ
WO KOMMT JETZT DIE KÜNSTLICHE
INTELLIGENZ INS SPIEL?
Durch gegenwärtige politische Diskussionen und Modelle beriefen. Anders als bei den ersten, in sich
gesellschaftliche Debatten entsteht der Eindruck, geschlossenen Expertensystemen konnte man nun
dass KI ein neues Phänomen und eine Innovation „Unsicherheiten“ einbauen. Das führte dazu, dass
der jüngsten Zeit ist. Doch die Ursprünge und ersten sich ein System bestehend aus „Wenn-Dann“-Be-
Entwicklungen im Bereich KI sind gut 70 Jahre alt. ziehungen widersprechen konnte bzw. nicht in sich
Daten und deren Nutzung spielen eine zunehmend und Entscheidungen zu automatisieren, neue Ge- Bereits 1950 entwickelte der britische Mathematiker geschlossen sein musste. Das machte die Nutzung
wichtige Rolle im unternehmerischen Alltag. Das geht schäftsmodelle zu realisieren und Kunden eine pass- Alan M. Turing den sogenannten „Turing-Test“2, der der Systeme wesentlich einfacher. Mithilfe der
auch aus der Digital in NRW-Studie „Mehrwerte aus genaue Dienstleistung zu bieten. Mit dem Einsatz festlegt, ob ein Computer als intelligent bezeichnet Empirie wurde nun überprüft, ob Vorhersagen treff-
Daten“ von 2019 hervor, für die das Kompetenzzent- von Künstlicher Intelligenz (KI) können all diese Ziele werden kann oder nicht. sicher waren.
rum Digital in NRW mehr als 100 nordrhein-westfäli- erreicht werden.
sche kleine und mittlere Unternehmen (KMU)1 zu der
Erfassung und Nutzung ihrer Daten befragt hat. Dabei Doch was genau verbirgt sich hinter KI? Wo hört
gaben rund 66 % der KMU an, Daten als strategische Datenanalyse auf und wann fängt KI an? Welche „Ein Computer würde es verdienen, intelligent genannt zu
und operative Grundlage für ihre Entscheidungen zu Voraussetzungen müssen erfüllt und wie müssen
nutzen. Insgesamt 53 % der befragten Unternehmen Daten aufbereitet werden? Welcher Nutzen entsteht werden, wenn er einen Menschen dazu verleiten könnte zu
verwenden Daten, um das zukünftig optimale Vorge- überhaupt aus KI? Wann ist eine KI-Lösung sinnvoll
hen zu ermitteln, und eine Mehrheit von 77 % arbeitet und wann nicht? Diese Fragen zu beantworten, ist glauben, dass er ein Mensch ist.” Alan M. Turing, 1950
mit Daten zur Abbildung von Vorgängen. gerade für KMU eine große Herausforderung.
66 % 53 % 77 %
Seit den 1950er Jahren hat die Entwicklung der KI Im Zuge der Big-Data-Welle, dem Ausbau des mobi-
Höhen und Tiefen erlebt. Zunächst war das Anwen- len Internets und der Entstehung von sozialen Plattfor-
dungsgebiet der KI umgrenzt und klar strukturiert, men wurden zunehmend mehr Daten generiert. Somit
sodass Computer relativ schnell mathematische konnten empirische Modelle unterfüttert und deren
Beweise, Diagnosen, Simulationen oder auch Schach- Ergebnisgenauigkeit erhöht werden. Hinzu kam eine
nutzen Daten als strategische verwenden Daten, um arbeiten mit Daten zur partien durchführten. So konnte beispielsweise in den bessere Rechenleistung, die vor einigen Jahrzehnten
und operative Grundlage das zukünftig optimale Abbildung von Vorgängen 1960er Jahren das Computerprogramm ELIZA über noch undenkbar gewesen wäre.
für ihre Entscheidungen Vorgehen zu ermitteln Skripte verschiedene Gesprächspartner imitieren und
so oberflächlich Psychotherapeuten simulieren. Die Verfügbarkeit von immer mehr Daten sowie einer
besseren Soft- und Hardware ermöglichte erstmals
In den 1970er und 1980er Jahren wurden verschiede- die Entwicklung einer Alternative zum klassischen Pro-
Der Reifegrad der Nutzung der Daten ist über ver- Aus diesem Grund stellt das Mittelstand 4.0-Kom- ne Expertensysteme entwickelt, Computerprogram- grammieren, das sogenannte Maschinelle Lernen. Es
schiedene Bereiche wie die Geschäftsmodellnutzung petenzzentrum Digital in NRW mittelständischen me, die Handlungsempfehlungen aus einer sogenann- verhalf der KI zu einem erneuten Durchbruch, gefolgt
oder die interne Logistik jedoch noch ausbaufähig. Unternehmen Experten zur Seite: Die KI-Trainer ten Wissensbasis ableiten. Eine Wissensbasis musste von weiteren erfolgreichen Entwicklungen im Bereich
In den meisten Fällen werden Daten zwar manuell beraten KMU zum Thema Künstliche Intelligenz und zuvor manuell über „Wenn-Dann“-Eingaben aufgebaut Deep Learning (zu Deutsch: Tiefes Lernen)4.
erfasst, aber nicht immer ausgewertet. Den Schritt unterstützen sie bei der Analyse und Konzeption werden. Diese Expertensysteme führten dazu, dass
der Datenanalyse und der automatischen Verwertung eigener KI-Lösungen im Unternehmen. KI in den 1980ern erstmals kommerziell verwendet Mithilfe dieser Verfahren war und ist es erstmals
gehen die wenigsten der befragten KMU. Trotzdem wurde. Jedoch waren diese Systeme in ihren Anwen- möglich, dass Maschinen ohne die Vorgabe von be-
erwarten sie in Zukunft einen größeren Mehrwert aus Auch die Broschüre „Künstliche Intelligenz im Mittel- dungen limitiert und die Erweiterung der Wissens- stimmten Regeln oder mathematischen Gleichungen
Daten, insbesondere bei der Planung und Steuerung stand – Potenziale und Anwendungsbeispiele“ bietet basis gestaltete sich als schwieriges und komplexes selbstständig lernen, komplexe Aufgaben autonom
(86 %) und der Geschäftsmodellentwicklung (85 %). mittelständischen Unternehmen einen ersten Einstieg Unterfangen. Aus diesem Grund setzte Ende der ausführen und in der automatischen Bild-, Text- und
in das Thema. Sie beantwortet grundlegende Fragen, 1980er Jahre der sogenannte „KI-Winter“ ein3. Spracherkennung eingesetzt werden können.
Diese Erwartungshaltung entspricht einem aktuellen zeigt, was KI leisten kann, wie der aktuelle Stand
Trend: Die Verfügbarkeit von immer mehr und quali- der KI-Nutzung in Deutschland ist und welche realen In den 1990er Jahren wurde verstärkt zu verschiede-
tativ hochwertig aufbereiteten Daten eröffnet neue Anwendungen bereits im Einsatz sind. nen Lernalgorithmen geforscht, die sich auf empi-
Möglichkeiten, um Vorhersagen zu treffen, Prozesse rische Grundlagen und passende, mathematische
4 5
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
KÜNSTLICHE INTELLIGENZ: WIE FUNKTIONIEREN ALGORITHMEN,
DEFINITION KÜNSTLICHE INTELLIGENZ UND
MASCHINELLES LERNEN?
Auch wenn bereits seit gut 70 Jahren zum Thema geforscht wird, gibt es keine einheitliche
Definition für KI. Zudem unterscheiden sich die Sichtweisen und Formulierungen von Fall zu Fall.
Die Begriffe Künstliche Intelligenz, Algorithmus und Einen Algorithmus kann man mit einem Kochrezept
Maschinelles Lernen werden häufig im Zusammen- vergleichen: In dem Rezept sind spezifische Schritte
hang miteinander verwendet. Doch was genau verbin- für die Verarbeitung von klar beschriebenen Zutaten in
det einen Algorithmus mit KI? Und was ist Maschi- einer bestimmten Reihenfolge definiert. Werden die
DIE BUNDESREGIERUNG DEFINIERT KÜNSTLICHE INTELLIGENZ IN IHRER nelles Lernen? einzelnen Schritte nacheinander und korrekt ausge-
KI-STRATEGIE VON 2018 WIE FOLGT: führt, entsteht das geplante Gericht.
