Technologieszenario "Künstliche Intelligenz in der Industrie 4.0" - WORKING PAPER - Plattform Industrie 4.0
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
WORKING PAPER Technologieszenario „Künstliche Intelligenz in der Industrie 4.0“
Impressum Herausgeber Bundesministerium für Wirtschaft und Energie (BMWi) Öffentlichkeitsarbeit 11019 Berlin www.bmwi.de Redaktionelle Verantwortung Plattform Industrie 4.0 Bertolt-Brecht-Platz 3 10117 Berlin Gestaltung PRpetuum GmbH, 80801 München Stand März 2019 Bildnachweis danchooalex/iStock (Titel) ipopba/iStock (S. 5, 9, 10) metamorworks/iStock (S. 20) gorodenkoff/iStock (S. 30) Diese und weitere Broschüren erhalten Sie bei: Bundesministerium für Wirtschaft und Energie Referat Öffentlichkeitsarbeit E-Mail: publikationen@bundesregierung.de www.bmwi.de Zentraler Bestellservice: Telefon: 030 182722721 Bestellfax: 030 18102722721 Diese Publikation wird vom Bundesministerium für Wirtschaft und Energie im Rahmen der Öffentlichkeitsarbeit herausgegeben. Die Publikation wird kostenlos abgegeben und ist nicht zum Verkauf bestimmt. Sie darf weder von Parteien noch von Wahlwerbern oder Wahlhelfern während eines Wahlkampfes zum Zwecke der Wahl werbung verwendet werden. Dies gilt für Bundestags-, Landtags- und Kommunalwahlen sowie für Wahlen zum Europäischen Parlament.
2
Inhalt
Vorwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Ansätze zur Definition von KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
KI aus Sicht der Industrie 4.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Technologische Entwicklung der KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Warum ist KI interessant? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Die Fähigkeiten der KI eröffnen neue Möglichkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
KI-beeinflusste Autonomie-Stufen in der industriellen Produktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Der Mensch definiert die Systemgrenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Didaktik des künstlichen Lernens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Qualitative Daten mit Kontext befähigen die KI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .22
Verfügbarkeit von Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Daten haben Wert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
KI in der Plattform Industrie 4.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Forschungsbedarf für den industriellen KI-Einsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .29
KI in der gesellschaftlichen und industriellen Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Fazit zur bisherigen Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 3 Vorwort Die Nutzung von „Künstlicher Intelligenz“ (KI) oder auch „Artificial Intelligence“ (AI) gilt als wesentlicher Innovations treiber. Ob im privaten, öffentlichen oder wirtschaftlichen Sektor, der Einsatz von KI betrifft die ganze Gesellschaft. Künstliche Intelligenz ist kein neues Thema. Bereits in der Mitte des letzten Jahrhunderts wurden erste Ideen, Prinzi pien und Technologien hierzu entwickelt. Technologien, die zu dem damaligen Zeitpunkt durch Speicherkapazität, Rechenleistung und Bandbreite von Netzwerken limitiert wurden. Heute ist KI, auch unter Berücksichtigung der stetigen Weiterentwicklung und dem daraus resultierenden Ressourcenbedarf, bereits in der Fläche einsetzbar. Künstliche Intelligenz steht dabei für eine Sammlung von Methoden, die einem Computer ermöglichen, Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern. Während die Definition von Intelligenz per se schwierig ist, besteht Konsens darüber, dass ohne Lernfähigkeit und ohne die Fähigkeit, eigenständig Probleme zu lösen (Problem Solving), Intelligenz nicht zugesprochen werden kann. So ist das Maschinelle Lernen (Machine Learning) ein zentrales, aber nicht das einzige Teilgebiet der Künstlichen Intelligenz. Die meisten heutigen Erfolgsgeschichten der Künstlichen Intelligenz bestehen aus einer Kombination von Lernen und Problemlösen. Lernende Maschinen wiederum benötigen Daten: entweder in Form von großen Datenmengen, die einmal untersucht werden, oder Daten mengen, mit denen immer wieder nachgelernt wird, oder Datenströmen, aus denen kontinuierlich gelernt wird. Maschinelles Lernen ist in der Lage, auf der Basis von Daten durch geschickte Verknüpfung Komplexität zu reduzie ren, Ereignisse oder Muster zu erkennen, um wiederum Ereignisse zu erklären, Vorhersagen zu tätigen oder Handeln zu ermöglichen. Und dies ohne die bekannte explizite Programmierung in Form von „Wenn-dann“-Routinen bzw. klassische Automatisierungs- und Regelungstechnik. Die Digitalisierung durchdringt zunehmend alle Bereiche und ermöglicht eine automatisierbare Bereitstellung großer Datenmengen. Jene Daten, die die Künstliche Intelligenz benötigt, um Nutzen zu generieren. Die Vielfältigkeit der bestehenden und möglichen Anwendungsgebiete und der aktuelle Fokus von Politik, Wissenschaft und Anwendern auf das Themengebiet wecken hohe Erwartungen an den Einsatz von Künstlicher Intelligenz. Dieses wirft neben technischen Fragestellungen auch Fragen der Datensouveränität, der Zukunft der Arbeit und des ethischen Umgangs auf, um nur einige zu nennen. Der Einsatz von neuen Technologien und KI ermöglicht Innovation in der industriellen Produktion. Zwei Faktoren sind in diesem Kontext für den Erfolg ausschlaggebend. Erstens: Motivierte und befähigte MitarbeiterInnen, die gelernt haben, souverän mit KI umzugehen. Zweitens: Ein förderndes Umfeld, das neben dem sicheren und strukturierten Einsatz von KI auch die (inter)nationale Akzeptanz von KI fördert. Das nachfolgende Dokument diskutiert eine mög liche Einteilung der Wirkung von KI in der industriellen Produktion – Industrie 4.0 – aus verschiedensten Perspekti ven der Plattform Industrie 4.0, ihrer Arbeitsgruppen und unter Mitwirkung der Plattform Lernende Systeme sowie der Begleitforschung zum Technologieprogramm Smart Service Welt II des Bundesministeriums für Wirtschaft und Energie (BMWi). Der Leser soll ermutigt werden, sich mit KI zu beschäftigen, die Wirkungsketten zu erkennen und eigene Entscheidungen ableiten zu können. Der Zweck des vorliegenden Papiers ist die Beschreibung der neuen Möglichkeiten, die sich durch die Fähigkeiten der KI eröffnen, und die Kategorisierung verschiedener Stufen autonomer Prozesse innerhalb der Automation. Diese Kategorisierung beschreibt die Gestaltungsmöglichkeiten industrieller Abläufe von manuellen bis autonomen Pro zessen durch KI und ist nicht als Bewertung gedacht. Sie ermöglicht die Diskussion über den Einsatz von KI und stellt die Grundlage für zukünftige Handlungsempfehlungen dar. Ergänzend hierzu gibt es auch weitere Papiere aus den Arbeitsgruppen der Plattform Industrie 4.0, in denen spezifi sche Anforderungen und Handlungsbedarfe aus z. B. rechtlicher Sicht (Dokument „KI und Recht im Kontext von Industrie 4.0“) und aus Sicht der Sicherheit (Dokument „Künstliche Intelligenz (KI) in Sicherheitsaspekten der Indust rie 4.0“) dargestellt werden.1 1 Diese werden zur Hannover Messe 2019 veröffentlicht.
4 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “
Einleitung
Künstliche Intelligenz (KI) wird als eine wichtige Schlüssel technischen Systemen ermöglichen, ihre Umwelt wahrzu-
technologie gesehen, die für den Erhalt der wirtschaftlichen nehmen, das Wahrgenommene zu verarbeiten, selbständig
Leistungsfähigkeit Deutschlands unabdingbar ist 2. Auch im Probleme zu lösen, neue Lösungswege zu finden, Entschei-
Umfeld von Industrie 4.0-Prozessen weist KI ein hohes dungen zu treffen, insbesondere aus Erfahrung zu lernen,
Potenzial für die Wertschöpfung im produzierenden und dadurch bei Aufgaben besser zu werden und zu handeln.
im dienstleistenden Gewerbe auf. In der Industrie 4.0 wird Durch den Einsatz von KI-Technologien sollen die Effizienz
die heutige, stark produktzentrierte Fertigung durch lösungs- und Effektivität industrieller Prozesse gesteigert werden.
und kundenzentrierte Konzepte ersetzt. Starre, definierte Dabei sind Faktoren wie Kosten, Geschwindigkeit, Präzision
Fertigungs- und Wertschöpfungsketten werden zukünftig oder Problemlösungen jenseits menschlicher Fähigkeiten
in flexible und hochdynamische Produktions- und Dienst relevant. Generell gilt: Um höhere Autonomiegrade bei
leistungs-Ökosysteme überführt. Diese werden auftrags industriellen Vorgängen zu erreichen, wird kognitive Leis-
basiert eine vollständig individualisierte Produktion ermögli tungsfähigkeit benötigt, welche durch KI-Technologien ein-
chen. Ausgehend von kundenindividuellen Anforderungen gebracht werden kann. Je nach Leistungsfähigkeit und Ein-
sollen Produktionssysteme autonom organisiert und via KI satzintensität von KI wird die Notwendigkeit menschlicher
sollen selbständig Fertigungs- und Logistikstrategien opti Eingriffe in den Abläufen vermindert. Nachfolgend werden
miert werden. Voraussetzung für die Umsetzung von KI in aber nur solche KI-bedingten Entscheidungsfindungen dis-
Industrieprozessen ist die Bereitstellung einer Verwaltungs kutiert, die in vom Menschen vorgegebenen Systemgren-
schale, die Datenquellen, Lernmechanismen, Systemgren- zen und mit KI-Technologien ablaufen, die der menschli-
zen, aktives Handeln und menschliche Eingriffe strukturiert chen Überwachung unterliegen. Damit sind derzeit und
und verbindet. Auch die im Modell der Referenzarchitektur auch in naher Zukunft die in der industriellen Anwendung
Industrie 4.0 (RAMI 4.0) strukturierten und standardisierten befindlichen KI-Systeme fast vollständig abgedeckt.
Merkmale und Schnittstellen der beteiligten Netzwerk-
komponenten stellen eine nützliche Basis für die Einbin Im Rahmen dieses Dokuments soll die Intensität des Ein-
dung von KI-Technologien in die industrielle Fertigung satzes von KI-Technologien anhand des Grades der Autono-
oder das Engineering dar. mie industrieller Prozesse diskutiert werden, welcher von
der Selbständigkeit abhängt, mit der das System komplexe
Um diese Vorgänge besser zu verstehen, werden im Rah- Situationen automatisiert und selbstlernend bewältigen
men der Aktivitäten der Arbeitsgruppe Technologie- und kann. Bezüge zu dieser Diskussion finden sich in der Fach-
Anwendungsszenarien (AG 2) der Plattform Industrie 4.0, literatur, beispielsweise bei der Darstellung aktueller Simu-
und unter Mitwirkung einer zu allen weiteren Plattform- lationsexperimente, mit denen untersucht wird, ob über
Arbeitsgruppen quer liegenden Projektgruppe „KI für die Einführung eines Autonomieindexes, der das Verhältnis
Industrie 4.0“, die Chancen und Herausforderungen beim zwischen den autonomen Prozessschritten und der Gesamt
Einsatz von KI-Technologien in industriellen Arbeitsvor- anzahl an Prozessschritten eines industriellen Vorgangs
gängen diskutiert. Hierbei findet ein enger Austausch mit beschreibt, der optimale Grad an Autonomie für ein Pro-
der Plattform Lernende Systeme, dem KI-Bundesverband duktionssystem ermittelt werden kann.3 Die Arbeit der
und der Begleitforschung des Technologieprogramms Projektgruppe „KI für Industrie 4.0“ orientiert sich auch an
Smart Service Welt II des BMWi statt. der Diskussion von (Autonomie-)Stufen zum selbstfahren-
den Auto 4. Die nachfolgende Ergebnisdarstellung stellt den
Technologien der Künstlichen Intelligenz sind aus Sicht der aktuellen Stand der Diskussion der Projektgruppe dar und
Industrie als Methoden und Verfahren zu verstehen, die es wird im Zuge der weiteren Arbeiten fortentwickelt.
2 https://www.bmbf.de/files/180718%20Eckpunkte_KI-Strategie%20final%20Layout.pdf.
3 Gronau: Der angemessene Grad von Autonomie in Cyber-Physischen Produktionssystemen; Industrie 4.0 Management 34 (2018) 6.
4 SAE International: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles, J3016_201806,
Rev 2018-06-15.
T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 5
Ansätze zur Definition von KI
Aus genereller Sicht bezeichnet Künstliche Intelligenz (KI) jegliche Formalisierung des menschlichen und rationalen
ein Teilgebiet der Informatik, das sich mit Methoden und Denkens und Handelns umzusetzen, also Lernen, Planen
Technologien beschäftigt, die es einem Computer ermögli- und Problemlösen. Darunter fallen Bild- und Spracherken
chen, solche Aufgaben zu lösen, die, wenn sie vom Menschen nung, Wissenserwerb, Maschinenlernen, Mustererkennung,
gelöst werden, Intelligenz erfordern.5 Im VDI-Statusreport kognitives Erfassen und Automatisieren logischer Schluss-
Künstliche Intelligenz wurde ein technischer Bezug bei der folgerungen sowie die Planung und Ausführung industrieller
Begriffsbeschreibung gewählt: „Künstliche Intelligenz erwei Automatisierungsprozesse. Aktuelle KI-Ansätze sind human
tert technische Systeme um die Fähigkeit, Aufgaben selbstän zentriert und darauf fokussiert, Computer dafür zu nutzen,
dig und effizient zu bearbeiten“.6 Bislang aber gibt es keine dass Menschen in ihren Tätigkeiten von KI-Systemen unter
allgemein anerkannte, eindeutige und exakte Definition des stützt werden.
