Suchen

Künstliche Intelligenz Wie der Mittelstand Potenziale rund um KI heben kann

| Autor / Redakteur: Karin Röhricht / Mag. Victoria Sonnenberg

Laut einer Schätzung des Start-ups Appanion Labs hat KI 2019 allein in Deutschland bereits zu rund 218 Milliarden Euro Umsatz beigetragen. Bis 2030 wird dieser Anteil auf 2 Billion Euro steigen. Damit KMU davon profitieren können, bietet das Fraunhofer-IPA verschiedene Möglichkeiten an.

Firmen zum Thema

Kameras liefern die Daten, um mit Künstlicher Intelligenz die Qualität eines produzierten Guts zu überwachen.
Kameras liefern die Daten, um mit Künstlicher Intelligenz die Qualität eines produzierten Guts zu überwachen.
(Bild: Hörmle GmbH)

Auch das McKinsey Global Institute schreibt KI und dem aktuell am meisten beforschten Teilgebiet Maschinellem Lernen (ML) für die deutsche Wirtschaft bedeutendes Potenzial zu. Das Institut geht davon aus, dass das Bruttoinlandsprodukt in Deutschland dank KI-Technologien bis 2030 jährlich um 1,3 Prozentpunkte steigen dürfte. Zum Vergleich: Andere revolutionäre Technologien sorgten für deutlich geringere Wachstumsschübe, die Dampfmaschine beispielsweise für 0,3 Prozentpunkte oder die Industrierobotik für 0,4 Prozentpunkte. KI wird die Robotik jedoch stark beflügeln und für weitere Wachstumsschübe sorgen.

Und das Potenzial, das von KI ausgeht, sehen nicht nur Konzerne, sondern auch kleine und mittelständische Unternehmen (KMU), die deshalb bei den Angeboten des Instituts besonders im Fokus stehen.

Bildergalerie

Der »Digitalisierungsindex Mittelstand 2019/2020«, für den 2095 KMU befragt wurden, gibt an, dass 71 % der Befragten Mehrwerte von KI für ihre Branche sehen. Allerdings setzen erst durchschnittlich 7 % der Unternehmen bereits KI-Systeme ein. 19 % verfolgen konkrete Pläne.

Beratungs-, Förder- und Umsetzungsangebote zu KI

Das Fraunhofer-IPA hat KI vor einigen Jahren zu einem seiner Leitthemen gemacht und sein Beratungs-, Förder- und Umsetzungsangebot strategisch intensiv ausgebaut. Zu diesen Angeboten gehören Machbarkeitsuntersuchungen, Quick Checks und Workshops vor Ort und auch die Entwicklung komplexer technischer Produktionsmodule, die auf ML basieren. Die Projektformen reichen von kompakten kurzen Zusammenarbeiten zu einer konkreten Fragestellung bis hin zu langfristigen strategischen Umsetzungen. Zudem engagiert sich das Institut in Vorträgen, Schulungen und ist mit zahlreichen Veröffentlichungen auch in der Wissenschaft präsent. Dazu gehören beispielsweise Papers, die auf den renommierten Konferenzen International Conference on Machine Learning and Applications oder International Conference on Intelligent Robots and Systems vorgestellt wurden.

Ein wichtiger Meilenstein war 2019 die Bewilligung des KI-Fortschrittszentrums »Lernende Systeme« mit Fördergeldern der Landesregierung. Dieses Zentrum leiten die Fraunhofer-Institute für Arbeitswirtschaft und Organisation IAO und IPA gemeinsam. Gleichzeitig ist die Fraunhofer-Gesellschaft mit dem Zentrum dem Forschungsverbund Cyber Valley beigetreten. In dieser europaweit einzigartigen Initiative zur KI stärken Fraunhofer IAO und IPA in den Domänen Produktion und Dienstleistung den Technologietransfer von der Grundlagenforschung in die Anwendung. Besonderes Augenmerk liegt hier auch darauf, Innovationsnetzwerke und einen Nährboden für Start-ups zu bilden sowie eine menschzentrierte KI zu entwickeln, die Themen wie Sicherheit, Transparenz und Erklärbarkeit im Fokus hat.