„Die (schwache) KI ist fokussiert auf die Lösung konkreter Anwendungsprobleme auf Basis Entscheidend ist, dass KI als Oberbegriff für alle
der Methoden aus der Mathematik und Informatik, wobei die entwickelten Systeme zur künstlich-intelligenten Maschinen und Anwendungen Algorithmen bilden deshalb die Basis bzw. den Aus-
Selbstoptimierung fähig sind. Dazu werden auch Aspekte menschlicher Intelligenz nachgebildet verstanden werden kann. Die Beschaffenheit der gangspunkt für KI9.
und formal beschrieben bzw. Systeme zur Simulation und Unterstützung menschlichen Denkens
konstruiert.“5
DER DIGITALVERBAND BITKOM E.V. FORMULIERT FOLGENDE DEFINITION:
„Künstliche Intelligenz beschreibt Informatik-Anwendungen, deren Ziel es ist, intelligentes Ver- Künstliche Intelligenz
halten zu zeigen. Dazu sind in unterschiedlichen Anteilen bestimmte Kernfähigkeiten notwendig:
Wahrnehmen, Verstehen, Handeln und Lernen. (…) Das wirklich Neue ist das Lernen und
Maschinelles Lernen
Verstehen. Heutigen »echten« KI-Systemen ist gemein, dass sie in der Verarbeitungskompo-
nente auch trainiert werden und damit lernen können und so bessere Ergebnisse erzielen als
herkömmliche Verfahren (…).“6
DIE FRAUNHOFER-ALLIANZ BIG DATA, EIN ZUSAMMENSCHLUSS VON MEHR ALS Deep Learning
30 FRAUNHOFER INSTITUTEN, DEFINIERT DEN BEGRIFF KI SO:
„Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit beschäftigt,
Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten
ähneln. Dies kann mit vorprogrammierten Regeln oder durch Maschinelles Lernen erreicht
werden. Starke bzw. generelle KI bezeichnet Maschinen, die generalisierende Intelligenz- und
Transferleistungen erbringen können und somit nicht nur auf sehr begrenzte, vordefinierte
Aufgabenfelder beschränkt sind.“7 Abbildung 1: Künstliche Intelligenz, Maschinelles Lernen und Deep Learning.
KI und die Entstehung von künstlich-intelligentem KI ist der Oberbegriff für Maschinen, die durch Infor-
DA DIESE FORMULIERUNGEN ABSTRAKT BLEIBEN, HAT DIGITAL IN NRW EINE EIGENE Verhalten kann aus unterschiedlichen Quellen und matikanwendungen künstlich-intelligentes Verhalten
DEFINITION ENTWICKELT, DIE PRAXISNAH UND KONKRETER IST: Aufbauweisen resultieren. Formen dieser Aufbau- zeigen. Für intelligentes Verhalten sind verschiedene
Der Begriff Künstliche Intelligenz beschreibt Systeme, die mithilfe von Daten und mathe- weise sind Maschinelles Lernen und Deep Learning. Kernfähigkeiten notwendig: Wahrnehmen, Verste-
matischen Modellen lernen, bei Bedarf selbstständig Entscheidungen treffen können und Sie sind als Teilgebiete von KI zu verstehen. Um zu hen, Handeln und Lernen10. Die Eigenschaften
somit intelligentes Verhalten zeigen. Künstliche Intelligenz kann als Instrument genutzt verstehen, wie KI funktioniert, ist es zunächst wichtig, Wahrnehmen, Verstehen und Handeln können als
werden, das den Menschen bei Arbeits- und Entscheidungsprozessen und der Lösung den Aufbau eines Algorithmus nachzuvollziehen: Ein Teil bisheriger EDV-Systeme verstanden werden:
konkreter Probleme unterstützt. Algorithmus ist die Grundlage einer Programmierung. Wahrnehmung erfolgt bei einer Eingabe in das
Er beschreibt eine eindeutige Handlungsvorschrift, die System. Verstehen ist die Verarbeitung der Daten
ein gegebenes Problem mittels einer dafür festgeleg- und Handeln ist die entsprechende Ausgabe. Dies
ten Vorgehensweise löst8. Vereinfacht gesagt, werden entspricht dem, was der unterliegende Algorithmus
mithilfe eines Algorithmus Eingabedaten in Ausgabe- zuvor definiert hat. Das neuartige an KI-Systemen ist
daten umgewandelt. dabei das Lernen.
6 7
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
WER BESTIMMT, WAS KÜNSTLICHE
Anders als herkömmliche Systeme, kann ein KI-Sys- Für das Beispiel eines Kochrezepts heißt das: Die
tem Situationen nicht nur wahrnehmen, sondern Zubereitungsschritte des Rezepts sind teilweise
mithilfe seines Wissens, welches auf vorhandenen unbekannt. Vielleicht wurden sie nicht leserlich oder
Daten und Fakten, Modellen oder anderen ma-
thematischen Regeln basiert, interpretieren. Diese
ausführlich genug aufgeschrieben. Bekannt ist das
Gericht und dass z. B. Verrühren und Backen be-
INTELLIGENZ KANN? DIE AUTONOMIE
DES ENTSCHEIDENS
Interpretation wird wiederum genutzt, um eine eigen- stimmter Zutaten einen Kuchen ergeben.
ständige Entscheidung hinsichtlich des weiteren
Vorgehens zu treffen. Jede neue Situation vergrößert Mithilfe von Maschinellem Lernen können alle mögli-
die Wissensbasis des KI-Systems: Es lernt dazu. chen Kombinationen von Zutaten und Temperaturen
ausprobiert werden – so oft, bis am Ende ein Kuchen
In der Analogie eines Kochrezepts bedeutet das: Auch entsteht. Jede weitere Wiederholung bringt Erfah-
ein Rezept wird angepasst oder verändert. All diese rungswerte. Und das System lernt mit jedem Versuch Im Kontext aktueller Anwendungen ist meist von aufgrund bekannter und erfasster Präferenzen un-
Veränderungen kann ein KI-System wahrnehmen, sich dazu. Die Wahrscheinlichkeit steigt, den gewünschten „schwacher KI“ die Rede. Gemeint ist eine KI, die gefragt bestimmte Produkte vorschlagen. Es bleibt
merken und interpretieren. Es lernt aus Erfahrungen Kuchen zu erhalten. dem Menschen bei seinen Entscheidungen assistiert dem Entscheider überlassen, ob er einen Vorschlag
und ist dann in der Lage, ein „Gericht“ zu kochen, und unterstützt. Inwieweit KI Unterstützung bieten annimmt. Daher handelt es sich um geprüftes Ent-
auch wenn Zutaten, z. B. aktuelle Daten, fehlen. Deep Learning umfasst ein komplexes Teilgebiet des soll, liegt dabei im Ermessen des Programmierers scheiden.
Maschinellen Lernens, bei dem ein Computermodell bzw. Anwenders. Zur Einordnung der verschiedenen
Eine herkömmliche Programmierung würde den Koch- die Durchführung bestimmter Klassifikationsaufgaben Automationsgrade eigenen sich 5 Stufen der Auto- Beim delegierten Entscheiden in Stufe 4, überlässt
prozess abbrechen, sobald das Rezept nicht mehr direkt aus Bildern, akustischen Daten oder Texten mation des Entscheidens12. der Entscheider dem System dauerhaft die Kontrolle
strikt befolgt werden kann. KI ermöglicht es dem erlernt. Dem System wird das Ergebnis nicht anhand
System jedoch, selbstständig zu entscheiden, wie es von mathematischen Modellen erklärt, sondern z. B.
