Industrielles AI-Update

In der Fertigung klafft heute oft eine Lücke zwischen dem Versprechen der KI, von dem wir in den Nachrichten hören, und dem tatsächlichen ROI von Technologien, die künstliche Intelligenz beinhalten. In unserem heutigen Podcast sprechen wir mit einem Experten für industrielle KI. Bryan DeBois ist Direktor für industrielle KI bei RoviSys, wo er Herstellern hilft, den Wert der Integration von KI in ihre industriellen Prozesse zu erkennen. Bryan DeBois, herzlich willkommen zum Podcast.

Bryan DeBois: Danke, dass ich dabei sein darf.

Leah Archibald: Worüber sprechen wir also, wenn wir über KI in der Fertigungsindustrie sprechen?

Bryan DeBois: Wir sind uns dessen nicht bewusst, aber es gibt sie in der Industrie eigentlich schon seit geraumer Zeit. Wenn man zurückblickt, gibt es einige spezifische Anwendungen von KI, die wir in der Industrie seit mindestens 10 Jahren, in einigen Fällen sogar seit 15 Jahren einsetzen.

2 Traditionelle Anwendungen von KI in der Industrie:

1. Erkennung von Anomalien – Bei der Erkennung von Anomalien lernt eine KI, wie Normalität aussieht. Sie kann Ihnen sagen, wann ein Prozess abnormal verläuft, auch wenn sie möglicherweise nicht in der Lage ist, Ihnen zu sagen, warum.
2. Vorausschauende Wartung – Bei der vorausschauenden Wartung nutzt die KI Daten aus der Vergangenheit, um Ausfälle vorherzusagen, die in der Vergangenheit aufgetreten sind. Diese Technologie ist in diesem begrenzten Rahmen gut, aber sie kann nicht mit Szenarien umgehen, in denen Dinge auf neue Weise ausfallen.
Das ist der Punkt, an dem wir in der Industrie angelangt sind. Wir haben uns mit dem so genannten überwachten Lernen befasst.

Leah Archibald: Und überwachtes Lernen bedeutet, dass ein Mensch in den Prozess involviert ist, der etwas beaufsichtigt?

Bryan DeBois: Ganz genau. Im Falle der Qualität trainieren Sie das AU-System, um die endgültige Qualität dieser Charge vorherzusagen. Es wird auf all diesen bestehenden Chargen basieren, die ich kenne. Und eine der wichtigsten Annahmen, die in das Modell einfließen, ist, dass jemand weiß, was er mit dieser Vorhersage anfangen soll. Wenn ich also vorhersagen kann, wie die Endqualität dieser Charge sein wird, weiß dann jemand an der Linie – ein Bediener oder ein Vorgesetzter -, wie er das Ergebnis korrigieren kann? Wenn die KI vorhersagen kann, dass diese Charge von minderer Qualität sein wird, weiß dann jemand, wie man die Charge wieder auf Vordermann bringen kann? Dieses menschliche Eingreifen ist in jedem dieser prädiktiven, überwachten Lernansätze enthalten.

Die letzte Art von KI, die heute zur Verfügung steht und am weitesten fortgeschritten ist, wird als autonome KI bezeichnet. Hier setzen wir das so genannte Deep Reinforcement Learning ein, das sich vom überwachten Lernen unterscheidet. Deep Reinforcement Learning ist tatsächlich in der Lage, das zu tun, was die Menschen von der KI erwarten, nämlich eine Entscheidung zu treffen, nicht nur eine Vorhersage darüber zu machen, was passieren könnte, sondern zu sagen: Um das zu beheben, muss man X, Y und Z tun.

Überwachtes Lernen – Ein Mensch ist erforderlich, um die Ergebnisse eines KI-Modells zu interpretieren. Beispiel: Erkennung von Anomalien oder vorausschauende Wartung
Deep Reinforcement Learning – Verwendet KI-Modelle, um Menschen über die besten Maßnahmen zu informieren. Beispiel: Autonome KI, aPriori’s aP Design

Deep Reinforcement Learning als Technologie war ein großer Sprung nach vorn, und es gibt sie nun schon eine Weile. Aber wie Sie wissen, sind wir in der Fertigungsindustrie aus gutem Grund risikoscheu. Wir neigen dazu, Dinge in der Regel 5 bis 7 Jahre nach den anderen Branchen, wie z. B. dem Finanzsektor, zu bekommen. Wir neigen dazu, diese Spitzentechnologien später zu bekommen. Sie halten also gerade erst Einzug in die industrielle Welt. Aber wir können heute schon autonome KI einsetzen, und das ist wie Magie, denn sie trifft Entscheidungen, die ein menschlicher Bediener in Echtzeit treffen würde.
Eines der Dinge, über die ich typischerweise mit Kunden spreche, ist, dass wir mit autonomer KI die unlösbaren Probleme lösen. Wir sind in der Lage, Probleme zu lösen, für die man in der Vergangenheit Menschen einsetzen musste. Oder man hat sich einfach damit abgefunden, dass wir dieses Problem nie lösen werden. In der Vergangenheit war es etwas, das nicht gelöst werden konnte. Und jetzt gehen wir diese Probleme tatsächlich an, und wir können sie mit autonomer KI lösen.