Daneben laufen am Fraunhofer-IPA zwei weitere, aus Landesmitteln geförderte, Initiativen zur Stärkung der KI speziell in produzierenden Unternehmen. Bereits 2018 wurde das Zentrum für Cyber Cognitive Intelligence (CCI) eröffnet. Es bietet niedrigschwellige Angebote insbesondere für den Mittelstand, um Potenziale von KI zu heben und Anwendungen umzusetzen. Mittlerweile ist das CCI eine eigene Abteilung des IPA mit Querschnittfunktion zu den 15 domänenspezifischen Fachabteilungen und bietet somit umfassende Expertise. Mit baden-württembergischen Unternehmen hat das CCI über 80 Quick Checks, also kleine Machbarkeitsstudien zum Thema KI für die Produktion durchgeführt.

2019 schließlich startete die Fördermaßnahme »Kognitive Robotik«. Sie hat zum Ziel, Technologien wie Perzeption und Interaktion voranzubringen, die Sicherheit und Zuverlässigkeit von Robotern zu erhöhen und sie stärker zu vernetzen und so neue datengetriebene Verfahren wie ML umzusetzen. Übergeordnetes Ziel ist, die Automatisierung immer mehr zu automatisieren. Besonders im Blick hat die Initiative überdies die Verwertungsmöglichkeiten der Ergebnisse. Neben wissenschaftlichen Veröffentlichungen, Technologie-Roadmaps und Veranstaltungen soll hierfür auch ein Industrienetzwerk aufgebaut werden. So sollen beispielsweise Anwendungsanforderungen von Kunden strukturiert erfasst, Beta-Tester für entwickelte Technologien gefunden und ein Industriebeirat gebildet werden. Alle KI-Initiativen dienen dazu, die führende Rolle des Fraunhofer-IPA und des Standorts Baden-Württemberg in dem national und international vernetzten Ökosystem als zentralen und anerkannten Teilhaber zur KI mit den Schwerpunkten Automation und Robotik auszubauen.

Inbetriebnahme mit KI innerhalb weniger Tage

Die Integrationsmöglichkeiten von ML in Produktionen sind vielfältig und bieten Unternehmen verschiedene Vorteile. Schon die Produktionsplanung und der Aufbau von Anlagen sind Punkte, die perspektivisch automatisierter ablaufen können. Bisher erfordert dies mitunter Monate an Planungszeit, was Unternehmen natürlich verkürzen möchten. Eine Inbetriebnahme innerhalb weniger Tage, was durchaus eine Vision ist, ginge aber nur mithilfe von Künstlicher Intelligenz. Sobald die Produktion am Laufen ist, sollen die Erzeugnisse gut sein. Aktuell erfährt ein Produktionsleiter aber häufig erst am Ende im Rahmen einer sogenannten End-of-Line-Prüfung, welche Qualität ein Erzeugnis hat und ob der Prozess stets funktioniert. Effektiver wäre es, dies bereits im Produktionsverlauf zu wissen und bei Bedarf direkt Parameter ändern zu können.

Dies bietet einen hohen Mehrwert für verschiedenste Branchen, wie die Projekte des Fraunhofer-IPA 2019 belegen: Anwendungen reichen von der Prozessüberwachung in der zerspanenden Fertigung über komplexe Montageprozesse (mit vielen Varianten oder anspruchsvollen Qualitätsanforderungen) bis hin zu Produktionen mit hohem zeitlichen Versatz, wie es zum Beispiel bei der Glasfertigung der Fall ist. Auch die Umwelterfassung im Bereich der Robotik profitiert intensiv von ML-Methoden. Mit Firmen wurden zudem Konzepte erarbeitet und implementiert, um zusätzliche Sensorik in den Fertigungsprozess zu integrieren. Auch in diesen Projekten spielt ML eine wichtige Rolle. Unternehmen haben davon diverse Mehrwerte: Der Produktionsprozess wird schneller implementiert, es gibt weniger Verluste, weil weniger Ausschuss produziert wird, die Produktion kann optimiert und flexibel gestaltet werden und Unternehmen können die Kapazität erhöhen und gleichzeitig Kosten senken.