vorgeht und beispielsweise eine fehlende Zutat durch anhand eines Bildes oder eines akustischen Signals
eine andere, vorhandene (z. B. historische Daten) gezeigt. Diese unterschiedlichen Eingaben werden in Stufen der Automation des Entscheidens
auszutauschen. sogenannten künstlichen neuronalen Netzen abgebil-
det. Deep Learning eignet sich für die Analyse von 5
Wenn jedoch Vorschriften und genaue Regeln nicht Bild- und Video- sowie Sprach- und Textdaten. 4
erkennbar sind, sondern nur das gewünschte Ergebnis Außerdem können Systeme, die auf Deep Learning
bekannt ist, bietet Maschinelles Lernen - als Teilgebiet beruhen, neuartige Lernaufgaben mit komplexen 3
von KI - eine Alternative zum herkömmlichen Program- Ergebnissen lösen wie z. B. Texte übersetzen, Fragen
2
mieren. Dafür müssen keine langen und streng definier- und E-Mails beantworten, Musik und Texte kompo-
ten Programme bzw. Arbeitsschritte geschrieben nieren oder neuartige Bilder produzieren11. 0 1
oder Daten manuell eingegeben werden. Es werden
lediglich sogenannte Lernalgorithmen vorgegeben. Ein KI-System, das auf Deep Learning basiert, ist in Mensch Assistiertes Teilweises Geprüftes Delegiertes Autonomes
Das sind mathematische Formulierungen, wie z. B. der Lage, unterschiedliche Gerichte z. B. anhand eines entscheidet Entscheiden Entscheiden Entscheiden Entscheiden Entscheiden
eine Regressionsgleichung, die mithilfe von Trainings- Fotos oder Videos automatisch zu erkennen. Es ist
daten bestimmte Ergebnisse und Werte produziert. also denkbar, dass der Anwender dem System ein Abbildung 2: Stufen der Automation des Entscheidens, Quelle: Holtel, S., Hufenstuhl, A. & Klug, A. (2017).
Je mehr Daten zur Verfügung gestellt werden, umso Foto eines bestimmten Kuchens zeigt. Das System Künstliche Intelligenz verstehen als Automation des Entscheidens: Leitfaden. Bitkom e. V.
wahrscheinlicher sind korrekte Ergebnisse. identifiziert den Kuchen und kann dem Nutzer das
passende Rezept dazu raussuchen.
In Stufe 0 ist der Mensch alleiniger Entscheidungs- über eine zuvor definierte Situation wie z. B. die Steu-
träger. Es gibt keine Maschine und kein technisches erung der Kühlleistung eines Rechenzentrums. Sobald
System, das ihn aktiv unterstützt. sich jedoch bestimmte Kontextbedingungen ändern,
wie z. B. bei einer Naturkatastrophe, muss und kann
In Stufe 1 kann ein technisches System, wie z. B. der Mensch eingreifen.
ZUSAMMENFASSUNG: KÜNSTLICHE INTELLIGENZ eine Tabellenkalkulation, dem Menschen beim Ent-
• ist der Oberbegriff für alle künstlich-intelligenten Maschinen und Anwendungen scheiden assistieren. In Stufe 5 kann das System dauerhaft und zuverlässig
• besteht aus Teilgebieten wie Maschinellem Lernen und Deep Learning die Kontrolle für große und komplexe Bereiche über-
• beruht auf mathematischen Anwendungen und Modellen In Stufe 2 übernimmt das System einerseits Berech- nehmen. Dementsprechend ist ein Mensch als Ent-
• wird möglich durch verbesserte, moderne Soft- und Hardware nungen, kann aber in bestimmten, vorgegebenen An- scheider überflüssig, wie z. B. bei autonomen Trans-
• resultiert aus der zunehmenden Verfügbarkeit und Generierung neuer Daten wendungsfällen auch selbstständig Entscheidungen portsystemen innerhalb von festgelegten Routen. Für
• gestaltet Prozesse effizienter und effektiver treffen und z. B. über eine Spracherkennung Bestell- die Realisierung von Stufe 5 ist es notwendig, dass
vorgänge auslösen. Der Mensch – der Entscheider – das System mit Echtzeitdaten versorgt wird, da sie die
hat zuvor seine Präferenzen zum Bestellvorgang ge- Grundlage für die Entscheidungen bilden. Auch wenn
äußert und trägt die volle Verantwortung. das System autark ist, so kann jederzeit ein Mensch
eingreifen und die Kontrolle wieder übernehmen.
In Stufe 3 entwickelt das System je nach Situation
eigene Vorschläge und Lösungen. Das System kann
8 9
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
KÜNSTLICHE INTELLIGENZ: 99,4 % 34,2 %
NUR EIN HYPE ODER DOCH LANG- Für Nordrhein-Westfalen aller nordrhein-westfälischen des Umsatzes in NRW
FRISTIGER WACHSTUMSFAKTOR? spielen KMU eine
entscheidende Rolle
Unternehmen sind KMU werden von KMU
erwirtschaftet
ein Drittel aller Umsätze in dieser Branche. Aber auch KI-Fähigkeit der Maschinen bzw. der damit verbunde-
die Energiewirtschaft, die Stahl- und Metallindustrie, nen Anwendungen ebenfalls ein klarer Wettbewerbs-
Viele technologische Trends kommen und gehen – Diese Summen zeigen, dass KI eine große, politische Elektroindustrie, Gesundheitswirtschaft und Kunst- vorteil. Auch der Dienstleistungssektor wird durch KI
es gibt jedoch auch Entwicklungen, die unumkehrbar Rolle spielt und als entscheidender Wachstumsfaktor stoffindustrie stellen wichtige Wirtschaftszweige in und die dadurch neu entstehenden Geschäftsmodelle
sind. Künstliche Intelligenz gehört dazu und wird des- betrachtet wird17. NRW dar. Neben der industriellen Prägung, zeichnet geprägt. Zudem eignet sich der Bereich Logistik
halb von der Bundesregierung als „Basisinnovation“ NRW sich auch durch einen stark wachsenden Dienst- aufgrund relativ klar definierbarer Prozesse im Umfeld
bezeichnet. Staat, Gesellschaft, Wirtschaft, Verwal- So schätzt eine Auftragsstudie des Bundesministe- leistungssektor aus und ist Deutschlands führender von komplizierten Netzwerkstrukturen sehr gut für
tung und Wissenschaft sollen sich – so die Bundes- riums für Wirtschaft und Energie (2019), dass mit Logistikstandort22. KI-Anwendungen.
regierung – den Chancen und Risiken stellen, die mit dem Einsatz von KI im produzierenden Gewerbe eine
KI verbunden sind13. Vor dem Hintergrund des demografischen Wandels Aus diesen Gründen ist KI auch für kleine und mittlere
kann KI insbesondere in der Industrie einen wertvollen Unternehmen in NRW eine ernstzunehmende Techno-
Beitrag zur Automation der Fertigung und zur Verein- logie, die einen nachhaltigen Beitrag zur Sicherung der
Durch KI können Prozesse und Vorgänge ganzheitlich autonom fachung von Prozessen leisten. Da zudem gut 70 % Wettbewerbsfähigkeit leisten kann.
der deutschen Maschinen exportiert werden, ist die
ablaufen, sich selbst steuern, regeln und Probleme beheben.
Durch die Möglichkeiten, die KI und andere Verfahren zusätzliche Bruttowertschöpfung von ca. 31,8 Mrd.
wie Blockchain bieten, ist es erstmals denkbar, kom- Euro bis 2024 erwartet werden könnte. Dies würde
Maschinenbau und die NRW ist ein bedeutsamer Als wichtigster deutscher
plett vernetzte, autonome Systeme und Wertschöp- in etwa einem Drittel des gesamten Wachstums des
Produktionstechnik sind Standort für die Automobil- Standort für die Chemische
fungsketten aufzubauen und somit die Vision einer produzierenden Gewerbes in Deutschland für den
mit mehr als 205.000 branche. Insgesamt ein Industrie erwirtschaften
vollendeten Industrie 4.0 umzusetzen. Durch KI Zeitraum von fünf Jahren entsprechen18.
