Am 31. März dieses Jahres fand die Artefact Webtalks Data & KI – KI für die Industrie zum Thema « Kann man die Widerstandsfähigkeit, die Sicherheit und die Leistungsfähigkeit des Industriesektors der KI anvertrauen? ». Dieser strategische Artikel fasst die Beiträge und Erfahrungsberichte aus der Praxis der Experten von Artefact und seiner Technologiepartner zusammen AVEVA, weltweit führend im Bereich Industriesoftware und digitale Transformation, sowie Neo4j, Pionier im Bereich der graphorientierten Datenbanken. Bei der Erforschung der Transformation der Wertschöpfungskette, die operative Intelligenz, die Strukturierung von Daten mittels Graphen und das Aufkommen der’Agentenbasierte KI, In diesem exklusiven Webinar wird erläutert, wie Der Mensch bleibt der Hauptakteur der Fabrik von morgen.

1 – Der KI-Wandel in der Industrie: Anwendungsbeispiele entlang der gesamten Wertschöpfungskette

Die Herausforderungen in der Industrie sind unverändert. Von der Optimierung der Investitionsausgaben bis hin zur Abstimmung einer globalen Lieferkette – die Probleme, mit denen wir uns heute befassen, sind dieselben wie vor zwanzig Jahren. Was sich jedoch grundlegend geändert hat, sind Art und Wirksamkeit der Lösungen, die wir darauf anbieten können. Mithilfe der KI lassen sich Informationen, die früher in Silos isoliert waren, zusammenführen, um eine bereichsübergreifende Transparenz, wodurch fragmentierte Prozesse in ein fließendes Entscheidungskontinuum umgewandelt werden.

Wie Alexandre Thion de la Chaume, Managing Partner und Global Lead Industry bei Artefact, jede KI-Strategie, die keinen Bezug zur betrieblichen Realität hat, ist zum Scheitern verurteilt. Um einen Mehrwert zu schaffen, muss sie in die Fertigung. Der Experte muss zunächst den genauen Schwachpunkt identifizieren. Ausgehend von den “Reibungspunkten” in der Praxis werden Anwendungsfälle entwickelt, um fort ROI. Ohne diese intensive Auseinandersetzung bleibt die Technologie eine leere Hülle, die von denjenigen, die sie nutzen sollen, ignoriert wird.

Heute prägen vier wesentliche Entwicklungen den Markt und bestimmen den Erfolg der Transformation:

  • Die Vereinheitlichung des Datenbestands : Die Fähigkeit, die Silos zwischen Technik und Produktion aufzubrechen und eine zentrale Datenquelle zu schaffen, ist die unverzichtbare Grundlage. Dies ermöglicht eine Optimierung der CAPEX-Zuweisung, indem die Auswirkungen von Investitionen genauer simuliert werden.
  • Innovative Werkzeuge für operative Exzellenz : Durch den Einsatz neuer technologischer Hilfsmittel lassen sich die Qualitätskontrollprozesse optimieren und die Maschinenverfügbarkeit steigern.
  • Die Erweiterung der Kompetenzen des Ingenieurs : Die KI fungiert als kognitiver Begleiter und gewährleistet den Informationsfluss zwischen den oft voneinander getrennten Phasen des Produktlebenszyklus.
  • Die Präzision der neuen Steuerhebel : Auch wenn die Herausforderungen nach wie vor klassischer Natur sind, ermöglichen die Lösungen (prädiktive KI, autonome Agenten) eine so detaillierte Steuerung, dass sie neue Leistungsstandards setzen.

2. Optimierung der Leistung von Werkzeugen und Prozessen: Die Digitalisierung als Kernstück des industriellen Wandels mit AVEVA

Der Industriesektor basiert auf Determinismus: Eine Maßnahme muss zu einem vorhersehbaren und erklärbaren Ergebnis führen. Im Gegensatz dazu ist die generische KI probabilistisch und funktioniert oft wie eine “Black Box”. Für Sébastien Ory, Präsident von AVEVA France und Vizepräsident des Industrieausschusses von Numeum, liegt der Erfolg in « Industrielle Intelligenz », ein Ansatz, der die Leistungsfähigkeit von Algorithmen mit der Präzision der Industrie verbindet.

Um KI zu einem Leistungsmotor zu machen, sind drei Voraussetzungen unerlässlich:

  1. Führung und Führungsvision : Die Transformation muss von der Führungsspitze vorangetrieben werden, um kulturelle Widerstände zu überwinden. Die Führungskräfte müssen ihre eigene Datenkultur entwickeln, um dieses Ziel zu verwirklichen.
  2. Spezialisierte Dateninfrastruktur : Industriedaten sind komplex, verrauscht und heterogen (Zeitreihen, 3D, Instandhaltung). Eine generische Infrastruktur reicht nicht aus. Es bedarf von Systemen, die in der Lage sind, das Rauschen der Sensoren herauszufiltern und die Integrität der technischen Daten zu gewährleisten, damit die KI verwertbare Ergebnisse liefern kann.
  3. Zielgerichtete Anwendungsfälle und “Quick Wins” : Anstelle eines technologischen “Big Bang” sollten spezifische Anwendungen angestrebt werden, die einen unmittelbaren ROI bieten und so die Akzeptanz bei den Teams vor Ort fördern.

