KI in der Produktion

Ein Algorithmus muss erst einmal lernen, was ein Wochenende ist
Künstliche Intelligenzen scheitern manchmal an relativ banalen Dingen. Wenn Sie während der Trainingsphase von Mitarbeitern begleitet werden, lässt sich das Problem aber beheben, sagt Jan Stefan Michels von Weidmüller im Interview.
TEXT: Matthias Schmidt-Stein

Industriemaschinen und -anlagen können schier endlos halten. Erschwert die Lebensdauer nicht die Digitalisierung der Produktionsprozesse?

Auf alle Fälle ist es eine der größten Herausforderungen im Rahmen der Digitalen Transformation. Aber ich bin optimistisch, dass es klappt. Denn zum einen gibt es schon seit längerem den Trend, Maschinen und Anlagen modular aufzubauen – sowohl was die Hardware angeht als auch im Hinblick auf die Steuerungssoftware. Neue Technologien lassen sich dadurch relativ einfach nachrüsten. Zum anderen ist Retrofitting mittlerweile state of the art. So können Sie auch eine mehrere Jahrzehnte alte Maschine mit moderner Sensor- und Kommunikationstechnik ausstatten und fit für die Digitalisierung machen.

Funktioniert das in der Praxis?

Allerdings. Einem produzierenden Unternehmen geht es bei seinen Maschinen vor allem um drei Dinge: Verfügbarkeit, Effizienz und Produktivität. Mithilfe der durch Sensoren gewonnenen Rohdaten und künstlicher Intelligenz lassen sich alle drei Faktoren steigern. Was Sie dafür brauchen, sind Ingenieure mit Datenkompetenz – und ein bisschen Geduld.

Wieso?

Zuerst muss der KI-Algorithmus mithilfe von maschinellem Lernen beigebracht bekommen, worauf er achten soll und wann er Alarm zu schlagen hat. Ein Algorithmus versucht immer, wiederkehrende Muster zu erkennen. So lange er diese Muster erkennt, meldet er an die Steuerzentrale: alles in Ordnung. Gerade wenn die neu ausgerüstete Maschine anläuft, kann das System aber leicht aus dem Tritt kommen, weil dem System gewissermaßen noch die Erfahrung fehlt. Da genügen oft einfache Anlässe: Dass nach fünf Tagen reibungsfreiem Testbetrieb die Maschine zwei Tage lang wenig oder gar nicht genutzt wird, hängt oft nicht mit technischen Problemen zusammen - sondern ganz trivial mit der Tatsache, dass die Produktion am Wochenende ruht. Diese Wirkung-Ursache-Ketten erkennt die KI nicht immer von sich aus, denn sie ist für die komplexen technischen Zusammenhänge der Produktion optimiert. Deshalb binden wir immer unsere Ingenieure ein, damit sie die Anlernphase unterstützen und im Zweifelsfall auch eingreifen können.

Und was passiert, wenn die KI ausreichend trainiert ist?

Dann kann man sie kontinuierlich einsetzen, vor allem im Bereich von Predictive Maintenance. Servicetechniker können viel gezielter Maschinen warten und reparieren, und Betreiber wissen häufig deutlich eher, wann sie die Maschine außer Betrieb nehmen müssen, damit Störungen oder Probleme erst gar nicht entstehen. 

Wie reagiert die Belegschaft – fühlen sich die Mitarbeiter von der künstlichen Intelligenz nicht bevormundet oder gar entmündigt?

Nein, unserer Erfahrung nach nicht. Sowohl bei uns im Unternehmen als auch bei unseren Kunden hören wir immer wieder, dass Servicetechniker und Bediener die Technologie sehr positiv aufnehmen. Es ist für sie ein Assistenzsystem, keine Konkurrenz. Natürlich hat nicht jeder dieselbe Affinität. Aber wir müssen solche Technologien als Chance erkennen – und die Mitarbeiter dafür begeistern. Das steigert nicht nur die Effizienz, sondern ist auch ein Hebel für neue Geschäftsmodelle.

Nämlich?

Viele Maschinen werden heute häufig nicht mehr verkauft, sondern verliehen und nach Betriebsstunden abgerechnet – Sie kennen die diversen „x as a Service“-Konzepte. Unsere Industrial Analytics Lösung ist zum Beispiel beim Kompressorenhersteller Boge im Einsatz, mit der sich ein solches Geschäftsmodell auch mit den Kompressoren von Boge umsetzen lässt.

Jan Stefan Michels

Weidmüller

Jan Stefan Michels ist Leiter der Standard- und Technologieentwicklung beim Detmolder Elektrotechnikunternehmen Weidmüller. Seine Abteilung ist dafür zuständig, sich mit neuen Technologien zu beschäftigen und diese für Weidmüller nutzbar zu machen. „Wir als mittelständisches Unternehmen haben nicht die Ressourcen, um intensive Grundlagenforschung zu betreiben“, sagt Michels. Deshalb analysieren Michels und sein Team, welche Ergebnisse aus der Hochschulforschung sie nutzen können. Zudem arbeite Weidmüller unter anderem in der Initiative „It’s OWL“ (Intelligente Technische Systeme Ostwestfalen-Lippe) mit über 180 Unternehmen, Hochschulen und anderen Institutionen in der Region zusammen.