Begriffs.7 Häufig wird KI zur Beschreibung von Computer-
systemen benutzt, die Aufgaben abarbeiten, nachdem sie mit Bei der Anwendung von KI-Technologien wird zur Verein-
großen Datenmengen trainiert wurden, und danach, poten- fachung der Beschreibung der Möglichkeiten von KI oft die
ziell mit anderen Methoden, Entscheidungen treffen, die sie „schwache“ von der „starken“ KI unterschieden.9 Unter
aus ihnen bereits bekannten Daten ableiten. Je nach Güte „schwacher“ KI wird die maschinelle Fähigkeit verstanden,
und Menge der Trainingsdaten kann das KI-System die nach so handeln zu können, als sei die Maschine intelligent. Eine
seinen Kenntnissen „richtige“ Aktion ausführen. KI-Systeme starke KI wäre dann gegeben, wenn die Maschine tatsäch-
können mithilfe von lernenden Algorithmen im laufenden lich „denkt“, das Denken also nicht nur simuliert. In diesem
Betrieb weiterlernen, dadurch die trainierten Modelle opti- Papier soll jedoch kein Beitrag zu der philosophischen Dis-
mieren und die Daten- und Wissensbasis ausweiten.8 kussion über die Unterscheidung zwischen „schwacher“
und „starker“ KI geliefert werden. Diese Unterscheidung ist
Der derzeitige Hype um die KI resultiert aus ihrer schlüssel für technisch-wissenschaftliche Betrachtungen derzeit irre-
technologischen Funktion, mit der es prinzipiell möglich ist, levant.
5 Gabler Wirtschaftslexikon.
6 VDI-Statusreport Künstliche Intelligenz, Oktober 2018.
7 Stuart Russell, Peter Norvig: Künstliche Intelligenz: Ein moderner Ansatz. München, 2012. Online-Ressource: http://aima.cs.berkeley.edu/.
8 Glossar der Plattform Lernende Systeme; https://www.plattform-lernende-systeme.de/glossar.html.
9 IEC White Paper: Artificial intelligence across industries; 2018.
6 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “
KI aus Sicht der Industrie 4.0
ces.10 Trotz dieser Erwartung ist der tatsächliche Nutzungs-
Aus Sicht der Industrie sind Technologien der KI als grad von KI in Industrieunternehmen noch recht gering.
Methoden und Verfahren zu verstehen, die es techni- Ursächlich sind die erheblichen Veränderungen und damit
schen Systemen ermöglichen, ihre Umwelt wahrzu- verbundenen Aufwände, die die Einbettung von KI-Anwen-
nehmen, das Wahrgenommene zu verarbeiten, selb- dungen in der Unternehmensstruktur und in allen Wert-
ständig Probleme zu lösen, neue Lösungswege zu fin- schöpfungsstufen erfordern. Falls doch, finden sich KI-An
den, Entscheidungen zu treffen, insbesondere aus wendungen in Großunternehmen derzeit eher im Bereich
Erfahrungen zu lernen, dadurch besser Aufgaben zu Robotik oder Ressourcenmanagement, während in KMU KI
lösen und zu handeln. für Wissensmanagement und Qualitätskontrolle oder Sup-
ply Chain Optimization im Einkauf eingesetzt wird. Diese
Anwendungen basieren auf Computer Vision, Natural Lan-
KI wird dabei in ihrer Funktion als technologische Form guage Processing sowie Action Planning and Optimization.
der Entscheidungsfähigkeit des Menschen verstanden. Der eigentliche Wert der mittels KI-Technologien realisier-
Jedoch soll durch KI nicht das menschliche Verhalten baren KI-Anwendungen liegt in der Erreichung eines Sys-
kopiert werden, sondern es soll durch den Einsatz von KI- temzustands mit höherem Autonomiegrad und der damit
Technologien die Effizienz und Effektivität industrieller verbundenen Wertschöpfung.
Prozesse gesteigert werden. Die primären Ziele der Anwen-
dung von KI sind Kostenreduktion, Zeitersparnis, Quali- Doch kann die ganze Bandbreite der möglichen Auswirkun-
tätsverbesserung und Erhöhung der Robustheit industriel- gen bei der KI-Nutzung gegenwärtig noch nicht im Detail
ler Prozesse. Gleichzeitig erlaubt es Künstliche Intelligenz abgeschätzt werden. Neben möglichen Effizienzgewinnen
aber auch, Produktionsabläufe und angrenzende Prozesse in Steuerung und Optimierung von Anlagen hat KI den
von Grund auf neu zu gestalten, die eigenen Produkte und größten Einfluss auf die Organisation von Beschäftigung in
Dienstleistungen durch oder mit KI anzureichern und neu- Unternehmen. Dem tendenziellen Ersatz von sich wieder-
artige Geschäftsmodelle zu implementieren. Diese Ziele holenden oder stark prozessgebundenen Aufgaben durch
sind umso besser zu erreichen, je besser industrielle Ab KI steht die Schaffung neuer Tätigkeitsarten und -felder
läufe mit Adaptions- und Problemlösungsfähigkeit verse- gegenüber. Auch entstehen neue Kooperationsformen von
hen sind. Der Grad des autonomen Handelns in industriel- Menschen untereinander und in Interaktion mit Maschinen.
len Prozessen hängt folglich von der Selbständigkeit ab, mit Es kann sich somit die Struktur der Gesamtbeschäftigung
der das System im Rahmen gesetzter Systemgrenzen kom- langfristig ändern, wenn z. B. einfache Routinearbeiten
plexe Situationen automatisiert bewältigen kann. In der durch KI erledigt werden und die KI dabei besser, zuverläs-
Regel ist für die Bewältigung komplexer und komplizierter siger und kostengünstiger ist als eine menschliche Arbeits-
Prozessherausforderungen Erfahrungswissen und intelli- kraft. KI könnte aber auch in vielen Bereichen, wo derzeit
gentes Vorgehen erforderlich. Daher erscheint KI neben der Mensch mit dauerhaft hohem Arbeitsaufkommen oder
einfachen Wenn-dann-Routinen und klassischer Automati- mit einem hohen Komplexitätsgrad in der jeweiligen
sierungs- und Regelungstechnik sehr gut geeignet, kom- Anwendung an seine Grenzen stößt, Freiräume schaffen.
plexe Situationen in industriellen Prozessen zu meistern.
In einer vom BMWi beauftragten Studie im Rahmen des
PAiCE-Technologieprogramms äußerten produzierende
Unternehmen, dass etwa ein Drittel der Wertschöpfung mit
KI-Anwendungen verbunden sein wird, beispielsweise über
die Erreichung eines höheren Autonomiegrads in Einkauf,
Produktion, Engineering, Vertrieb oder (After Sales-)Servi-
10 Potenziale der künstlichen Intelligenz im produzierenden Gewerbe in Deutschland, Studie des Bundesministeriums für Wirtschaft und
Energie. Durchgeführt von der PAiCE-Begleitforschung der VDI/VDE Innovation + Technik GmbH, 2018.T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 7
Technologische Entwicklung der KI
Die ersten Ansätze zur Entwicklung einer KI gab es in der Lösungen zu aufkommenden Problemstellungen gefunden
zweiten Hälfte des 20. Jahrhunderts und begannen mit werden.
der Phase der handcodierten KI mit dem Ziel, Wissen zu
akkumulieren. Dabei ging es um den Aufbau von Experten- ML gliedert sich in drei Felder – überwachtes Lernen, unüber
systemen auf Basis logikorientierter oder funktionaler wachtes Lernen und bestärkendes Lernen (Reinforcement
Programmiersprachen wie PROLOG und LISP. Diese wis- Learning), mit den spezifischeren (Teil-)Anwendungen
sensbasierten Ansätze fanden Fortsetzung in großen Onto- Regression und Klassifikation, Strukturerkennung und
logieprojekten, die bis in die 2010er-Jahre, besonders für -vorhersage, Datengenerierung (Sampling) sowie autono-
spezifische Anwendungsgebiete, stark gefördert wurden. mes Handeln.
