BLOG
29/10/2017 16:56 CET | Aktualisiert 29/10/2017 16:56 CET

Interview mit Erik Johnson, Chief Architect bei Epicor Software, zu Künstlicher Intelligenz in der Fertigungsindustrie

Künstliche Intelligenz (KI) hat sich quasi in Warp-Geschwindigkeit von einer Science-Fiction-Vision zum Steckenpferd in den Vorstandsebenen entwickelt. Es ist nicht überraschend, dass eine zukünftige Arbeitsumgebung mit vollständig autonom handelnden Robotern ein Thema ist, das die Fantasie beflügelt.

ABIDAL via Getty Images

Ein Interview mit Erik Johnson, Chief Architect bei Epicor Software.

Künstliche Intelligenz (KI) hat sich quasi in Warp-Geschwindigkeit von einer Science-Fiction-Vision zum Steckenpferd in den Vorstandsebenen entwickelt. Zwar ist es nicht überraschend, dass eine zukünftige Arbeitsumgebung mit vollständig autonom denkenden und handelnden Robotern ein Thema ist, das die Fantasie beflügelt. Aber die aktuelle Relevanz von KI für die Fertigungsindustrie ist nicht unmittelbar ersichtlich.

Erik Johnson, Chief Architect bei Epicor Software, räumt mit einige gängige Mythen rund um KI auf und stellt den Hype in einen größeren Kontext, was wichtig ist für Fertigungsunternehmen, die die aktuelle Bedeutung dieses Hypes verstehen wollen.

Frage: Wie würden Sie KI definieren?

KI ist eine Technologie, die derzeit in Unternehmen überbewertet wird. Bevor ich darauf eingehe, was es ist, ist es hilfreich abzugrenzen, was es nicht ist. Denn die folgenden Bereiche werden häufig mit KI verwechselt - sie haben ähnliche Fähigkeiten, sind aber nicht wirklich das gleiche.

So zum Beispiel Predictive Analytics, das bedeutet, anhand von historischen Daten vorherzusagen, was in Zukunft sein könnte. Manchmal ist es einfach - etwa zu erkennen, dass der Bedarf für ein Produkt saisonal schwankt.

Aber in der Regel ist es komplexer. Zum Beispiel kann die Nachfrage in einer bestimmten Region auch vom Wetter abhängig sein.

Wenn dann historische mit Wetter-Daten kombiniert werden, können Wettervorhersagen über längere Zeiträume für präzisere Forecasts im Vertrieb genutzt werden. Predictive Analytics ist anerkannte Mathematik und wird für Szenarien in der Wertschöpfungskette seit Jahren eingesetzt.

Machine Learning hingegen ist die Fähigkeit eines Algorithmus oder eines Programms, sich im Laufe der Zeit zu verbessern.

Dies kann erreicht werden durch die Identifikation und den Ausschluss von Daten, die zu falschen Schlussfolgerungen führen, durch die Verbesserung des Algorithmus selbst oder indem die Menge der Daten erhöht wird, die in die Berechnung einfließen. ‚Unbeaufsichtigtes' Machine Learning heißt, dass das System nachverfolgt, ob die Ergebnisse den Erwartungen entsprechen und sich automatisch selbst verbessert.

Ein gutes Beispiel für unbeaufsichtigtes Machine Learning ist eine Suchmaschine, die erfasst, welche Ergebnisse ein Anwender akzeptiert und sich daraufhin selbst modifiziert, um ähnliche Resultate als Topergebnisse bei zukünftigen Suchanfragen zu listen. Es besteht einige Unklarheit zu den Unterschieden zwischen Machine Learning und Künstliche Intelligenz. KI ist der weiter gefasste Begriff für ‚Smarte' Systeme. Machine Learning ist eine Untergruppe von Ansätzen, bei denen Maschinen Daten nutzen, um zu lernen, zu schlussfolgern und im Laufe der Zeit immer besser zu werden.