Produktionsausfälle werden mit KI seltener

Ein weiteres Thema für KI-Methoden ist Predictive Maintenance, die voraussagende Instandhaltung. Dieses Thema bearbeitet das Fraunhofer-IPA bereits seit vielen Jahren mit dem Ziel, Maschinenausfälle möglichst zu vermeiden oder kurz zu halten. KI-Verfahren ermöglichen nun das Erstellen präziserer Modelle, das heißt, der Ausfallzeitpunkt einer Komponente kann genauer vorhergesagt und das Zeitfenster für eine nötige Wartung weiter eingeengt werden. Produktionsausfälle werden so immer seltener und gleichzeitig werden die Komponenten bis an ihre Verschleißgrenze ideal genutzt.

Jedoch ist die Entwicklung und Umsetzung eines solchen Projekts in der Realität oft aufwendig. Daher lohnen sich Predictive-Maintenance-Lösungen meist nur für kritische Komponenten. Es gibt zwei typische Gründe für das Scheitern von Projekten dieser Art: Zum einen ist die vorhandene Datenbasis oft nicht ausreichend. Zum anderen fehlt es an Wissen, das für die Instandhaltung relevant ist, um die Ergebnisse der Datenanalysen richtig interpretieren zu können. Das Fraunhofer-IPA hat deshalb für entsprechende Projekte eine stufenweise, baukastenbasierte Vorgehensweise entwickelt, die das Risiko begrenzt und die Machbarkeit mit geringem Aufwand frühzeitig evaluiert. Diese Vorgehensweisen nutzte das Institut beispielsweise in einem Projekt mit einem Hersteller von Spritzgussmaschinen und erstellte erste KI-basierte Restlebensdauermodelle.

Das Fraunhofer-IPA entwickelt mit Industrieunternehmen auch datengetriebene Geschäftsmodelle. So verkauft beispielsweise ein Maschinenhersteller im Bereich Additive Manufacturing seinen Kunden in Zukunft nicht die Maschine, sondern komplexe Dienstleistungen wie Wartung, Logistik und Materialbeschaffung. Auch wäre es möglich, dass der Kunde die Maschine lediglich mietet und das bezahlt, was er nutzt oder was die Maschine leistet, beispielsweise nur die Gutteile. Im konkreten Projekt wurde eine hoch performante, sich selbst optimierende Fertigungszelle für Additive Manufacturing verkauft. Ein innovatives Erlösmodell könnte noch hinzukommen.

In Zukunft sollen 3D-Druckzellen, Fertigungsanlagen, digitale Dienstleistungen und Kunden stark miteinander vernetzt werden. So können Datenanalysen und ML Ausrüstern dabei helfen, Ausfälle vorherzusagen und die Produktionsleistung zu optimieren. Dadurch generiert der Maschinenhersteller eine umfangreiche Datenbasis, mit der er Unternehmen bei der Planung der Anlagen und Dienstleistungen sowie bei der eigentlichen Produktion beraten kann.