Durch die Verfügbarkeit großer Datenmengen, großer
Rechenkapazitäten und moderner Algorithmen hat das
maschinelle Lernen in den letzten zehn Jahren neue Stan- Beim überwachten Lernen wird das System durch den
dards gesetzt, die diese wissensbasierten Ansätze in den Zusammenhang von Eingabe und zugehöriger Aus-
Hintergrund gedrängt haben. Gegenwärtig zeichnet sich ab, gabe bekannter Daten trainiert. Dabei kommt es auf
dass Kombinationen von datenbasierten und wissensba- die Verfügbarkeit richtiger Daten an, denn wenn das
sierten Ansätzen die Zukunft gehört. Massendaten, die für System mit schlechten Beispielen trainiert wird, so lernt
das rein statistische Lernen erforderlich sind, sind in man- es fehlerhafte Zusammenhänge. Beim unüberwachten
chen Gebieten entweder nicht vorhanden oder verdecken Lernen wird das System ebenfalls mit Beispieldaten
den Blick auf interessante Randfälle, die in der Praxis für trainiert, jedoch nur mit Eingabedaten und ohne Zu
unvorhergesehenes Verhalten sorgen. Darüber hinaus sind sammenhang zu einer bekannten Ausgabe. Es lernt,
wissensbasierte Ansätze für die Spezifikation und die Veri- wie Datengruppen zu bilden und zu erweitern sind,
fikation und Validierung von Machine-Learning-Anwen- was typisch ist und wo Abweichungen auftreten. Da
dung vonnöten. durch lassen sich Anwendungsfälle beschreiben und
Fehlerzustände entdecken. Beim bestärkenden Lernen
Die derzeit eingesetzten KI-Technologien werden in rationale lernt das System durch Versuch und Irrtum, indem es
oder verhaltensorientierte Ansätze eingeteilt.11 Wo Menschen zu gegebenen Problemstellungen Lösungen vorschlägt
mit Maschinen kommunizieren, werden in der Regel ver und über eine Feedbackfunktion eine positive oder
haltensorientierte KI-Technologien angewendet, wie z. B. negative Bewertung zu diesem Vorschlag erhält. Je
das Natural Language Processing für die maschinelle Über- nach Belohnungsmechanismus erlernt das KI-System,
setzung. Sind jedoch bei industriellen Prozessen Kosten zu entsprechende Funktionen auszuführen.12
optimieren, Objekte oder Umgebungsverhalten zu erkennen,
oder komplexere Prozesse zu planen, so werden hierfür
eher rationale KI-Technologien entwickelt. Dazu gehören Das Lernen hierarchischer Strukturen von Merkmalen in
Computer Vision sowie Aktionsplanung und Optimierung. aufeinander aufbauenden verborgenen Netzwerkschichten
wird als Deep Learning bezeichnet. Die Analyse komplexer
Das derzeitige Arbeitspferd der KI-Anwendungen und einer Datenmengen ist das bedeutendste Anwendungsfeld des
der Schwerpunkte der globalen KI-Forschung ist Machine überwachten und unüberwachten Lernens.13
Learning (ML). Es geht dabei um das statistische Lernen der
Parametrisierung von Algorithmen für sehr komplexe An In der nächsten Phase wird es darauf ankommen, mittels
wendungsfälle. Mittels Machine Learning erkennt das Sys- geeigneter KI kontextabhängige Aufgaben zu bewältigen.
tem anhand von zuvor eingegebenen Lerndaten Muster und Ob diese nächste Stufe wirklich erreicht wird und wann das
Gesetzmäßigkeiten bei den erfassten Prozessdaten. Mithilfe sein kann, ist eine offene Frage. Dazu müssten Maschinen
geeigneter Algorithmen können durch ML eigenständig über Weltwissen, also eine Art „Weltmodell“ oder selbstaus-
11 Potenziale der künstlichen Intelligenz im produzierenden Gewerbe in Deutschland, Studie des Bundesministeriums für Wirtschaft und
Energie. Durchgeführt von der PAiCE-Begleitforschung der VDI/VDE Innovation + Technik GmbH, 2018.
12 VDMA-Studie „Machine Learning im Maschinen- und Anlagenbau“.
13 https://www.mckinsey.de/news/presse/kunstliche-intelligenz-potenzial-von-neuronalen-netzen-gigantisch.8 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ prägende „artificial morality“, verfügen, von dem aber der- Anders ausgedrückt und in technischer Sprache stellt sich zeit unklar ist, wie dies entstehen oder geschaffen werden die Frage, wie solche Systeme im Voraus spezifiziert und im könnte. Auch werden KI-Anwendungen häufig als „Black Nachhinein verifiziert und validiert werden können. Dies Boxes“ wahrgenommen, sozusagen als eine Maschinerie, ist gerade im Zusammenhang mit industriellen Prozessen deren Funktionsweise sich im Nachhinein vom Menschen und deren Nachvollziehbarkeit wichtig, so z. B. bei Applika- nicht mehr vollständig entschlüsseln lässt. Damit wird die tionen der funktionalen Sicherheit, Qualifizierungs- und Frage aufgeworfen, wie Künstliche Intelligenzen kontrol- Abnahmeprozessen sowie bei der Standardisierung. liert und nachvollziehbar angewendet werden können.
T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 9
Warum ist KI interessant?
Für den Nichtexperten erscheint KI intransparent oder gar erkennen, ist aber bei großen Datenmengen wie z. B. bei
mystisch, denn ihr werden Fähigkeiten zugesprochen, die umfangreichen und sich schnell ändernden Prozesssigna-
mit denen des Menschen in Konkurrenz treten. Meist ist len überfordert. Dies gilt auch für kontinuierliche Aufgaben,
ihre Funktionsweise nicht offensichtlich und der Vergleich wie z. B. Oberflächenprüfungen, bei denen der menschliche
mit menschlicher Intelligenz löst mitunter Irritationen aus. Beobachter schnell ermüdet.