Artificial Intelligence bzw. Künstliche Intelligenz ist ein System, das aus denselben Informationen die gleichen (oder besseren) Schlussfolgerungen ziehen kann als ein Mensch. Viele frühen KI-Systeme dienten zur Analyse von Fotografien mit der Frage, ob der Computer Menschen und Objekte erkennt, die Handlung eines Subjekts identifizieren kann und letztlich in der Lage ist, Konsequenzen oder nächste Aktionen zu bestimmen. Dies hat zur Entwicklung von selbstfahrenden Fahrzeugen geführt, was eine fortgeschrittene Form visueller Verarbeitung ist.

Allerdings, eine verlässliche Nutzung von KI bedeutet, korrekt mit unerwarteten Situationen oder Eingaben umzugehen, und die Präzision eines KI-Systems hängt von einer enormen Menge an Daten ab.

Das ist der Grund, warum viele KI- (und Machine Learning) Systeme als Cloud-basierte Services realisiert werden. Es ist eher machbar, in der Cloud die Millionen oder Milliarden an visuellen Beispielen zu verarbeiten, die erforderlich sind, um das System in geeigneter Weise zu trainieren. Mehr Trainings-Daten heißt die Fähigkeit zu haben, mehr Variablen zu berücksichtigen und so detailliertere Schlussfolgerungen ziehen zu können. So kann man mit Sicherheit sagen, dass erst Cloud-Computing KI heute kommerziell nutzbar gemacht hat.

Frage: Was sind die messbaren Vorteile von KI in der Fertigungsindustrie?

Am offensichtlichsten ist es bei Robotics. Die gleiche Technologie, mit der selbstfahrende Fahrzeuge navigieren oder Staubsaugerroboter davon abgehalten werden, die Katze zu überfahren, bahnt sich nun ihren Weg in die Fertigung. Roboter in der Produktion sind nicht neu, aber bislang waren sie sehr teuer.

Einige Modelle erforderten Magnete im Fußboden als Wegweiser für die Maschinen, deren Routen und Aufgaben alle vorab programmiert werden mussten. Das heißt, jede Änderung im Anlagenaufbau, eine erwartete Palette mit Material im Gang oder ein neuer Fertigungsprozess erforderte eine Neuprogrammierung der Roboter.

Aber Unternehmen wie Adept sind auch hier schon einen Schritt weiter und bieten Roboter, die die Produktionsanlage über Sensoren automatisch erfassen.

Diese Roboter fahren durch eine Fabrik und erkennen alle Bereiche. Sobald eine ‚Karte' erstellt ist, können Mitarbeiter die Namen der wesentlichen Bereiche angeben, was es dann einfach macht einen Roboter zu instruieren, Material von einem Ort zu holen und an einem anderen Platz abzustellen. Wird ein neues Hindernis erkannt - etwa eine ungeplante Palette oder ein neuer Kopierer - findet der Roboter eine andere Route und merkt sich die Änderung für künftige Aufgaben.

KI wird Fertigungsunternehmen helfen, wettbewerbsfähig zu bleiben, Kosten zu reduzieren, den Kapitaleinsatz zu optimieren und eine bessere Umgebung für ihre Mitarbeiter sowie Services für ihre Kunden zu schaffen.

Ein weiterer Vorteil ist die Sicherheit am Arbeitsplatz. Mithilfe von günstigen Kameras kann KI Mitarbeiter, die gefährliche Bereiche betreten, erkennen und überwachen sowie sogar sicherstellen, dass Schutzgeräte getragen werden. KI kann auch Prozesse koordinieren und gewährleisten, das Verfahren korrekt eingehalten werden.

Frage: Welche Aspekte der Wertschöpfungskette können durch KI revolutioniert werden?

Große Fertigungsunternehmen haben damit begonnen, KI für Entscheidungen in Materialeinkauf und -zuordnung einzusetzen. Der klassische Prozess für Manufacturing Resource Planning (MRP) wurde eingeführt zu einer Zeit, in der Vertriebsprognosen, Lagerbestand und Bestellungen für längere Zeithorizonte geplant wurden.

Aber die Wirtschaft hat sich geändert in Richtung kürzerer Entwicklungszyklen, Globalisierung, Nachhaltigkeit und Massen-Personalisierung - um nur einige zu nennen. Daher müssen beide Seiten, Hersteller und Distributoren, agiler werden. Planung wird für viele Unternehmen zu einem alltäglichen Prozess.