Wie Robotik von ML profitieren kann

Auch die Robotik ist ein großer Profiteur der gesteigerten Forschungsaktivitäten von ML und dies in dreierlei Hinsicht: Die Bildverarbeitung ist eine Schlüsseltechnologie, um Objekte zu identifizieren und zu lokalisieren oder um Umgebungen zu erfassen. Hier sind Algorithmen der KI und des maschinellen Lernens inzwischen verbreitet, um die Erkennungsleistungen zu optimieren. Das Fraunhofer-IPA entwickelt damit beispielsweise die Software für den Griff-in-die-Kiste weiter: Während neue Objekte bisher über das manuelle Eingeben von CAD-Daten erfolgte, soll die Software mit ML-Methoden unbekannte oder komplexe Objekte selbst einlernen können. Ebenso sollen auch verrauschte oder unvollständige Sensordaten zu verlässlichen Greifhypothesen führen und auch Greifstrategien bei Teilen zum Beispiel mit Verhakungsgefahr erlernt werden.

Die dafür nötige Lernerfahrung findet größtenteils in Simulationsumgebungen statt. Objektkonstellationen und Sensordaten werden erzeugt und in zahlreichen, oft mehreren hunderttausend Beispielgriffen variiert, die in der Realität nicht mit angemessenem Aufwand zu leisten wären. Mit dem Greiferfolg in der Simulationsumgebung wird ein tiefes neuronales Netz trainiert, das dann die Erkennungs- und Greifleistung der Software perfektioniert.

Weiterhin wird ML zunehmend zur intuitiven Instruktion von Robotern genutzt. So werden Programmierzeiten von Industrierobotern in steigendem Maße durch den Einsatz automatischer Trajektorien-Planer und Programmgeneratoren verkürzt. Last but not least wird begonnen, KI auch zur Verbesserung der Leistungsfähigkeit des Roboters zu nutzen: Genauigkeitssteigerung, Geschwindigkeitsoptimierungen oder Standzeitverbesserung können durch typische Methoden der KI wie genetische Algorithmen oder Reinforcement Learning erzielt werden. Dies sind allesamt Fortschritte, die das Anwendungsfeld von Industrierobotern in der Produktion erweitern und somit dazu beitragen, den Automatisierungsgrad in der Produktion weiter zu erhöhen.

Erfolg im KI-Innovationswettbewerb

Nicht zuletzt war das Fraunhofer-IPA 2019 auch in öffentlich geförderten Forschungsprojekten zum Thema KI erfolgreich. Beispielsweise punktete das Institut gleich doppelt beim KI-Innovationswettbewerb des Bundesministeriums für Wirtschaft und Energie: als Konsortialführer im Projekt Fabos und als Konsortialpartner im Projekt Knowledge 4 Retail.

Im Forschungsprojekt Fabos entsteht ein offenes, verteiltes, echtzeitfähiges und sicheres Betriebssystem für die Produktion. Um die Anforderungen einer effizienten Entwicklung, Bereitstellung und Nutzung von KI-Anwendungen in der Produktion zu adressieren, bietet Fabos ein System abgestimmter Komponenten und Dienste zum Betrieb einer vernetzten Fabrik. Es soll in einer Smart Factory die Basis für ein leistungsfähiges Ökosystem für KI-Anwendungen bilden.

Das Projekt Knowledge 4 Retail möchte den Einzelhandel mit neuen Technologien stärken. Dafür sollen die Online- und Offlinewelt verknüpft und neue Einkaufserlebnisse in beiden Welten geschaffen werden. Eine wichtige Technologie stellen dabei die sogenannten semantischen digitalen Zwillinge dar, die eine stationäre Filiale digital abbilden. Dafür müssen die Waren mit ihren Stammdaten erfasst werden. Eine Scan Station, die das Fraunhofer-IPA zusammen mit dem Startup Kaptura entwickelt hat, sowie Bildverarbeitungsalgorithmen des Instituts machen das schnelle und einfache digitale Aufbereiten von Waren inklusive Farbe und Struktur möglich. Weitere Expertise bringt das IPA zu den Themen Standardisierung der erfassten Daten sowie zur Plattformkonzeption ein.

* Dr. Karin Röhricht ist Redakteurin am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, Tel. (07 11) 9 70-38 74, karin.roehricht@ipa.fraunhofer.de

(ID:46398052)