Dabei sind wir in der Regel beeindruckt von dem Vermögen
der KI, große Mengen an Handlungsalternativen in unfass- In industriellen Prozessen, in den dort zu gestaltenden Auto
barer Schnelligkeit zu verarbeiten, wie etwa beim Spiel „Go“. matisierungsaufgaben und in der Interaktion von Menschen
Doch alle bis heute bekannten praktischen Anwendungen bzw. zwischen zunehmend agiler arbeitenden Teams kann
der KI sind hochspezialisiert und deshalb nicht verallge- KI unterstützen, Effizienz zu erzeugen. Hierfür sind zudem
meinerbar. Jede neue Aufgabe benötigt vor der eigentlichen eine entsprechend umfassende und effiziente Sensorik zur
Anwendung ein umfassendes Training, das in der Nutzungs Verfügbarmachung relevanter Daten, eine Beschreibung
phase andauern kann und dadurch das eingesetzte KI-Sys- und Interpretierbarkeit der Daten zur Erfassung der Infor-
tem fortwährend optimiert. Meist sind dies Anwendungen, mationen sowie eine flexible Kommunikationsinfrastruk-
die aufgrund der anfallenden Datenmenge von Menschen tur zur Übermittlung der Daten zu den entsprechenden
nicht oder nicht schnell genug zu erledigen sind, jedoch Edge- und Backbone-Systemen notwendig. Dies dient der
immer im Rahmen vorgegebener Regeln und Systemgren- Effizienz in den Prozessen und bedient sich der Fähigkeit
zen verlaufen. Man spricht daher auch von einer Inselbega- der Transparenz für alle Beteiligten.
bung der KI. Die Go-spielende KI kann keine Autos lenken
und die bilderkennende KI versteht keine gesprochenen Mit KI wird auf dieser Fähigkeit aufgebaut und die zur Ver-
Sätze. Das direkte Abbilden menschlichen Denkens in Com fügung stehenden Daten werden für Fragen der Problemlö-
putern ist daher kein aktuelles Thema. sung, Aufdecken von Unvorhergesehenem oder Reduktion
von für den Menschen als solchen und für seine aktuelle
Die hohe Geschwindigkeit, mit denen aktuelle KI-Systeme Qualifikation zu komplexen Zusammenhängen genutzt.
Daten aufbereiten und Lösungen anbieten, geht über die Diese Fragen können sich durch die Aufgabenstellungen
menschlichen Fähigkeiten weit hinaus. Zwar ist der Mensch ergeben oder durch die Herausforderungen zur Bewältigung
universeller intelligent als Maschinen, ist aber, durch die von Projekten, die vielfach vor den Problemen stehen, Kom
Zeit, die ihm zur Verfügung steht, und die Möglichkeiten, plexität zu meistern und in der Planung Kosten, Termine
Daten durch seine Sinnesorgane aufzunehmen, limitiert. und Ressourcen zu ermitteln und einzuhalten.
Beispielsweise kann ein Mensch gut Muster oder Fehler10 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 .0 “ Die Fähigkeiten der KI eröffnen neue Möglichkeiten KI-Technologien wird viel Potenzial zugesprochen, die indus trielle Produktion qualitativ zu verbessern, Kosten zu redu- Die Effizienz und Nutzung von KI ist dabei abhängig zieren, bei gleichzeitiger Verkürzung der Produktionszeit von spezifischeren Faktoren. Zum einen sind die Qua- und Erhöhung der Robustheit der Abläufe. Anwender ver- lität der Informationen sowie ihre Verfügbarkeit und sprechen sich zudem Nachhaltigkeitspotenziale durch Ein- Interpretierbarkeit in der Lernphase entscheidend. sparung von Ressourcen, Optimierung des Energieeinsatzes Zum anderen spielt die Qualifikation der Menschen, und die verbesserte Koordination von Logistikabläufen. die KI-Verfahren entwickeln, diese auf Applikationen Gleichzeitig erlaubt es Künstliche Intelligenz aber auch, transferieren und erkannte Auffälligkeiten oder Abhän Ideen, Produktentstehungs-, Engineerings-, Produktions gigkeiten bewerten bzw. mit Bewertungsschemata be abläufe und angrenzende Prozesse von Grund auf neu zu legen und kombinieren können, eine wichtige Rolle. gestalten, die eigenen Produkte und Dienstleistungen durch oder mit KI anzureichern und neuartige Geschäftsmodelle zu implementieren. KI hat somit Implikationen für alle Schon heute weisen große Teile der industriellen Produktion Bereiche der Industrie und somit auch für die Industrie 4.0. eine umfangreiche einfache Automatisierung in bestimm-
T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 11
ten Aufgaben und Bereichen auf, z. B. wenn Abläufe statisch und Fähigkeiten, vielfältige Informationen und nehmen
programmierbar und in der Ausführung stets gleichförmig stetig an Komplexität zu.
sind. Zukünftig werden weiter steigende Anforderungen an
Produktvielfalt, Prozessflexibilisierung oder Kosten zuneh- Mittels KI kann ein System befähigt werden, in klar vorge-
mend Forderungen nach flexiblerer und selbständigerer gebenen Systemgrenzen Aufgaben selbständig und ohne
Automatisierung stellen. Das Fachforum Autonome Sys- menschliche Hilfe zu erfüllen. KI-Technologien zeigen ihre
teme (Beratungsgremium im HighTech-Forum) hat daher Vorteile vor allem dann, wenn unvorhergesehene Aufgaben
die Bedeutung autonomer Systeme für Wirtschaft, Wissen- erfüllt werden sollen, die eine hohe Adaptions- und Prob-
schaft und Gesellschaft in seinem Abschlussbericht detail- lemlösungsfähigkeit erfordern. Dies ist nicht der Fall bei
liert dargestellt.14 Basis für deren Umsetzung sind Sen einer Automatisierung im Sinne einer Programmierung
sorik, Robotik und Maschinelles Lernen. Insbesondere mittels Wenn-dann-Regeln zur Handlungsausführung, wel-
müssen autonome Systeme beim Einsatz in der industriel- che zwar autonomes Handeln ermöglichen kann, aber
len Produktion die Fähigkeit besitzen, sich bei der Mensch- durch das Fehlen einer Entscheidungsfindung in komple-
Maschine-Interaktion dem Verhalten des mit ihnen koope- xen intelligenten technischen Systemen insofern limitiert
rierenden Menschen anzupassen. Mehrere autonome (Teil-) ist, da nur auf vorhergesehene Ereignisse reagiert werden
Systeme können zusammen ein autonomes Gesamtsystem kann. Dies gilt in vielen Fällen ebenso für die Programmie-
höherer Ordnung bilden. rung mittels klassischer Automatisierungs- und Regelungs-
technik.
In der Fachliteratur werden „Autonome Systeme“ als Systeme
beschrieben, die – ohne manuellen Eingriff – in der Lage sind, Autonome Systeme findet man in allen Stellen der Wert-
ihr Verhalten während des Betriebs an unvorhergesehene schöpfung und deren Vorbereitung, beginnend bei der
Ereignisse anzupassen.115 Aus Industriesicht soll der Ein- Anforderungsanalyse über Engineering, Einkauf, Supply
satz von KI-Technologien die Notwendigkeit menschlicher Chain Management, virtuelle Inbetriebnahme, Produktion,
Eingriffe in industrielle Abläufe und bei der Nutzung von Vermarktung und Nutzung von Produkten und Produkti-
intelligenten technischen Systemen verringern und damit onssystemen bis hin zur Wiederverwertung. Dies betrifft
den Grad an Selbständigkeit innerhalb definierter System- ebenso die Mensch-Maschine- und Maschine-Maschine-
grenzen erhöhen – bzw. bei immer komplexer werdenden Interaktion wie auch Logistik oder Prozessketten. Mit Blick
technischen Systemen die menschliche Entscheidungsfä- auf die industrielle Produktion bieten autonome Systeme
higkeit erst ermöglichen. klare Wertversprechen: Autonomes Handeln in der indus
triellen Produktion ist wesentlicher Treiber für die Steige-
Intelligente technische Systeme zeichnen sich durch ihre rung von Effektivität und Effizienz in industriellen Prozes-
Fähigkeiten aus, sich zu vernetzen, agil zu orchestrieren, sen und Applikationen. In Bezug auf das produzierende
sich über den Lebenszyklus stetig zu verändern und robust Gewerbe liegen die Wertversprechen für Endkunden nicht
gegen äußere Einflüsse zu sein. Sie nutzen und erzeugen in der KI selbst, sondern in den durch KI veränderten Pro-
während ihres Einsatzes, auch in globalen Wertschöpfungs- duktionssituationen über den kompletten Lebenszyklus
ketten und angereichert über kundenorientierte Dienste der Anlagen.