Beschäftigten die größten Drittel aller deutschen Unternehmen aus NRW
können Prozesse und Vorgänge ganzheitlich autonom
Arbeitgeber in NRW Automobilzulieferer sind in rund ein Drittel aller
ablaufen, sich selbst steuern, regeln und Probleme Doch ist KI auch für kleine und mittlere Unterneh-
NRW angesiedelt Umsätze
beheben. Mithilfe von Blockchain-Verfahren ist es men in Nordrhein-Westfalen relevant? Für Nord-
möglich, dazugehörige Transaktionen, wie z. B. rhein-Westfalen (NRW) spielen KMU eine entschei-
Bezahlungen oder auch Vertragsabschlüsse autonom dende Rolle: 99,4 % aller nordrhein-westfälischen
abzusichern. Jene Unternehmen, die in Zukunft über Unternehmen sind KMU, die gemeinsam 34,2 % des
entsprechende Möglichkeiten und Systeme verfügen, gesamten Umsatzes in NRW19 erwirtschaften. Zudem
sichern sich mit einer effizienten Produktion, innovati- verfügt das Bundesland über einen breit gefächerten
ven Dienstleistungen, vernetzter Logistik sowie neuen Branchenquerschnitt, der viele Anknüpfungspunkte
Geschäftsmodellen einen klaren Wettbewerbsvorteil. für KI-Lösungen bietet:
Aus diesem Grund fördern Länder wie die USA und Das industriell geprägte NRW beherbergt einige,
China die Entwicklung von KI-Technologien massiv. Es der für das gesamtdeutsche Wachstum wichtigsten
ist erklärtes Ziel der chinesischen Regierung bis 2030 Branchen: Der Maschinenbau und die Produk-
zur führenden KI-Nation aufzusteigen14. In 2018 haben tionstechnik sind mit mehr als 205.000 Beschäftigten
allein schon die Städte Peking und Tianjin angekün- die größten Arbeitgeber in NRW und beheimaten mit
digt, etwa 16 Mrd. Euro in KI-Projekte zu investieren15. gut 1.500 Betrieben etwa ein Viertel aller deutschen
Die gesamtchinesische Förderung beläuft sich dabei Maschinenbaubetriebe. Dabei wird gut jede fünfte ZUSAMMENFASSUNG: KÜNSTLICHE INTELLIGENZ
auf ein Vielfaches. Die Mitglieder der Europäischen deutsche Maschine in NRW produziert, von denen • ist ein langfristiger Trend
Union stellen insgesamt – laut einer Erklärung aus wiederum rund 70 % exportiert werden20. Gleichzeitig • wird durch Investitionsprogramme weltweit gefördert
dem Jahr 2018 – rund 20 Mrd. Euro bis 2020 für die ist NRW bedeutsamer Standort für die Automobil- • ist auch für nordrhein-westfälische Unternehmen relevant
Entwicklung von KI bereit16. Im Zuge ihrer KI-Strategie branche. Insgesamt ein Drittel aller deutschen • ist für KMU ein Innovationstreiber und wachstumssichernder Faktor
stellt die Bundesregierung ab 2019 bis 2025 insge- Automobilzulieferer sind in NRW angesiedelt21. Als
samt 3 Mrd. Euro für die Entwicklung und Förderung wichtigster deutscher Standort für die Chemische
Künstlicher Intelligenz in Deutschland zur Verfügung. Industrie erwirtschaften Unternehmen aus NRW rund
10 11
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
EINSATZ VON KÜNSTLICHER KI-Affinität nach Unternehmensgröße
INTELLIGENZ IN DEUTSCHLAND 80 %
69 %
60 %
59 %
Doch wie intensiv wird KI bereits in deutschen Un- Unabhängig von der KI-Affinität schätzen die befragten
ternehmen eingesetzt und welchen Mehrwert sehen Unternehmen das Anwendungspotenzial von Künst- 40 %
Unternehmen in der Nutzung von KI? Diese Fragen licher Intelligenz für die Bereiche „Analytics/Daten- 41 %
versuchen aktuelle Umfragen zu beantworten – mit analyse für Entscheidungsprozesse“ und Prozessauto-
31 %
zum Teil unterschiedlichen Ergebnissen. Auch die mation besonders hoch ein (siehe Abbildung 5). 20 %
Beratungsgesellschaft PwC (2019) hat rund 500 deut-
sche Unternehmen, davon etwa ein Drittel KMU, zu Die Befragung nach den Voraussetzungen für den
ihrer Nutzung von KI befragt. Erfolg von KI-Anwendungen ergab, dass vor allem
die zugrundeliegenden Daten nach Einschätzung 0%
Diese Umfrage zeigt, dass lediglich 4 % der befrag- der befragten Unternehmen eine wichtige Rolle spie- KI-ferne KI-affine Großunternehmen
ten Unternehmen KI einsetzen und weitere 2 % len (69 %). Ebenfalls sehr wichtig ist der Aufbau Unternehmen Unternehmen KMU
in der Implementierungsphase sind. Für 48 % der von KI-Kompetenzen (59 %), sowie entsprechende
befragten Unternehmen ist das Thema KI noch über- Compliance-Anforderungen und regulatorische
haupt nicht relevant. Maßnahmen (59 %) (siehe Abbildung 6). Abbildung 4: KI-Affinität nach Unternehmensgröße (n=500), Quelle: PricewaterhouseCoopers GmbH.
(2019). Künstliche Intelligenz in Unternehmen.
Insgesamt sind rund 51 % der Unternehmen offen Dabei sollen laut 71 % der befragten, KI-affinen
für das Thema KI (siehe Abbildung 3). Während gut Unternehmen künstlich-intelligente Systeme ledig-
60 % der Großunternehmen KI-affin sind, können lich zur Unterstützung menschlicher Arbeit ein-
jedoch nur 30 % der KMU als KI-affin bezeichnet gesetzt bzw. geplant werden. Nur 20 % der Unter-
werden (siehe Abbildung 4). nehmen möchten KI als autonom agierendes Welche KI-Anwendungen werden bereits genutzt bzw. sind vorstellbar?
System nutzen (siehe Abbildung 7). (Mehrfachnennung möglich)
Analytics/Datenanalyse für
70 %
Entscheidungsprozesse
Status-Quo-Einsatz von KI in deutschen Unternehmen Prozessautomatisierung
63 %
bestehender Geschäftsprozesse
48 % Thema KI ist
1 Chatbots 47 %
nicht relevant
4
28 % Thema KI ist relevant, Wesentlicher Bestandteil neuer
3 44 %
2 digitaler Geschäftsmodelle
aber noch nicht konkret in
5
6 der Planung Speech Processing 42 %
2
3 4 % Einsatz Bestandteil von Produkten
39 %
und Dienstleistungen
7
4 1 % keine Angabe Sonstiges 4%
5 2 % Implementierung
0% 20 % 40 % 60 % 80 %
6 14 % Planungsphase
1 Abbildung 5: Anwendungsbereiche für KI-Lösungen (n=500), Quelle: PricewaterhouseCoopers GmbH. (2019).
7 3 % Testphase Künstliche Intelligenz in Unternehmen.
Abbildung 3: Status-Quo-Einsatz von KI in deutschen Unternehmen (n=500),
Quelle: PricewaterhouseCoopers GmbH. (2019). Künstliche Intelligenz in Unternehmen.
12 13
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
Voraussetzung für eine erfolgreiche KI-Anwendung (Mehrfachnennung möglich) EXPERTENMEINUNG ZUM
Zugrunde liegende Daten für
Umsetzung und Betrieb von KI 69 % THEMA KÜNSTLICHE INTELLIGENZ
Wichtigkeit des Aufbaus von KI-Kompetenzen 59 % IM MITTELSTAND
Compliance-Anforderungen und
regulatorischen Maßnahmen
59 %
Größe des Datenpools 55 %
Im Zeitraum von November 2018 bis Februar 2019 hat deutschen Mittelstands ein. Dennoch fürchten 70 %
Vertrauen der Kunden 54 % die Initiative Mittelstand-Digital des Bundesministeri- der Experten, dass der deutsche Mittelstand im
ums für Wirtschaft und Energie für die 2019 veröffent- Zuge der internationalen Entwicklung im Bereich KI
Vertrauen der Stakeholder 53 % lichte Umfrage „Künstliche Intelligenz im Mittelstand“ abgehängt werden könnte.
mehr als 30 Experten aus der praxisorientierten For-
Wettbewerbsfähigkeit 49 % schung befragt. Diese arbeiten in unterschiedlichen Wenn es um Chancen, Hemmnisse und geeignete
Projekten eng mit mittelständischen Unternehmen Einsatzbereiche und Anwendungen von KI im Mit-
Persönliches Vertrauen in KI-Lösungen 47 % zusammen und teilten ihre Einschätzung zur Relevanz telstand geht, sehen die Experten vor allem in der
von KI im Mittelstand. gesteigerten Prozesseffizienz, in der Optimierung der
KI-Steuern 43 % Distribution und Logistik sowie in der Bewerbung
Insgesamt halten 77 % der befragten Experten ihrer Produkte, im Kundenservice, wie auch bei der
Einfluss von KI auf das Geschäftsmodell 40 % Künstliche Intelligenz nicht für einen Hype, sondern Geschäftsmodellentwicklung große Vorteile
Einfluss von KI auf die Reputation
schätzen KI als bedeutend für die Zukunft des (siehe Abbildung 8).