Mit KI können Bedarfsspitzen oder -rückgänge auf Mikro-Level vorhergesagt wird, woraufhin das beste Routing für Rohmaterialien bestimmt wird. Dies ist genau das Grundprinzip, das Merck (1) für die Automatisierung seiner Produktionsstätten einsetzt. Der gleiche Ansatz kann für jedes Unternehmen funktionieren, insbesondere für solche mit vielen Produktlinien und komplexen Fertigungsprozessen.

Fabriken der Zukunft bringen MRP auf die nächste Stufe. Machine-Learning-Modelle empfehlen Änderungen der Planungsparameter, der Vorlaufzeiten und des Lagerbestands und sagen Qualitätsmängel sowie Störungen der Lieferkette im Hinblick auf Lieferzeiten und Preis voraus. So schlagen Probleme nicht direkt auf den Endkunden durch und seinen Erwartungshaltungen wird besser entsprochen.

KI eignet sich auch dafür, dass Fertigungsunternehmen realistische Erwartungen an Lieferzeiten und -volumen stellen, basierend auf Kapazitäten sowie geplanten und ungeplanten Stillstandszeiten. Zudem kann KI Unternehmen helfen zu entscheiden, wie freie Kapazitäten genutzt werden können, etwa für eine frühzeitige Fertigung von Saisonprodukten, die über Outlets im Handel zu niedrigeren Preisen später im Jahr vertrieben werden.

Frage: Welche Industrien setzen am stärksten auf KI?

Logistikunternehmen nutzten KI sobald klar war, dass die Routenplanung einfach anhand von detailliertem Karten-, Verkehrs-, Liefer- und Wetterinformationen optimiert werden kann - Informationen, die alle in den vergangenen Jahren online zur Verfügung gestellt wurden. Den größten Schub für KI aber gab es im Gesundheitswesen. Ein viel zitiertes Beispiel ist der Einsatz von IBM Watson, womit bereits in einem sehr frühen Stadium Krankheiten anhand von Tomographie-Aufnahmen und anderen Daten diagnostiziert werden können.

Da überwachtes KI gute Daten und intensives Training erfordert, kommen die meisten frühen Erfolge typischerweise aus Industrien, die allgemein verfügbare Daten nutzen. Zum Beispiel setzen alle Logistikunternehmen auf die gleichen Datentypen zu Straßenkarten, Wetter und Verkehr.

Ein ähnliches Beispiel ist, dass faktisch jeder Händler den gleichen Universal Product Code (UPC) nutzt, um Produkte zu identifizieren, weshalb KI-Technologien für UPC-Daten Vorteile für viele Anwender bringt - was folglich dazu führt, dass KI-Unternehmen verstärkt Lösungen für Händler entwickeln. In anderen Worten, Industrien setzen auf KI, wenn entsprechende Lösungen vorliegen. Daher werden Industrien mit leicht verfügbaren hochwertigen Daten KI-Lösungen eher im Einsatz haben als andere.

Frage: Wie empfänglich sind Industrieunternehmen gegenüber KI?

Viele unserer Kunden kommen aus dem Mittelstand und sind gegenüber neuen Technologien sehr offen, sobald klar ist, welche Probleme damit gelöst und ob die Lösungen wirtschaftlich eingesetzt werden können. Für KI gibt es eine zusätzliche Herausforderung:

Es muss Vertrauen in das System aufgebaut werden, die Anwender müssen sich von ihrem bisherigen Bauchgefühl verabschieden, das ihnen bislang gute Dienste geleistet hat.

Da kontinuierlich mehr Variablen berücksichtigt werden müssen, ist es letztlich am besten, KI-angereicherte Software für korrekte Entscheidungen zu nutzen. Epicor-Kunden setzen auf uns als Geschäftspartner, da sie wachsen und dafür die beste Technologie-Plattform einsetzen wollen. Ab einem gewissen Punkt ist es für Unternehmen unausweichlich, mehr von den Entscheidungsfindungsprozessen zu automatisieren.

KI ebnet uns den Weg hin zu Produkten, die Anwender wollen, statt einfach Produkte zu entwickeln und dann Zeit aufzuwenden bei dem Versuch, Anwender davon zu überzeugen, dass sie sie brauchen.