14 Fachforum Autonome Systeme: Chancen für Wirtschaft, Wissenschaft und Gesellschaft, Abschlussbericht 2017.
15 D. P. Watson, D. H. Scheidt: „Autonomous Systems“. Johns Hopkins APL Technical Digest, Vol. 26, No. 4, 2005.12 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 .0 “
KI-beeinflusste Autonomie-Stufen in der
industriellen Produktion
Die nachfolgende Beschreibung von Autonomie-Stufen in das System komplexe Situationen automatisiert und selbst-
der industriellen Produktion steht in engem Zusammen- lernend bewältigen kann.
hang mit dem Thema Automatisierung. Schon heute sind
große Teile der industriellen Produktion mit Automatisie- KI ermöglicht eine Adaptions- und Problemlösungsfähigkeit
rungssystemen ausgestattet. Der Wirkungsbereich erstreckt eines Systems innerhalb definierter Systemgrenzen, welche
sich dabei von kleinen Teilbereichen bis hin zu kompletten durch Trainings- und Lernprozesse eingebracht wird. Die
Anlagen. Um diesen Übergang von der klassischen Pro- Anwendung von KI-Technologien zeigt sich dann in der
grammierung zu autonomen Systemen zu beschreiben, ist Intensität der Autonomie der Abläufe von industriellen Pro
es wichtig, eine entsprechende Taxonomie festzulegen. So zessen. Eine Autonomie-Stufe korreliert mit dem Grad des
können Anbieter von Automatisierungstechnik und deren autonomen Handelns (in Maschinen oder Prozessen), wel-
Kunden definieren, wo sie stehen und wohin sie kurz-, mit- cher sich in unterschiedlichen Anwendungsszenarien mehr
tel- und langfristig möchten. Die Taxonomie basiert haupt- oder weniger stark ausgeprägt zeigt. Der Umfang des auto-
sächlich auf zwei Dimensionen: dem Umfang der automa- nomen Handelns hängt von der Komplexität der zu bewälti
tisierten Aufgaben (Anzahl, Komplexität, Dauer etc.) und genden Situationen sowie der Rolle des Menschen in dieser
der Rolle des Menschen in diesem Gefüge. Die im Folgen- Situation ab. Die nachfolgende Abbildung zeigt vereinfacht
den auf Basis dieser beiden Dimensionen abgeleitete Ein- den Zusammenhang zwischen Autonomie und KI. Autono-
teilung industrieller Vorgänge hinsichtlich ihres autono- mie-Stufen können den generellen Zustand eines Systems
men Charakters ist zwar noch sehr grob, lässt sich in beschreiben, oder auch verwendet werden, um den ange-
weiteren Schritten aber für unterschiedliche industrielle strebten Zustand eines Systems in Zukunft zu formulieren.
Domänen verfeinern und konkretisieren. Um eine gewisse Autonomie-Stufe zu erreichen, benötigt
man Intelligenz, um das System weiterzuentwickeln. Intel
Die Stärke der Anwendung von Technologien der Künstli- ligenz basiert auf Erfahrungswissen und daher ist KI sehr
chen Intelligenz zeigt sich in der Intensität der Autonomie gut geeignet, diese Fähigkeiten bereitzustellen. Somit stellt
industrieller Prozesse, welche mit Adaptions- und Prob- KI ein technologisches Mittel dar, um eine gewisse Autono-
lemlösungsfähigkeit verbunden ist. Autonomes Handeln mie-Stufe zu erreichen.
mittels KI-Technologien ist wesentlicher Treiber für die
Steigerung von Effektivität und Effizienz in industriellen Industrielle Produktion kann eine hohe Komplexität besit-
Prozessen und Applikationen. Der Grad des autonomen zen. Die vollständige Betrachtung kann bis zur Beschreibung
Handelns hängt folglich von der Selbständigkeit ab, mit der des kompletten Lebenszyklus einer Anlage gehen. Neben
Abbildung 1: Genereller Zusammenhang von Autonomie und KI
Autonomie-Stufen beschreiben den Höhere Stufen der Autonomie
aktuellen oder angestrebten Zustand benötigen Intelligenz
Technologieportfolio von Künstlicher
Intelligenz als Voraussetzung für
intelligente SystemeT E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 13
dem dominanten Anwendungsfall des Betriebs der Anlage – men Betrieb der Produktion unter KI-Führung beschreibt,
also der Prozessführung – gibt es daher noch die Bereiche bei dem die gesamte Entscheidungsfindung und Ausführung
Planung, Engineering, Inbetriebnahme, Betrieb, Wartung, vom KI-System übernommen wird. Die Stufen 1 – 4 beschrei
und Außerbetriebnahme. Diese Bereiche sind oft stark mit- ben dementsprechend die Abstufungen dazwischen. Die
einander verzahnt und beeinflussen sich gegenseitig. Die Diskussion dieser Abstufung erfolgt aber immer in definier
Beschreibung anhand eines abgestuften Modells des auto- ten Systemgrenzen und mit bekannten KI-Technologien.
nomen Handelns ist daher essentiell, da nicht jedes indust- Die Ausführung mittels starker KI-Technologien und bei
rielle System den gleichen Grad an Autonomie erreichen unbekannten Systemgrenzen wird nicht berücksichtigt. Ob
kann – oder muss. Zudem können auch Teilbereiche der solche Systeme jemals in die industrielle Produktion Eingang
industriellen Produktion, wie z. B. Prozessführung, Prozess- finden, kann aus heutiger Sicht nicht abgeschätzt werden.