35 %
des Unternehmens
0% 20 % 40 % 60 % 80 %
Chancen der KI für den Mittelstand in verschiedenen Bereichen
Abbildung 6: Voraussetzungen für eine erfolgreiche KI-Anwendung (n=500), Gesteigerte Prozesseffizienz
Quelle: PricewaterhouseCoopers GmbH. (2019). Künstliche Intelligenz in Unternehmen.
Optimierung der Distribution
und Logistik
Zielgenauere Werbung/Promotion
Welchen Autonomiegrad sollte KI einnehmen? Verbesserter Kundenservice
Produktinnovation
71 % KI mehr als Unter- Entwicklung neuer
3 1 stützung menschlicher Arbeit Geschäftsmodelle
eingesetzt bzw. geplant Steigerung der Flexibilität
20 % KI mehr als autonom Verbesserung der Arbeitsqualität
2 2 agierendes System
eingesetzt bzw. geplant Stärkung der IT-Sicherheit
3 9 % keine Angabe
Optimierung der Preisgestaltung
Erschließung neuer Märkte
1 Verringerung des
Personalaufwandes
0% 20 % 40 % 60 % 80 % 100 %
KI eröffnet keine Chancen KI eröffnet mittlere Chancen KI eröffnet sehr große Chancen
KI eröffnet geringe Chancen KI eröffnet große Chancen
Abbildung 7: Autonomiegrad von KI in Unternehmen (n= 255 KI-affine Unternehmen), Abbildung 8: Einschätzung der Chancen von KI im Mittelstand durch 33 befragte Experten,
Quelle: PricewaterhouseCoopers GmbH. (2019). Künstliche Intelligenz in Unternehmen. Quelle: Lundborg, M., Märkel, C. (2019). Künstliche Intelligenz im Mittelstand. Studie im Rahmen
der Mittelstand-Digital Begleitforschung am WIK.
14 15
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
Das größte Hemmnis bei der Einführung von KI- Zusammenfassend sehen die befragten Experten KI
Lösungen ist nach Meinung der Experten das feh- als große Chance für den Mittelstand, da KI Einsatz-
Relevanteste KI-Anwendungen im Mittelstand
lende Know-how und der Fachkräftemangel. Ebenso möglichkeiten entlang der gesamten Wertschöpfungs-
wirken sich mangelnde Datenbasis und Datensicher- kette bietet. Da jedoch vor allem die Datensicherheit Intelligente Automatisierung
heitsbedenken hemmend aus (siehe Abbildung 9). und die vorhandene Datenbasis eine Herausforderung
bzw. ein Hemmnis für den Mittelstand darstellen, Intelligente Assistenzsysteme
Relevant ist der Einsatz von KI laut der befragten gehen die Experten davon aus, dass insbesondere
Intelligente Sensorik
Experten vor allem in den Bereichen Intelligente cloudbasierte „KI-as-a-Service“ Angebote für den
Automatisierung, Intelligente Assistenzsysteme, Mittelstand interessant sein werden. Der Einkauf von Wissensmanagement
Intelligente Sensorik und Wissensmanagement vorprogrammierten KI-Lösungen erfordert weniger
(siehe Abbildung 10). Auf die Unternehmensbereiche eigenes Know-how und lässt sich einfacher und auch Vorausschauende Wartung
bezogen sind es Logistik, Forschung und Entwicklung, ohne großen Personalaufwand implementieren24.
Optimiertes Ressourcenmanagement
Kundendienst und Produktion, die sich besonders für Gleichzeitig gilt es hier zu berücksichtigen, dass durch
KI-Lösungen anbieten (siehe Abbildung 11). „KI-as-Service“ Angebote potenzielle Kunden sich Qualitätskontrolle
in eine starke Abhängigkeit von einem bestimmten
Dienstleister begeben. Daraus resultieren Fragestel- Robotik
lungen des Dateneigentums, Datenschutzes sowie Autonomes Fahren und Fliegen
die Frage nach den Rechten an den Ergebnissen.
Sprachassistenten/Chatbots
0% 20 % 40 % 60 % 80 % 100 %
irrelevant eher relevant sehr relevant
Hemmnisse der KI-Nutzung im Mittelstand eher irrelevant relevant
Fehlendes Know-how/
mangelnde Fachkräfte Abbildung 10: Einschätzung der relevantesten KI-Anwendungen im Mittelstand durch 33 befragte Experten,
Mangelnde Datenbasis Quelle: Lundborg, M., Märkel, C. (2019). Künstliche Intelligenz im Mittelstand. Studie im Rahmen
der Mittelstand-Digital Begleitforschung am WIK.
Datensicherheitsbedenken
Mangelnde Akzeptanz in der
KI-gesteuerten Entscheidungsfindung
Fehlende Marktreife von KI-Lösungen Geeignete Unternehmensbereiche für den KI-Einsatz im Mittelstand
Mangelnder digitaler Reifegrad Logistik
im Unternehmen
Unzureichende digitale Infrastruktur Forschung und Entwicklung
Begrenzte finanzielle Ressourcen Produktion
Mangelnde Akzeptanz unter Service und Kundendienst
den Mitarbeitern
0% 20 % 40 % 60 % 80 % 100 % IT
sehr starkes Hemmnis mittleres Hemmnis kein Hemmnis Marketing und Vertrieb
starkes Hemmnis geringes Hemmnis
Einkauf und Beschaffung
Abbildung 9: Einschätzung der Hemmnisse der KI-Nutzung im Mittelstand durch 33 befragte Experten, Rechnungswesen
Quelle: Lundborg, M., Märkel, C. (2019). Künstliche Intelligenz im Mittelstand. Studie im Rahmen
Personalwirtschaft
der Mittelstand-Digital Begleitforschung am WIK.
Unternehmensplanung
0% 20 % 40 % 60 % 80 % 100 %
ungeeignet eher geeignet sehr geeignet
eher ungeeignet geeignet
Abbildung 11: Einschätzung der geeignetsten Unternehmensbereiche für den KI-Einsatz im Mittelstand durch
32 befragte Experten, Quelle: Lundborg, M., Märkel, C. (2019). Künstliche Intelligenz im Mittelstand. Studie im
Rahmen der Mittelstand-Digital Begleitforschung am WIK.