Frage: Wie wird die steigende Menge an Informationen, die durch KI erzeugt wird, von den unterschiedlichen Abteilungen eines Fertigungsunternehmens genutzt?

Ray Wang von Constellation Research umreißt das Reifegrad-Modell von KI sehr treffend.

Es entspricht dem, wie wir KI in unseren Software-Lösungen anwenden, was ein siebenstufiger Ansatz ist. KI ebnet uns den Weg hin zu Produkten, die Anwender wollen, statt einfach Produkte zu entwickeln und dann Zeit aufzuwenden bei dem Versuch, Anwender davon zu überzeugen, dass sie sie brauchen.

KI kann Planungen und Entscheidungen im Management unterstützen, speziell in einigen Servicebereichen, in denen das Verständnis über Bevölkerungszentren und Demografie entscheidend für weiteres Wachstum ist. Es wird auch eingesetzt zu definieren, wo global man am besten Service-Centers einrichtet, unter Erfassung und Berücksichtigung der vielen komplexen Abhängigkeiten, mit denen Fertigungsunternehmen neben der Optimierung ihrer Anlagen zu tun haben.

Frage: Wie unterstützt KI Produktionsmitarbeiter und welche Verantwortungsbereiche profitieren am meisten davon?

KI macht große Fortschritte im Verstehen und Übersetzen natürlicher Sprache, das heißt, es wird für Mitarbeiter und Manager einfacher, mit der Software auf natürliche Weise zu interagieren. Software-Anwender suchen lieber nach Informationen statt durch ein komplexes Menü zu navigieren. Kurz, KI hilft Mitarbeitern, ihre Aufgaben intuitiver zu erledigen, was zu höherer Produktivität und weniger Fehlern führt.

Frage: Wird KI Arbeitsplätze in der Fertigungsindustrie ersetzen? Welche Arbeitsplätze genau könnten im Zuge eines stärkeren Einsatzes von KI abgelöst werden?

Darüber wird viel spekuliert. Viele moderne Fertigungsstätten werden bereits heute mit sehr wenigen Mitarbeitern betrieben. Das ist auch der Grund, warum die Produktivität in der Fertigung weit höher ist, als die meisten Menschen vermuten. In absehbarer Zukunft könnten autonome Fahrzeuge beispielsweise Gabelstapler-Fahrer ersetzen.

Bessere Bildverarbeitungssoftware ermöglicht es, dass weniger Mitarbeiter die Qualität in der Massenproduktion sicherstellen. Aber diese grundlegenden Automatisierungsentwicklungen finden bereits seit einiger Zeit statt. Die nächste Welle der Automatisierung könnte Bereiche betreffen, die Daten analysieren und Handlungsempfehlungen zur Geschäftsoptimierung geben, was vom Design über den Betrieb bis hin zum Service reicht.

Sobald KI Bilder analysieren und Daten von unterschiedlichen Quellen korrelieren kann, sind Computer in der Lage, die nächste populäre Bekleidungslinie zu entwickeln oder zumindest vorauszusagen, welche Linie erfolgreich sein wird.

Mitarbeiter, deren primäre Aufgabe die Interaktion mit anderen Menschen ist - etwa Vertrieb, Support, mittleres Management - werden aus heutiger Sicht wohl kaum durch KI ersetzt werden können. Das liegt vor allem daran, dass KI noch nicht in der Lage ist, sich mit Menschen zuverlässig zu generellen Angelegenheiten zu unterhalten.

Das Produktdesign wird sich durch KI ebenfalls erheblich verändern. Wir sehen erste Anwendungen für Designentwicklung, wo das Problem klar ist und alle davon betroffenen Problembereiche computergestützt untersucht werden, was unsere kognitiven Möglichkeiten erweitert. ‚Augmented Collaboration' wird die Arbeitsumgebung der Zukunft sein. Die Mensch-Roboter-Zusammenarbeit wird mehr Gesten-basiert sein, wobei Menschen das tun, in dem sie gut sind - Wahrnehmung, Erkennung und Entscheidungsfindung - während Roboter die Dinge übernehmen, die sie aktuell gut beherrschen, etwa mit Präzision sich wiederholende Aufgaben erledigen.