planung oder Feldüberwachung und Instandhaltung, unter-
schieden werden. Auch hier können unterschiedliche Teil- Nachfolgende Abbildung fasst die übergeordnete Beschrei-
bereiche verschiedene Grade an Autonomie erreichen, z. B. bung der Autonomie-Stufen für die industrielle Produktion
kann der Betrieb der Leitwarte bereits einen hohen Grad an zusammen. Darunter verstehen wir die Automatisierung
Autonomie aufweisen, wohingegen die Feldüberwachung von Prozessen in gegebenen Systemgrenzen. Durch zuneh-
nur begrenzt autonom abläuft. Andererseits besitzt der mende Automatisierung werden die unterschiedlichen Stu-
Mensch Fähigkeiten, die nicht einfach durch autonome fen erreicht. Beispiele für Automatisierung sind automatische
Prozesse umgesetzt werden können oder die aus techni- Übersetzung, die automatisierte auftragsgesteuerte Produk
schen, inhaltlichen oder ökonomischen Gründen nicht tion (Fahrradlenker 17), Chatbots (Automatisierung von Ser-
abbildbar sind. viceprozessen), Engineeringunterstützung, RPA (Robotic
Process Automation) wie auch die automatisch gesteuerte
Autonome Systeme berücksichtigen den Aspekt der Ent klassische Prozesslinie, für die jedoch keine KI erforderlich
scheidungsfindung als auch den der Handlungsausführung. ist. Die nachfolgenden Darstellungen zu den Autonomie-
Das Gremium Artificial Intelligence der Bitkom hat hinsicht Stufen beziehen sich rein auf den Einfluss von KI als weitere
lich der Entscheidungsfähigkeit eine Taxonomie des Den- Technologie zur Automatisierung. Der KI-bedingte Gesamt
kens entwickelt und darauf aufbauend ein Stufenmodell der autonomiegrad eines industriellen Vorgangs kann von
Automation des Entscheidens beschrieben, welches – ange- nicht-autonom (Stufe 0: keine KI bei der Programmierung
lehnt an die Einteilung beim autonomen Fahren – 6 Stufen beteiligt) über teil-autonom (Stufen 1-4: KI-Programmie-
vorsieht.16 Dieses Stufenmodell beschreibt die Interaktion rung wurde eingesetzt; menschliche Einwirkung in den
von Menschen mit Werkzeugen, die assistieren oder auch Prozess ist noch erforderlich) bis voll-autonom (Stufe 5: KI-
autark agieren. Die Projektgruppe Künstliche Intelligenz der Programmierung ersetzt jedweden menschlichen Eingriff)
Plattform Industrie 4.0 greift diese Stufenbeschreibung auf variieren.
und stellt nachfolgend eine Taxonomie der KI-bedingten
Systemautonomie vor, bildet diese auf Industrieprozesse ab Diese Beschreibung der Autonomie-Stufen weist eine kon-
und leitet daraus detaillierte Erkenntnisse und Handlungs- tinuierliche Veränderung der Verantwortung des Anlagen-
notwendigkeiten für unterschiedliche Anwendungen ab. betriebs vom Menschen hin zum autonomen System aus.
In den Stufen 0 bis 2 besteht eine gewisse Fähigkeit zu
Grundlegend für die Beschreibung der Autonomie-Stufen ist autonomen (Teil-)Handlungen. Diese sind jedoch in ihrem
die Rolle des Menschen im Wertschöpfungsprozess in Bezug Umfang begrenzt, und der Mensch hat jederzeit die aktive
auf den Umfang der automatisierten Aufgaben. So beschreibt Kontrolle und trägt noch die zentrale Verantwortung. In
eine Autonomie-Stufe 0 den Betrieb einer industriellen Pro den Stufen 4 und 5 übernimmt das System die Verantwor-
duktion ohne KI-basierte Automatisierung, bei der der tung – zunächst für Teilbereiche und Teilaspekte, dann für
Mensch die volle Kontrolle und Verantwortung hat (wobei die komplette Anlage, und der Mensch spielt größtenteils
sogar eine umfangreiche einfache Automatisierung vorhan eine passive Rolle. Stufe 3 beschreibt eine Übergangssituation,
den sein kann), während Stufe 5 einen vollständig autono- in der der Mensch gewisse Entscheidungen des Systems
16 Bitkom Leitfaden „Künstliche Intelligenz verstehen als Automation des Entscheidens“, 2017.
17 Plattform Industrie 4.0: Anwendungsszenario trifft Praxis; Auftragsgesteuerte Produktion eines individuellen Fahrradlenkers,
https://www.plattform-i40.de/I40/Redaktion/DE/Downloads/Publikation/anwendungsszenari0-trifft-praxis.html.14 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 .0 “
Autonomiestufen der Industrie
Abbildung 2: Übergeordnete Definition der KI-beeinflussten Autonomie-Stufen in der industriellen Produktion
Keine Autonomie,
Stufe 0 Mensch hat volle Kontrolle
ohne Assistenz.
Assistenz bei ausgewählten Funktionen,
Stufe 1 Mensch ist stets verantwortlich und trifft
alle Entscheidungen.
Zeitweise Autonomie in klar definierten
Stufe 2 Bereichen, Mensch ist stets verantwortlich
und gibt (Teil-) Ziele vor.
Umgebungsüberwachung durch das System
Abgegrenzte Autonomie in größeren
Teilbereichen, System warnt bei Problemen,
Stufe 3 Mensch bestätigt Lösungsvorschläge des
Systems bzw. fungiert als Rückfallebene.
Das System arbeitet autonom und adaptiv
Stufe 4 in bestimmten Systemgrenzen, Mensch kann
überwachen oder in Notfallsituationen agieren.
Autonomer Betrieb in allen Bereichen,
Stufe 5 auch in Kooperation und in sich ändernden
Systemgrenzen, Mensch kann abwesend sein.T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 . 0 “ 15
noch bestätigt. Die Stufen 3 bis 5 setzen hohe Ansprüche an Stufe 1
die Zuverlässigkeit des Systems voraus. Daher gibt es beim
Übergang von Stufe 2 zu Stufe 3 eine wichtige Randbedin- Das KI-System leistet Unterstützungsfunktionen und dient
gung: Das System muss seine Wirkumgebung überwachen, somit als Assistenzsystem. Die Verfahren der KI ermöglichen
um z. B. auf unvorhergesehene Einflüsse reagieren zu kön- dabei die Interpretation komplexer und mehrdeutiger Infor
nen. mationen, beispielsweise von menschlicher Sprache oder
aus Bildern. KI-unterstützte Schnittstellen können dem
Zur Verdeutlichung der Stufeneinteilung soll das Beispiel Bediener Hilfestellung zukommen lassen, ihn vor Bedien-
„Roboter für das Teilehandling“ dienen. Der Roboter nimmt fehlern schützen und anhand der erkannten Nutzungs-
Teile auf und legt diese woanders wieder ab, beispielsweise wünsche ihm Optimierungen und Vorhersagen bereitstellen.
auf einem Fließband. Assistenten können sinnvolle Eingabewerte vorschlagen
und auch die Konsequenzen der Eingaben vorhersagen.
KI-basierte Assistenzsysteme können auch dazu beitragen,
Stufe 0 dass die Zusammenarbeit innerhalb und zwischen Teams
optimiert wird. Die KI erlaubt eine Situationserkennung
In Stufe 0 erfolgt die Steuerung von Industrieprozessen rein unter Berücksichtigung der verschiedenen Ziele der darin
durch programmierte Wenn-dann-Routinen bzw. klassische involvierten Individuen und kann sowohl koordinierend
Automatisierungs- und Steuerungstechnik. Dies erfolgt als auch vermittelnd eingreifen. Weiterhin wird es einfa-
meist über eine speicherprogrammierbare Steuerung (SPS). cher, vorliegende Informationen aufzubereiten und inner-
Algorithmen der KI sind hierbei nicht involviert. Der Mensch halb der Gruppe zu teilen.
gibt eindeutig die Regeln vor und hat stets die volle Kont-
rolle über den Gesamtprozess. Eine umfangreiche program Ziel der Assistenzsysteme ist die Reduktion von Komplexi-
mierte Regelerstellung kann trotzdem vorhanden sein, wie tät sowie das Anleiten des Menschen in schwierigen Situa-
z. B. Maschinensteuerung oder sicherheitsrelevante Funk tionen. Bezogen auf den Gesamtprozess trifft der Mensch
tionen, die den sicheren Betrieb der Anlage garantieren. in Stufe 1 weiterhin alle Entscheidungen und trägt die volle
Doch die Verantwortung für die Aufrechterhaltung des Verantwortung für alle Abläufe.
Betriebs und für Reaktionen auf unvorhergesehene Anfor-
derungen durch das Einbringen von Intelligenz liegt allein
beim Menschen, z. B. durch die Erstellung der Regel oder
die Kontrolle des Ablaufes. Autonomie-Stufe 1
Assistenz bei ausgewählten
Funktionen,
Autonomie-Stufe 0 Mensch ist stets verant-
wortlich und trifft alle
Keine Autonomie,
Entscheidungen.
Mensch hat volle Kontrolle
ohne Assistenz.
Beispiel: Roboter für das Teilehandling
Der Roboter wird in der Autonomie-Stufe 1 wie in Stufe 0
durch den Mensch klassisch ausprogrammiert oder projek-
Beispiel: Roboter für das Teilehandling tiert und arbeitet in den gleichen festen Grenzen. Die
Ein Roboter nimmt Teile von vorher festgelegten Positionen menschliche Intelligenz erzeugt wie in Stufe 0 die Regeler-
auf und legt diese an exakt definierten Positionen wieder stellung und Qualifizierung. Im Unterschied zu Stufe 0
ab. Der Roboter wird in der Autonomie-Stufe 0 durch den schlägt das mittels KI programmierte Assistenzsystem des
Mensch klassisch ausprogrammiert oder projektiert (Teach- Roboters dem Menschen zielgerichtete Verbesserungen im
In). Die menschliche Intelligenz erzeugt die Regelerstellung Ablauf vor, wie z. B. energetische oder zeitliche Optimie-
und Qualifizierung. Der Roboter arbeitet in festen Grenzen rungen des Prozesses. Der Mensch entscheidet dann, inwie-
(Systemgrenzen). weit er die angebotenen Verbesserungen nutzt.16 T E C H N O LO G I E S Z E N A R I O „ K Ü N S T L I C H E I N T E L L I G E N Z I N D E R I N D U S T R I E 4 .0 “
Stufe 2 reduziert, da Probleme und Fehler teilweise im Voraus
erkannt werden oder die Personen in Echtzeit informiert
Die Grundidee in Stufe 2 ist es, einfache Aufgaben zu auto- werden. Dadurch können Material, Ressourcen und der
matisieren oder an Automatisierungssysteme zu delegieren. Werkzeugtausch eingespart werden. Der Mensch bestätigt
Komplexere Aufgaben verbleiben in der Hand des Bedieners. nur noch gewisse vorgeschlagene Lösungsstrategien oder
Das System übernimmt in definierten Bereichen und im unterstützt in spezifischen Problemstellungen, d. h. er greift
gewünschten Umfang für eine begrenzte Zeit die Kontrolle, ein, wenn das System ihn alarmiert.
unter Überwachung und Ergebniskontrolle des Menschen.
Der Bediener unterstützt das System mit Erfahrungswissen,
gibt Zielstellungen vor und beschreibt unter Umständen die
Autonomie-Stufe 3
Absichten seines Tuns. Die Verantwortung für den Gesamt-
Abgegrenzte Autonomie in
prozess liegt weiterhin voll beim Menschen. größeren Teilbereichen,
System warnt bei Pro-
blemen, Mensch bestätigt
Autonomie-Stufe 2 Lösungsvorschläge des
Zeitweise Autonomie in Systems bzw. fungiert als
klar definierten Bereichen, Rückfallebene.
Mensch ist stets verant-
wortlich und gibt (Teil-)
Ziele vor.
Beispiel: Roboter für das Teilehandling
Der Roboter wird in der Autonomie-Stufe 3 durch den
Menschen nur zum Teil ausprogrammiert und im Wesent-
Beispiel: Roboter für das Teilehandling lichen projektiert. In Stufe 3 kann der Roboter zusätzlich zur
Der Roboter wird in der Autonomie-Stufe 2 durch den Men Anpassung seiner Handlungen auch innerhalb von System-
schen überwiegend klassisch ausprogrammiert oder pro- grenzen selbst planen (z. B. eigenständige Bahnenplanung)
jektiert. Im Unterschied zu Stufe 1 erlaubt die KI-Program- und dies auch in Kooperation mit der Umgebung, wie z. B.
mierung dem System, sich innerhalb der vorgegebenen anderen Roboter-Einheiten, umsetzen. Beispielsweise kann
Systemgrenzen und Ziele selbst zu verbessern. Beispiels- er auch die Geschwindigkeit des Fließbands verändern. Das
weise können nicht exakt positionierte Teile erkannt und Roboter-System ist dafür zusätzlich mit Sensoren zur
aufgenommen werden oder er kann die Taktrate seiner Umwelterfassung ausgestattet, nimmt den Umgebungs-
Handlung selbständig anpassen. Der Mensch ist in allen kontext wahr, kann Bewegungen anpassen und Fähigkeiten
Bereichen in der Entscheidungsgewalt und kann bei Bedarf erlernen. Der Mensch beobachtet die Systementscheidun-
eingreifen. gen, hilft bei unvorhergesehenen Problemen und kann im
Notfall eingreifen.
Stufe 3
Stufe 4
Der Bediener definiert in Stufe 3 die Systemgrenzen, in
denen das KI-gesteuerte System den automatisierten Das System agiert als adaptives, autonomes System in grö-
Betrieb führen darf. Dabei überwacht das System seine ßeren Teilbereichen (z. B. Betrieb der Leitwarte). Dabei arbei
Umgebung in den gesetzten Systemgrenzen selbständig. tet es autonom und adaptiv in bekannten Systemgrenzen
Durch Überwachung des Fertigungsprozesses in Echtzeit und kann sich über fortgesetzte Lernphasen und gegebene
können bspw. Fehler und Engpässe erkannt werden. Wenn (Teil-)Ziele optimieren, dadurch Probleme besser vorherse-
die KI ein Muster aus der Lernphase erkannt hat, kann es hen und lösen. Eine Selbstoptimierung der Fertigungsstra-
eine zugehörige gelernte Aktion begrenzt autonom ausfüh- tegie anhand vorgegebener Kennzahlen wird im Rahmen
ren. Zum Beispiel wird selbständig das Not-Aus betätigt der bei der Algorithmenerstellung definierten Systemgren-
oder die Anlage in einen abgesicherten Modus gefahren, zen ermöglicht. Der Mensch überlässt dem System die
wenn eine akute Überlastung in den Sensordaten erkannt Kontrolle über eine gewünschte Systemsteuerung, hat
wird. Durch diese Teilautonomie wird nicht nur der Pro- höchstens eine überwachende Funktion und agiert in Not-
duktionsablauf optimiert, sondern auch die Down-Time situationen, wobei das System bei Nichteingreifen desSie können auch lesen