16 17
Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
KI IN DER PRAXIS – PLASTIKPACK GMBH
KÜNSTLICHE INTELLIGENZ
ERFOLGSBEISPIELE AUS OPTIMIERT QUALITÄTSKONTROLLE
DEM MITTELSTAND
STEINHEIMER UNTERNEHMEN ETABLIERT VERFAHREN
ZUR PROZESSÜBERWACHUNG
Plastikpack GmbH
Ort: Steinheim
Anzahl der Mitarbeiter: 65 am Standort Steinheim
Gründungsjahr: 1962
Branche: Kunststoffverarbeitung
DIE AUSGANGSSITUATION
Die Plastikpack GmbH ist auf die Produktion von
Gefahrgutkanistern mit zwei bis 30 Litern Inhalt spe-
zialisiert. Rund um die Uhr fertigt das mittelständische
Unternehmen am Standort Steinheim (OstWestfalen-
Lippe) an mehr als 50 Extrusionsblasformanlagen circa
25 Millionen Kunststoffprodukte pro Jahr. Dabei muss
die gut vernetzte Produktion höchste Qualitätsanfor-
derungen erfüllen und stabile Prozesse gewährleisten. © Plastikpack GmbH
In der Kunststoffproduktion wird ein Mal pro Schicht
eine vollständige Qualitätskontrolle für alle geforder- Fraunhofer IOSB-INA ein KI-basiertes Verfahren zur
ten Funktionen durchgeführt. Tritt ein schwerwie- Zustandsüberwachung evaluiert. Dieses zeigt an,
gender Produktionsfehler während einer Schicht auf, wenn Anomalien auftreten. Das Hauptaugenmerk liegt
wird dieser daher gegebenenfalls erst spät bemerkt dabei auf der Identifikation der Signale, also die Sen-
und kann so hohe Kosten verursachen. Insbesondere soraufzeichnungen wie Druck, Temperatur etc., die
die Prozessstabilität des Extrusionsblasformens ist den höchsten Einfluss auf eine erkannte Anomalie
entscheidend für die Qualität der Kanister. Fehler oder haben. Aus diesen können wertvolle Informationen
Abweichungen führen hier zu Ausschuss, der nicht für vorbeugende Reparaturanweisungen extrahiert
stückgenau erfasst werden kann. werden. Bei jeder Entscheidung, ob eine Anomalie
vorliegt oder nicht, muss ein KI-System die ent-
DIE LÖSUNG sprechenden Entscheidungsgrundlagen offenlegen
Ziel ist, die Kosten für Produktionsstillstände aufgrund können. Das eingesetzte distanzbasierte Verfahren ist
fehlerhaft parametrierter Maschinen zu senken, die in der Lage, zu jedem Sensorsignal eine Bewertung
Folgekosten für das Recycling der Fehlproduktion zu abzugeben. So können alle Einflüsse, die eine Anoma-
reduzieren sowie Aufwände für Diagnose und Repara- lie bewirken, dargestellt und anschließend ausgewer-
turen zu vermeiden. Um das zu erreichen, entschied tet werden.
sich das Unternehmen für den Einsatz von Künstlicher
Intelligenz, um die Daten aus dem automatisierten Das entwickelte und erprobte KI-Verfahren wurde auf
Prozess auswerten zu können. Basis von aufgezeichneten Maschinendaten der Firma
Plastikpack GmbH trainiert. Dabei wurde sichergestellt,
© Digital in NRW Im Rahmen des gemeinsamen Transferprojektes dass die Maschine in dem aufgenommenen Zeitraum
von Plastikpack und Digital in NRW wurde vom korrekt funktionierte und keine Anomalien auftraten.
18 19Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
Datensätze aus dem Bereich der Extrusionsblas- Abbildung 13 zeigt den Vergleich, wenn keine Ano- auf eine Anomalie. Das Beispiel zeigt außerdem, dass DER NUTZEN
formfertigung bestehen aus einer Vielzahl von malie im Produktionsprozess aufgetreten ist. In die- eine Anomalie häufig schon im Vorhinein durch einen Das eingesetzte KI-System hilft der Plastikpack GmbH,
Signalen, die beispielsweise Temperaturbereiche in sem Fall befindet sich der aufgenommene Datenpunkt kontinuierlichen Anstieg der Distanz zu erkennen ist. den Zustand ihrer Produktion stückgenau und allein
der Materialzuführung, den jeweils vorherrschenden in der Nähe zu den Modellpunkten. Die Nähe wird Stellt das System eine anhaltende Verschlechterung über die Prozesswerte zu identifizieren. Die bisher
Druck im Werkzeug sowie Geschwindigkeiten be- über eine mathematische Distanzmetrik definiert und fest, kann es dies automatisch und digital an das übliche Qualitätskontrolle pro Charge wird durch
schreiben. kann aus der statistischen Verteilung der Datenpunkte Wartungspersonal weiterleiten und einen Wartungs- KI unterstützt und kann so auf jedes Einzelstück
im Raum, durch einen Lernalgorithmus (z. B. ein neu- auftrag auslösen. ausgeweitet werden. Treten Fehler und Anomalien
ronales Netz oder eine Support-Vector-Machine) oder auf, können Experten die Signale interpretieren und
manuell durch einen Prozessexperten ermittelt werden. DIE HERAUSFORDERUNGEN Handlungsempfehlungen für die Maschinenbediener
NORMAL Um eine hohe Genauigkeit zu erreichen, ist es entwickeln. Zudem können diese Empfehlungen in
Sensor 2 (z. B. Druck)
Wird ein Datenpunkt aufgenommen, in dem die wichtig, dass das KI-gestützte Entscheidungsver- das KI-Verfahren integriert und gespeichert werden.
Maschine sich in einem fehlerhaften Zustand befindet, fahren möglichst wenige Fehlalarme generiert. Auf diese Weise „lernt“ das Verfahren kontinuierlich
ist dieser Datenpunkt, wie in Abbildung 14 zu sehen, Zu viele Fehlalarme mindern den Mehrwert eines hinzu und wird stetig optimiert.
weiter vom Normalzustand entfernt. Dies deutet solchen Entscheidungssystems. Außerdem muss die
auf eine Anomalie hin. Zustandsüberwachung in der Lage sein, die Signale Die Plastikpack GmbH hat diese Technologie proto-
und Maschinenkomponenten klar zu identifizieren, typisch in ihrer Fertigung eingesetzt und die Notwen-
die zu der Anomalie geführt haben. Nur dann kann ein digkeit erkannt, Qualitätsdaten systematisch und
Maschinenbediener die fehlerhaften Komponenten digital zu dokumentieren. „Wichtig ist, aus den Pro-
Sensor 1 (z. B. Temperatur) ANOMALIE! schnell lokalisieren und den Schweregrad des Fehlers zessdaten zu ermitteln, welchen Einfluss diese auf
einschätzen. Auf diese Weise wird auch dem War- die Qualität unserer Produkte haben. Von über 100
Sensor 2 (z. B. Druck)
Abbildung 12: Schematische Darstellung des tungstechniker die Diagnosearbeit erleichtert, was zu Parametern sind wahrscheinlich nur fünf bis zehn
Normalverhaltens anhand von zwei Sensorsignalen einer schnelleren Reparatur der Maschine führt. relevant“, resümiert Roman Preis, Energie- und Pro-
(eigene Darstellung) zessmanager bei Plastikpack. Daher plant das
Unternehmen in Zukunft eine vertiefte Analyse der
Daten innerhalb eines Zyklus, um die dadurch ge-
Abbildung 12 zeigt die schematische Darstellung von wonnenen Erkenntnisse in Handlungsempfehlungen
zwei Signalen (beispielsweise Druck und Temperatur) für die Optimierung von Ressourcen bei gleichblei-
gegeneinander. Hierbei wird zunächst nur das Nor- Sensor 1 (z. B. Temperatur) bender Qualität ableiten zu können.
malverhalten beschrieben. Dieses umfasst einen Zeit-
raum, in dem ausschließlich fehlerfreie Teile gefertigt Abbildung 14: Klassifizieren eines neuen fern vom
wurden. Die entsprechenden Daten werden als ein Normalverhalten liegenden Datenpunkts zum Modell
Modell des Normalverhaltens abgelegt. (eigene Darstellung)
Ist dieses Modell einmal beschrieben, kann es als WAS WURDE BENÖTIGT? WAS WURDE ERREICHT?
Kern des KI-Systems gespeichert und eingesetzt • Physikalische Prozessdaten der Anlage • Stückgenaue Identifikation von Anomalien
werden. Die von der Produktionsanalage generierten (Drücke, Temperaturen, Stromaufnahme) • Unterstützung bei der Fehlerdiagnose
Daten werden von der KI fortwährend abgetastet • Fertigungsdaten (Produkt, Ausschussdaten, durch automatische Signalanalyse
und in einzelne Datenpunkte aufgeteilt, die dann mit Labordaten zum Rohstoff) • Frühzeitige Warnung und Reduktion der
Distanz
dem gelernten Modell verglichen werden. Schwellwert • Metadaten: Fertigungszeiten, Reaktionszeiten durch Trendanalyse
Pausenzeiten, Wartungszyklen
• Kontinuierliche Datenaufnahme
(min. akkumulierte Daten pro gefertigtem
KEINE Stück, bessere Prozessdaten pro 200 ms)
ANOMALIE! • Umsetzung der Datenaufnahme wurde
Sensor 2 (z. B. Druck)
Zeit durch das Unternehmen geleistet
• Projektverantwortlich im Rahmen des
Abbildung 15: Plot der Zustandsbewertung über die Mittelstand 4.0-Kompetenzzentrums
Zeit, als Distanz zum Normalverhalten Digital in NRW und Training/Test des KI
(eigene Darstellung) Verfahrens: Fraunhofer-Institut für Optronik,
Systemtechnik und Bildauswertung,
Institutsteil Industrielle Automation
Sensor 1 (z. B. Temperatur) Während des Live-Betriebs werden die Distanzen der
aufgezeichneten Datenpunkte zum Model berechnet.
