Maschinelles Lernen in der Produktion – ersetzt KI die Experten?

München, 8. Februar 2022

Die Wettbewerbsfähigkeit von produzierenden Unternehmen steht und fällt mit der Effizienz in der Produktion. Maschinelles Lernen kann einen wertvollen Beitrag zur Effizienzsteigerung leisten. Inwieweit dieses KI-basierte Verfahren im Produktionsumfeld angekommen ist und welche Anwendungen dort bereits Realität sind, diskutierten am 1. Februar Vertreter aus Wissenschaft und Wirtschaft bei einer virtuellen Ausgabe von acatech am Dienstag, die diesmal in Kooperation mit dem VDI Bezirksverein München, Ober- und Niederbayern stattfand.

Ist Künstliche Intelligenz (KI) nur ein Schlagwort, mit dem sich produzierende Unternehmen gerne schmücken? Oder kann die Produktionstechnik wirklich davon profitieren? Diese Fragen stellte acatech Mitglied Michael Zäh, TU München, ins Zentrum seines einführenden Vortrags. Ausgehend von einer Definition von „Intelligenz“ ordnete er zunächst die zentralen Begriffe: Künstliche Intelligenz beziehe sich auf die Nachbildung der menschlichen Fähigkeit, Schlussfolgerungen zu ziehen und Entscheidungen zu treffen; Maschinelles Lernen müsse als die Menge an Algorithmen, die aus Daten selbstständig lernen, verstanden werden. Deep Learning sei wiederum eine Methode des Maschinellen Lernens, die durch vielschichtige, rückgekoppelte neuronale Netze aus einer Vielzahl an Daten Zusammenhänge lernt.

Michael Zäh brachte anschließend vier Projektbeispiele, die belegen, dass es mit Hilfe Künstlicher Intelligenz möglich ist, die Produktionstechnik voranzubringen und neue Wirtschaftlichkeitspotenziale zu erschließen. So habe beispielsweise ein Belegungsplan für Montagelinien, der bereits seit 2005 in der Anwendung ist und auf einem genetischen Algorithmus beruht, zu besserer Qualität des Planungsergebnisses, zu geringeren Materialkosten, besserer Kapazitätsnutzung und erhöhter Produktivität geführt. Künstliche Intelligenz, so das Fazit von Michael Zäh, sei sehr viel mehr als nur ein Schlagwort, die Produktionstechnik könne in vielfältiger Weise von ihr profitieren. Unternehmen, die KI verwenden, sollten jedoch weniger nach dem großen Wurf suchen, sondern mit den neuen Werkzeugen an einzelne Problemstellungen herangehen. Effizienzsteigerung und verbessertes Wirtschaftlichkeitspotenzial würden sich dann automatisch einstellen.

Predictive Quality war das Thema des Beitrags von Malte Boxtermann, Berylls Strategy Advisors. Er veranschaulichte dieses Prinzip am Beispiel eines Autoteils, das aufgrund einer hohen Ausschussrate hohe Kosten verursachte. Durch Machine Learning konnten die Qualität verbessert und die Kosten gesenkt werden. Dazu wurden viele Echtzeitdaten ausgewertet, der Produktionsprozess und die Daten in einen digitalen Zwilling übersetzt. In diesen speise man dann Qualitäts-, Prozess- und Sensordaten sowie Materialeigenschaften und Experteneinschätzungen ein. Daraus entstehe schließlich ein Modell, mit dem die Parametereinstellungen an den Maschinen optimiert werden könnten.

„Ersetzt KI in Zukunft die Experten?“ – auf die für die Veranstaltung titelgebende Frage ging Alexander Schließmann, Forcam GmbH, in seinem Vortrag ein. Zunächst benannte er dabei die drei Zielgrößen der Produktion: Termin, Qualität und Kosten. Die Produktion sei ein komplexer Prozess, der weitere Parameter umfasse. Alexander Schließmann ging auf die Großserienproduktion ein, wie sie beispielsweise bei der Herstellung von Handys genutzt wird und die nahezu ohne menschliche Arbeitskräfte auskommt. Stattdessen kämen dort Roboter zum Einsatz, die vorgelernte Abläufe beherrschen und sich im laufenden Prozess an die Montageaufgaben anpassen können. Darüber hinaus sortiere eine Bilddatenverarbeitungssoftware aus, welche Teile gebraucht würden und welche nicht. Man spreche in diesem Zusammenhang von einer „lights-off factory“.

Die Varianz dieses Produktionstyps sei jedoch klein, sagte Alexander Schließmann. In Zukunft würden die Kunden immer anspruchsvoller und präferierten immer stärker individualisierte Produkte. Der datengetriebenen Produktion gehöre deshalb die Zukunft. Hierfür benötige es eine KI, die die vielen Daten für den Menschen aufbereite. Dadurch wiederum würden sich die Qualifikationsanforderungen an die Arbeiter massiv ändern. Der Mensch müsse in Zukunft weniger handwerkliche Qualifikationen aufweisen, sondern gut mit Daten umgehen können. Diese neuen Anforderungen – so seine Einschätzung – würden aktuell in allen Ausbildungsbereichen noch nicht ausreichend berücksichtigt.

Auch in der anschließenden Diskussion mit dem Publikum war die Aussicht, dass es in Zukunft sehr viel mehr KI-Systeme im Produktionsumfeld geben werde, ein Thema. Da diese Systeme einen Teil der menschlichen Arbeit übernehmen werden, müssten sie auch dazu in der Lage sein, richtig mit Menschen zu kommunizieren und zu interagieren, so ein Beitrag. Die Experten stimmten dem zu. Vom Anzeigen von Warnhinweisen auf der Maschinensteuerung bis hin zu einer typisch „menschlichen“ Kommunikation zwischen Mensch und Maschine werde aktuell auch schon alles eingesetzt und erprobt.

Auch die zunehmende Bedeutung von Data Literacy, also der Fähigkeit, mit Daten kompetent umzugehen, kam in der Diskussion zur Sprache. Hierauf müsse in der Aus- und Weiterbildung von Arbeitskräften ein stärkerer Fokus gelegt werden, darin waren sich die Experten einig.