Frage: Welche nächsten Trends sehen Sie?

KI wird die Fertigung beeinflussen in einer Weise, die wir uns heute noch nicht vorstellen können. Allerdings gibt es schon einige offensichtliche Anwendungen.

Kurz, mit IoT bricht eine Welle an Daten herein, die KI für Überlegungen und Entwicklungen nutzen kann. Dies wird Prozesse im ‚Augmented Entwicklungsdesign' unterstützen, wo Produkte neu gestaltet werden auf eine Weise, die eher einer Evolution ähnelt.

Die kontinuierliche Verbesserung der Bilderkennung (Computer Vision, CV) ist seit Langem in der Qualitätssicherung im Einsatz, um Produktmängel in Echtzeit zu identifizieren. Doch nun, da in der Fertigung mehr Daten als jemals zuvor involviert sind - verbunden mit der Tatsache, dass Betriebsleiter keine Mitarbeiter beschäftigen wollen, die nur Daten eingeben - kann KI zusammen mit Bilderkennung die Art und Weise, wie Daten erfasst werden, optimieren.

Ein Produktionsmitarbeiter wird gelagertes Rohmaterial aus dem Regal entnehmen, die entsprechende Bestandstransaktion erfolgt allerdings automatisch anhand einer Kamera, die diesen Vorgang beobachtet hat. Dies wird die natürliche Benutzeroberfläche sein: die Aufgabe mit der Hand erledigen, aber nichts in ein System eingeben oder scannen.

2017-07-23-1500833626-3203653-DerHuffPostWhatsAppNewsletter6.pngDie wichtigsten News des Tages direkt aufs Handy - meldet euch hier an.

Der zweite Bereich, den KI beeinflussen wird, betrifft das Internet of Things (IoT) oder Cyber Physical Systems. IoT ist dabei bemerkenswert, da die Basistechnologie sehr schnell zum Einsatz kommt, obwohl die möglichen Resultate und Sicherheitsaspekte noch nicht wirklich durchdacht wurden. Der Einsatz von genauen, speziellen Sensoren bei fertigen Produkten wird mit Sicherheit Märkte und Produktionsstrategien verändern.

IoT wird neue Wege eröffnen, um Material und Services an Kunden zu liefern, denen noch gar nicht bewusst war, dass sie sie benötigen. Zudem kann IoT detailliert Telemetriedaten an Hersteller und Distributoren senden, um Qualitätskriterien und andere Faktoren zu analysieren, die eventuell zu Fehlfunktionen führen. Kurz, mit IoT bricht eine Welle an Daten herein, die KI für Überlegungen und Entwicklungen nutzen kann. Dies wird Prozesse im ‚Augmented Entwicklungsdesign' unterstützen, wo Produkte neu gestaltet werden auf eine Weise, die eher einer Evolution ähnelt.

Frage: Und letztendlich: Welchen Rat würden Sie jemand geben, der überlegt, wo KI für sein Geschäft geeignet wäre?

KI ist keine schlüsselfertige Lösung. Man kauft sie nicht als solches und setzt sie ein. Vielmehr fließt KI ein in alles, was man unternimmt, um ein Unternehmen und seine Produkte zu bereichern und das Potenzial für künftiges Unternehmenswachstum auszuschöpfen. Mein Rat ist mit Lösungen zu starten, die Mitarbeiter unterstützen, schnellere und präzisere Entscheidungen zu treffen.

Literatur:

Nash, Kim S., "Merck Deploys AI For 'Self-Driving' Supply Chain", The Wall Street Journal.com. Dec 20, 2016.

____
Lesenswert:

Leserumfrage: Wie fandet ihr uns heute?

2017-03-08-1488965563-6721107-iStock482232067.jpg
Ihr habt auch ein spannendes Thema?Die HuffPost ist eine Debattenplattform für alle Perspektiven. Wenn ihr die Diskussion zu politischen oder gesellschaftlichen Themen vorantreiben wollt, schickt eure Idee an unser Blog-Team unter blog@huffingtonpost.de.

         googletag.pubads().setTargeting('[cnd=cld]').display('/7646/mobile_smart_us', [300, 251],'wxwidget-ad');