Künstliche Intelligenz soll den Entscheidungsträger nicht ersetzen, sondern ihn unterstützen., insbesondere bei kritischen Prozessen. Nehmen wir das Beispiel der Wartung einer Turbine. Eine generische KI würde sagen: “Die Ausfallwahrscheinlichkeit beträgt 73 %.” Diese Information ist für einen Bediener nutzlos, ja sogar beunruhigend. Die industrielle Intelligenz hingegen erkennt, dass diese Wahrscheinlichkeit auf einer Schwingungsabweichung und einem spezifischen Temperaturanstieg beruht. Sie schlägt daraufhin drei physische Kontrollpunkte vor, die aus der Wissensdatenbank des Unternehmens stammen. Der Bediener behält das letzte Wort und bestätigt die Empfehlung der KI auf der Grundlage greifbarer Parameter.

3. Vernetzte Stückliste: Wie lässt sich die Markteinführungszeit mithilfe von KI und Neo4j verkürzen?

La Stückliste (BOM), ist das semantische Herzstück der Branche. Dennoch ist sie häufig auf die Bereiche Entwicklung, Fertigung und Service aufgesplittert. Diese Fragmentierung, die oft über Excel-Dateien verwaltet wird, ist eine wesentliche Ursache für Ineffizienz. Wenn eine Konstruktionsänderung nicht in Echtzeit an die Fertigungslinie weitergeleitet wird, steigen die Kosten für Qualitätsmängel.

Für Nicolas Rouyer, Senior Manager Solutions Engineering bei Neo4j, scheitern klassische relationale Datenbanken angesichts der Komplexität moderner Produkte. Ein Hubschrauber oder eine Turbine kann Baumstrukturen mit einer Tiefe von 20, 30 oder sogar 40 Ebenen aufweisen. Wo ein herkömmliches System bei der Berechnung der Abhängigkeiten an seine Grenzen stößt, durchläuft die Graph-Technologie diese Beziehungen in einem Bruchteil einer Sekunde und verknüpft dabei Bauteile, Lieferanten, Zertifizierungen und Prozesse miteinander.

Wenn in der Konstruktion ein Aluminiumteil vorgesehen ist, in der Fertigung jedoch aufgrund einer Informationslücke Titanschrauben verwendet werden, kommt es zu beschleunigter Korrosion, was das Betriebsrisiko perfekt veranschaulicht. Die Erkennung dieses Fehlers an einer Montagelinie ist unendlich viel teurer als die sofortige Identifizierung über eine vernetzte Stückliste, die die semantische Übereinstimmung der Baugruppen bereits in der Konstruktionsphase.

Die Kombination von Graphen und KI ermöglicht chemische Arbeitsabläufe revolutionär. Ein Nutzer kann Anfragen in natürlicher Sprache stellen, und die KI durchsucht das Graphenmodell sofort, um eine präzise und mit Quellenangaben versehene Antwort zu liefern.

4. Die Herausforderungen der agentenbasierten KI für die Industrie 4.0/5.0

Wenn‘Industrie 4.0“ hat die Konnektivität, die’Industrie 5.0 den Menschen in den Mittelpunkt zu stellen und Technologie dazu zu nutzen, seine Fähigkeiten zu erweitern, anstatt ihn zu ersetzen. Florence Bénézit, Expertin bei Artefact, betont, dass agentische KI den Alltag des Bedieners grundlegend verändert:

  • Demokratisierung des Zugangs zu Daten : Ein Techniker kann den Verlauf einer Maschine oder einen komplexen Vorgang in natürlicher Sprache abfragen, ohne sich durch Fachsoftware navigieren zu müssen. Dies ermöglicht eine lokale und eigenständige Problemlösung.
  • Erweiterte Logbücher : Die KI kann aus den Maschinendaten Ereignisse ableiten, um automatische Berichte zu erstellen. Dies erhöht die Zuverlässigkeit der Schichtübergabe und verringert das Risiko, dass wichtige Informationen zwischen zwei Schichten verloren gehen.
  • Kontextbezogene Anleitung : In Echtzeit fungiert die KI als Mentor, schlägt Anpassungen der Parameter vor oder führt den Bediener durch strenge Sicherheitsprotokolle.

Agentenbasierte KI ersetzt den Menschen nicht ; sie gibt ihm seine Rolle als Steuerer in einem industriellen Umfeld zurück, das für eine rein manuelle Steuerung zu komplex geworden ist. Somit hängt der industrielle Erfolg nicht von der Komplexität des Algorithmus ab, sondern von dessen Verknüpfung mit dem Fachwissen vor Ort. Durch die Vernetzung von Daten mittels Graphen und die Unterstützung des Menschen durch agentenbasierte KI gewinnt die Industrie an Agilität. Pragmatismus muss die goldene Regel bleiben: Technologie ist lediglich ein Hebel im Dienste der operativen Umsetzung.

Sehen Sie sich die vollständige Aufzeichnung des Webinars replay an: