Der Fortschritt in der Künstlichen Intelligenz ist beeindruckend. Systeme wie ChatGPT 4 wirken disruptiv auf viele Geschäftsfelder: Produktbeschreibungen können in Sekundenschnelle passend zum Zielpublikum erstellt und langwierige Recherchen vermieden werden. Mit dem Prinzip von Dall-E lassen sich nicht nur Bilder erstellen, sondern bald auch Grundrisse von Gebäuden anhand von konkreten Anforderungen, wie Fluchtwegen oder der gesetzlich geforderten Anzahl von Toiletten.
KI wird alle betreffen. Doch wie ist darauf zu reagieren? Ignorieren kann existenzbedrohend werden.
KI ist ein Werkzeug
Künstliche Intelligenz ist ein Werkzeug. So, wie ein Taschenrechner dem Rechenschieber überlegen war und diesen komplett abgelöst hat, so werden KI-Methoden schon bald disruptiv viele klassische Algorithmen ablösen. Gerade die Fähigkeit, aus Daten Wissen zu extrahieren, ohne explizite Regeln formulieren zu müssen, und die Fähigkeit, aus neuen Daten weiter zu lernen und sich anzupassen, ermöglichen bessere, schnellere und verallgemeinernde Lösungen für viele Probleme. KI ist überlegen, als Tools verfügbar und setzt sich in kurzer Zeit durch. Um KI einzuführen, sollte man dennoch nicht vom Werkzeug her denken, sondern vom Geschäftsmodell und den konkreten Anforderungen. Wenn klar ist, welche Unternehmensziele man erreichen möchte, oder welche Geschäftsmodelle durch den Einsatz von KI bei Wettbewerbern bedroht werden, dann kann man anschließend das geeignete Tool auswählen. KI-Anwendungen sind bereits heute im Industrie-4.0-Kontext sehr erfolgreich und tragen zu den in Abb. 1 genannten Zielen bei.
In Abb. 2 sind 13 Domänen dargestellt, die insgesamt ca. 50 konkrete KI-Anwendungsbereiche zusammenfassen und in der (erweiterten) ISA95-Pyramide verorten. Dazu gehören Wissensmanagement und Dokumentation, Modellbildung, optimiertes Ressourcenmanagement, Prognosen, Planung, Robotik, Fertigungsprozesse, Assistenzsysteme und Mensch-Maschine-Interaktion, Analysen und Überwachung, autonomes Fahren, Intelligente Fertigungsautomation, Intelligente Sensorik und die Verbesserung von Produkten.
KI ist nicht gleich KI. Heute werden über 70 verschiedene Verfahren der KI im Industrie-4.0-Kontext eingesetzt. Man unterscheidet einerseits mathematische Verfahren und symbolische KI als Vertreter eines regelbasierten und nicht lernfähigen Ansatzes von andererseits lernenden Verfahren, die vor allem auf Wissen aus Daten basieren.
Der Vorteil der zweiten Klasse von Verfahren ist, dass kein explizites Regelwissen benötigt wird, sondern die Zusammenhänge von den Machine Learning Methoden erkannt werden. Ihr Nachteil ist, dass es zu Fehlinterpretationen bei mangelnder Datenqualität oder mangels Ausgewogenheit bei der Auswahl der Trainingsdaten kommen kann. Dem wirkt man mit Methoden der Erklärbaren KI (XAI) entgegen, um ein besseres Verständnis der erkannten Zusammenhänge zu bekommen.
Aus dem Wissen um die Stärken der jeweiligen Methoden kann man Empfehlungen generieren, welches KI-Verfahren für welches Einsatzgebiet bei Industrie 4.0 passend zum strategischen Geschäftsziel die besten Ergebnisse generiert. Diese präzise Zuordnung der Methode unter Berücksichtigung möglicher „Fallen“ in der Datengewinnung und -aufbereitung ist der Schlüssel für den zügigen und erfolgreichen Einsatz von KI.
Ausblick
Wissenssysteme analog zu ChatGPT von OpenAI oder zu Bard von Google sowie Ableger von dall-E werden vermutlich sehr schnell starke Assistenten bei der Erfindung neuer Produkte und Verfahren werden. D.h. neben operativen Aufgaben in Prozessautomation und -planung wird KI zusätzlich auch auf der strategischen Ebene sehr viel relevanter werden und zum Beispiel Investitionsentscheidungen unterstützen. Damit wird die vertikale Integration verstärkt und Industrie-4.0-spezifische Aufgabenbereiche mit den darüberliegenden Ebenen in Echtzeit verwoben.