Leah Archibald: Ich stelle mir also jemanden vor, der zu diesem Podcast kommt und denkt: Wie kann ich die Vorteile der KI-Technologie nutzen? Und was ich von Ihnen höre, ist, dass Sie mit den Problemen beginnen, mit denen Sie konfrontiert sind. Wenn ich mit Führungskräften in der Fertigung spreche, sagen sie: Wir müssen die Kosten senken. Die Kosten sind eine so große Variable, dass sie sich direkt auf den Gewinn auswirken. Wir müssen die Kosten runterkriegen. Und dann denken sie auch noch: Ich muss das Produkt schneller auf den Markt bringen. Und ich muss dafür sorgen, dass es schon lange vor der Prototypenerstellung und den Tests herstellbar ist. Für mich klingt das so, als ob diese intelligente Technologie wirklich beide Ziele erreicht.

Bryan DeBois: So ist es. Sobald man das Problem kennt, kann ich rückwärts arbeiten. Sie erwähnten die Bedenken hinsichtlich der Kosten und der Geschwindigkeit der Markteinführung. Es gibt derzeit Bestrebungen, einen großen Teil der Produktion in die USA zu verlagern. Und wir werden nicht in der Lage sein, mit Ländern zu konkurrieren, die im wahrsten Sinne des Wortes nur Körper auf diese Probleme werfen können, wenn wir nicht intelligente KI, autonome KI und diese Arten von Technologien einsetzen. Das werden die Multiplikatoren sein, die wir brauchen, um mit den billigen Arbeitskräften konkurrieren zu können, die man in so vielen anderen Ländern bekommen kann.

Leah Archibald: Ich höre Sie sagen: Beginnen Sie mit dem Geschäftsproblem, dann ordnen Sie die Technologie darauf zu, und dann kommen Sie zurück zum Geschäftsproblem, denn so können Sie wirklich sehen, ob Sie den ROI aus Ihrer KI-Implementierung herausbekommen haben. Sie müssen wissen, ob Ihre KI-Lösung tatsächlich die Kosten senkt, die Fehlerquote bei der Herstellung reduziert, die Markteinführung beschleunigt oder den CO2-Ausstoß verringert, falls das Ihr KPI ist.

Bryan DeBois: Ich würde sagen, das ist richtig. Und es ist interessant, dass Sie gerade das Thema Nachhaltigkeit ansprechen, denn ich denke, dass viele dieser Unternehmen sehr aggressive Nachhaltigkeitsziele haben, die sie sich selbst gesetzt haben. Und einige dieser Prozesse haben sich in den letzten 100 Jahren nicht sonderlich verändert. Meiner Meinung nach kann man diese Ziele nur erreichen, wenn man industrielle KI einsetzt. Ich wüsste keinen anderen Weg, wie man das erreichen könnte.

Leah Archibald: Wenn ich nur die Nachrichten verfolge, würde ich denken, dass ich bei der Einführung von KI in meinem Unternehmen bereits im Rückstand bin. Wie groß muss der Vorsprung sein, um KI einzuführen und damit wettbewerbsfähig zu sein?

Bryan DeBois: Ich denke, das ist eine wirklich berechtigte Frage. Die Realität ist, dass es einige Kunden gibt, die sich voll und ganz auf KI eingelassen haben, und die Ergebnisse, die sie erzielen, sind wirklich beeindruckend. Aber sie sind die Ausnahme. Die überwiegende Mehrheit der Kunden steht noch ziemlich am Anfang ihrer KI-Reise.

Leah Archibald: Die meisten Industrieunternehmen, die diesen Podcast hören, sind also nicht zu spät dran. Sie haben noch viel Spielraum, um zu expandieren. Viel Raum für ROI, wenn man jetzt einsteigt.

Bryan DeBois: Und ich möchte noch einen letzten Punkt ansprechen, den ich für wichtig halte. Jeder spricht davon, dass wir uns in der 4. industriellen Revolution befinden. Ich glaube wirklich, dass die KI das Ergebnis der 4. industriellen Revolution sein wird. Ich glaube, dass wir darauf hingearbeitet haben. Ich habe eine lange Karriere hinter mir, und wir haben in den letzten mehr als 20 Jahren diese Datenprojekte durchgeführt und all diese Daten gesammelt. Und die Frage, die mir immer wieder gestellt wird, lautet: Wir haben Unmengen von Daten, wir wissen nur nicht, was wir damit anfangen sollen. KI ist die Sache, die man damit macht. Jetzt haben wir den Grund, warum Sie all diese Daten seit über 20 Jahren sammeln. Jetzt können wir diese Daten nutzen und einige wirklich coole Dinge tun.