Abbildung 13: Klassifizieren eines neuen, nah am Die so entstandene Zustandslinie (Abbildung 15)
Normalverhalten liegenden Datenpunkts zum Modell kann mit gelernten Schwellwerten des Normalzu-
(eigene Darstellung) stands verglichen werden und liefert so einen Hinweis
20 21Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
EIFELBRENNHOLZ E.K. 2. Aktorik zum geeigneten Greifen ungleich-
mäßiger Objekte
2. Aktorik zum geeigneten Greifen ungleich-
mäßiger Objekte
Konstante Holzscheitlängen messen 25 cm, 30 cm Bei der Entwicklung einer eigenen Greiftechnik
AUTOMATISIERTE PALETTIERUNG und 33 cm. Zur zuverlässigen Aufnahme ungleich-
mäßiger Holzscheite unterschiedlicher Abmessungen
musste eine preiswerte, wirtschaftlich arbeitende
Lösung gefunden werden. Das Werkzeugmaschi-
SICHERT WIRTSCHAFTLICHKEIT musste ein geeigneter Greifer als sogenannter End-
effektor entwickelt und implementiert werden.
nenlabor WZL der RWTH Aachen stellte im Rahmen
des Transferprojektes mit Digital in NRW in diesem
Bereich seine umfassende Expertise bereit und fand
3. Intelligenz zur autonomen Bewegungsplanung im Trial-and-Error-Vorgehen die geeignete Greiftechnik.
Ausgehend von der identifizierten Ablage und Aufnah-
me musste zudem eine kollisionsfreie Pfadplanung 3. Intelligenz zur autonomen Bewegungsplanung
für den Roboter ermöglicht werden, um die autonome Auf vorliegende Daten, wie zum Beispiel CAD-
EINSATZ KÜNSTLICHER INTELLIGENZ SOLL BELIEFERUNG VON Pick-and-Place-Anwendung einsetzen zu können. Da- Modelle konnte nicht zurückgegriffen werden. Um
rüber hinaus wurde eine geordnete Ablage der Holz- eine „zentrale Intelligenz“ aufzubauen, mussten daher
GROSSKUNDEN ERMÖGLICHEN scheite umgesetzt, um eine hohe Packungsdichte zahlreiche neue Daten aufgenommen werden. Diese
zur Selbstoptimierung des Maschinellen Lernens zu „zentrale Intelligenz“ musste die Geometrie der Holz-
Eifelbrennholz Inh. Günter Meiners e.K. erreichen. scheite, die Angriffspunkte, die Ablagestrukturen und
Ort: Monschau geeignete Trajektorien, also Bewegungspfade für die
Anzahl der Mitarbeiter: 1 DIE HERAUSFORDERUNGEN Objekte, erlernen. Hierzu wurden Punktewolken der
Gründungsjahr: 1995 1. Sensorik zur autonomen Identifikation von Holzscheitel durch farbige und monochrome 3D-Fotos
Branche: Brennholzhandlung Holzscheiten mittels Sensorik erstellt und anschließend algorith-
In der Regel können bestehende CAD-Modelle ge- misch geclustert. Auf dieser Datengrundlage wurde
DIE AUSGANGSSITUATION nutzt werden, um einen Algorithmus anzutrainieren. die Greifposition für den Roboter abgeleitet. Diese
Von der Holzernte über die Verarbeitung bis zum Bei der Objekterkennung der Holzscheite ist das nicht wurde in einer Transformationsmatrix von Kamera zu
Versand: Die Firma Eifelbrennholz aus Monschau ist möglich, da jedes einzelne Stück sowohl naturbedingt Roboter übertragen, damit beide im gleichen Koordi-
Hersteller und Lieferant für Brenn- und Kaminholz als auch verarbeitungsbedingt – unter anderem durch natensystem arbeiten.
und deckt die kompletten Prozessabschnitte der Sägen und Spalten – unterschiedlich ist. Das Fehlen
Brennholzproduktion ab. Aktuell beliefert das Unter- von CAD-Modellen brachte zudem dann ein weiteres DER NUTZEN
nehmen nur private Haushalte. Ein Business-to- Problem mit sich, wenn Holzscheite so übereinander- Die Sensorik und Aktorik sind bereits vollständig
© WZL der RWTH
Business-Absatz an Großkunden, wie zum Beispiel lagen, dass mittels 3D-Kamera nicht unmittelbar zu gelöst und im Einsatz. Das autonome Stapeln der
örtlich ansässige Baumärkte, erfolgt zurzeit noch erkennen war, zu welchem Cluster eine Punktwolke Holzscheite bringt erhebliche Kosteneinsparungen
nicht. Denn hierfür ist ausschließlich palettiertes hinzugeordnet werden musste und zu welchem nicht. mit sich, die auch hohe Investitionskosten eines
Brennholz gefragt. Roboters rechtfertigen würden. Durch eine autono-
men Pick-and-Place-Anwendung kann zudem ein
Für den Absatz an innerdeutsche Großkunden ist Dieses Verfahren zur Automatisierung der Brenn- neues Kundensegment der Großkunden bedient und
also ein Prozessschritt der manuellen Palettierung holzpalettierung soll durch eine 6-Achs-Kinematik damit eine Absatzsteigerung ermöglicht werden.
notwendig. Diese ist wiederum mit einem enormen unter Verwendung geeigneter Kameratechnik (Senso-
manuellen und zeitlichen Aufwand verbunden, der rik) und Greiftechnik (Aktorik) erfolgen. Auf Basis ver-
mit hohen Personalkosten einhergeht. Eine manu- fügbarer Technologien wie Künstlicher Intelligenz und
elle Palettierung am Hochlohn-Standort Deutsch- Mechanik wurde eine robotergestützte Lösung für die
land schwächt die Marktposition lokaler Anbieter autonome Palettierung von Scheitholz entwickelt und
gegenüber Wettbewerbern aus dem inner- und für den Einsatz im Unternehmen getestet. WAS WURDE BENÖTIGT? WAS WURDE ERREICHT?
außereuropäischen Ausland. So ist auch Eifel- • Neue Daten durch Erstellung • Automatisiertes Erkennen und Greifen
brennholz – wie andere Brennholzanbieter – zurzeit Die Lösungen wurden für drei wesentliche Bereiche des Gesamtprozesslaufs und die von Holzscheiten
gegenüber Wettbewerbern aus dem Ausland nicht entwickelt: Aufnahme von 3D-Fotos • Einsparung von Personalkosten für
konkurrenzfähig. • Zwei 3D-Kameras, ein Mitsubishi das manuelle Stapeln von Holz
1. Sensorik zur autonomen Identifikation von 6-Achs-Roboter und ein • Befähigung lokaler Brennholzproduzenten
Eine Erhöhung des Digitalisierungs- und Automati- Holzscheiten selbstentwickelter Greifer • Mehr Absatzsteigerung durch Ergänzung
sierungsgrads durch den Einsatz Künstlicher Intelli- Die Holzscheite sind in der Ausgangsituation in Draht- • Projektverantwortlich im Rahmen des eines Kundensegments (Großkunden)
genz ist ein wichtiger Schritt, um die Wirtschaftlich- gitterboxen ungeordnet aufgehäuft und sollen mittels Mittelstand 4.0-Kompetenzzentrums • Ökologischer Nutzen durch höhere
keit und damit die Zukunft solcher Unternehmen zu einer 3D-Kamera erfasst werden. Anschließend Digital in NRW: Werkzeugmaschinen- Packungsdichte
sichern. werden sogenannte Punktwolken, virtuelle Punkte, labor WZL der RWTH Aachen • Transfer auf ähnliche Problemstellungen
zur Erzeugung eines digitalen Abbilds der einzelnen möglich
DIE LÖSUNG Holzscheite erstellt. Mit Hilfe einer algorithmischen
Ziel ist die Realisierung einer kostengünstigen und Segmentierung können so Geometrie, Position und
autonomen Pick-and-Place-Anwendung zur Erschlie- Orientierung des nächsten Holzscheits identifiziert
ßung neuer Kundensegmente. werden.
22 23Digital in NRW Künstliche Intelligenz – Potenziale im Mittelstand
POLIERSCHEIBENFABRIK SPAETH E.K. DIE HERAUSFORDERUNGEN
Zur korrekten Erfassung der Daten war die Konstruk-
tion und Installation der Sensoren eine notwendige
KÜNSTLICHE INTELLIGENZ SOLL Voraussetzung. Die Sensoren mussten dabei den
besonderen Bedingungen vor Ort standhalten und
FEHLERMANAGEMENT OPTIMIEREN z. B. resistent gegen Feuchtigkeit sein. Darüber hinaus
war die Konstruktion von individuellen Halterungen
mithilfe des 3D-Drucks notwendig. Zudem musste
das Projektteam eine für den Anwender verständ-
liche Sprachbasis schaffen. Das heißt, es musste
die Brücke geschlagen werden von akademischen
Formulierungen hin zu einer anwenderfreundlichen
KLEINUNTERNEHMEN LEGT GRUNDLAGE FÜR DEN EINSATZ VON Sprache. Eine Schwierigkeit lag dabei vor allem in der
© Digital in NRW
MASCHINELLEM LERNEN Beschreibung von Ursachen bzw. Gründen für die
Fehler. Weitere Herausforderungen bestehen in den
Lösungsvorschläge ableiten, wodurch die Fehler- umfangreichen Programmieraufwänden, die mit der
Polierscheibenfabrik Spaeth e.K. beseitigung beschleunigt wird. Die einheitliche Entwicklung der Software verbunden sind, sowie in
Ort: Aachen Fehleraufnahme befähigt langfristig zur Durchführung der kommenden Implementierung von Data Analytics-
Anzahl der Mitarbeiter: 11 weitreichender Analysen in Form von einfachen Methoden. Das liegt vor allem an der aktuell fehlen-
Gründungsjahr: 1933 Häufigkeitsuntersuchungen bis hin zum selbststän- den Datenbasis, die noch aufgebaut und im Laufe des
Branche: Polierscheibenhersteller digen Erkennen von Auffälligkeiten innerhalb der Projekts generiert werden muss. Diese sollen dann
verknüpften Prozessdaten oder der Bereitstellung von perspektivisch mit Prozessdaten kombiniert werden,
Ursachen- und Maßnahmeninformationen im Moment um den anschließenden Einsatz von Datenanalyse-
DIE AUSGANGSSITUATION der Fehlererkennung. und KI-Methoden zu ermöglichen.
Die Polierscheibenfabrik Spaeth e.K. gehört auf dem
Gebiet der Herstellung von Polierscheiben zu den Quelle der Prozessdaten sind zehn implementierte DER NUTZEN
ältesten Unternehmen in Deutschland und zählt mit Sensoren, die ebenso wie zugehörige 3D-Gehäuse Das Tool zur Fehlererfassung bietet sich auch für
circa elf Mitarbeitern zu den kleineren Betrieben. eigens für das Projekt entwickelt werden mussten. kleine und mittlere Betriebe an. Das Verfahren ist mit
Gerade für kleine Unternehmen sind die Digitalisie- Durch die strukturierte Fehlererfassung und die Anbin- einem überschaubaren Kostenaufwand umzusetzen
© Digital in NRW
rung sowie die Einführung von KI aufgrund hoher dung maschineller Prozessdaten können aufgetrete- und lässt sich auf unterschiedliche Systeme und Pro-
Implementierungskosten und Anforderungen an die ne Fehler auf maschinelle Ursachen zurückgeführt zessketten anwenden. Durch die Implementierung der
Infrastruktur eine große Herausforderung. Auch die spezifischen Anforderungen angepasstes Fehlererfas- werden. Hierzu sollen Clusteralgorithmen eingesetzt Sensoren sowie die strukturierte Fehlererfassung wird
Möglichkeit, mit Hilfe neuer Technologien einen weit- sungstool entwickelt. werden, welche durch den Vergleich fehlerbehafteter die Basis für eine auswertbare Fehler- und Prozess-
reichenden Nutzen aus dem Fehleraufkommen Prozessdaten sogenannte Fehlerklassen ausbilden datenbasis gelegt. Auf dieser Grundlage lassen sich
zu ziehen, wird häufig verkannt. Denn insbesondere Grundlage dafür ist die erfahrungsbasierte Erarbei- und folglich Schwerpunkte und charakteristische im Weiteren Datenanalyse- und KI-Methoden sowie
in KMU fehlt es an einer strukturierten Erfassung tung eines Fehlerbaums, der alle bis dato bekannten Auffälligkeiten in den Fehlerbildern erkennen lassen Algorithmen anwenden.
von Unregelmäßigkeiten und erarbeiteter Lösungen, Fehler, Ursachen sowie mögliche Sofort- und Lang- sollen. So kann zum Beispiel auf einen fortgeschritten
weshalb Fehler nicht systematisch erkannt und zeitmaßnahmen einschließt. Auf Basis der bereits Werkzeugverschleiß oder falsch gewählte Einstell-
anschließend abgestellt werden können. Das kann innerhalb der Produktion installierten Tablets wird eine parameter geschlossen werden.
in Reklamationen des Kunden mit entsprechenden Webanwendung entwickelt, die eine Fehlerbeschrei-
Folgekosten münden. Zudem steigt der Aufwand bung entsprechend bekannter Fehlerbilder zulässt.
für die Ursachenfindung sowie die Ableitung korrigie- Über die Dropdown-Menüs „Tätigkeit“, „Fehler“
render Maßnahmen aufgrund der fehlenden Doku- und „Grund“ wird die Fehler- sowie Ursachenangabe
mentation eklatant. Im Rahmen des Transferprojektes ausgehend vom betreffenden Arbeitsplatz sukzessive
mit Digital in NRW schafft die Polierscheibenfabrik eingeschränkt, sodass in Zukunft je nach Fall nur eine WAS WURDE BENÖTIGT? WAS WURDE ERREICHT?
Spaeth gemeinsam mit dem Werkzeugmaschinen- geringe Auswahl möglicher Beschreibungen zur • Hardware: Tablets mit einem Kosten- • Reduktion von Ausschuss und Fehlerkosten
labor WZL der RWTH Aachen die Voraussetzungen für Verfügung stehen wird. Dem spezifischen Anspruch aufwand von unter 400 Euro sowie • Reduzierung des Fehlererfassungsaufwands
ein auf Verfahren Künstlicher Intelligenz basierendem der Mitarbeiter wird durch die Wahl einer verständ- selbstentwickelte Sensoren (u. a. • Effiziente Dokumentation von
Fehlermanagement. lichen Sprache und der einfachen Funktionalität des Rasperry Pie, Beacon) Fehlerinformationen
Tools entsprochen. Auch die Option, neue Fehlerein- • Projektverantwortlich im Rahmen des • Option eines Transfers auf ähnliche
DIE LÖSUNG träge hinzuzufügen, wird berücksichtigt. Mittelstand 4.0-Kompetenzzentrums Problemstellungen
Ziel des Projekts ist die Entwicklung einer leicht anzu- Digital in NRW: Werkzeugmaschinen-
wendenden und klar zu interpretierenden Fehlerer- Ist das Tool einmal in die Abläufe integriert, wird labor WZL der RWTH Aachen
fassung. Zur Bildung einer breiten, sich für weiterfüh- der Mitarbeiter nach Abschluss der Fehlererfassung
rende Untersuchungen eignenden Datenbasis wurde aufgefordert, die initiierten Maßnahmen sowie deren
innerhalb des IGF-Verbundprojektes „LeaF – Learning Wirksamkeit anzugeben. Auf der Grundlage von
Failure Management“ (AiF –Nr.: 19931N) ein an die Ähnlichkeitsmustern lassen sich dann langfristig
24 25Sie können auch lesen
