Machine Learning und Big Data

Vor wenigen Jahrzehnten begann die Rüstungsindustrie rasant, das Potenzial intelligenter Maschinen und Systeme zu nutzen. Dabei geht es darum, dass Systeme Daten vor Ort nutzen können, um für sich selbst zu denken. In erster Linie treffen die Systeme auf diese Weise einfache, faktenbasierte Entscheidungen, welche die Arbeitslast der Menschen im Einsatz reduzieren. Dieses Konzept des datenbasierten maschinellen Lernens und der künstlichen Intelligenz (KI) wird nun auch in zivilen Anwendungen im großem Rahmen eingesetzt. Viele von uns wissen nicht, dass letztlich wir die Informationsquellen für die Daten sind, aufgrund derer diese Systeme ihre Entscheidungen treffen. Führende Technologieunternehmen wie Google und Netflix nutzen regelmäßig große Mengen benutzerspezifischer Daten, um Algorithmen zur Optimierung und Verbesserung ihres Angebots zu versorgen.

Ersetzen wir nun den Begriff benutzerspezifische Daten durch maschinenspezifische Daten, so wird schnell klar, dass Big Data und maschinelles Lernen das Potenzial haben, die Fertigung, die Prozessindustrie und natürlich auch jede andere vernetzte oder auf die Nutzung von Maschinen basierende Branchen zu revolutionieren. Tatsächlich machen AI-gesteuerte Verfahren bereits in einer Reihe von Branchen große Fortschritte und Unternehmen wie Presenso und Predikto bieten bereits AI-basierte analytische Lösungen für Wartungsabläufe. Predictive Maintenance ist ein perfekter Einsatzbereich für KI-basierte Systeme. Hier lassen sich eine relativ kleine Anzahl einfacher, aber unglaublich aussagekräftiger Datensätze nutzen, um sie dann zur Vorhersage und zum Bereitstellen von Abhilfemaßnahmen zu verwenden. Mit dem Aufkommen des Industrial Internet of Things (IIoT) und als Folge Big Data, gekoppelt mit einer fast exponentiellen Erweiterung der Anzahl der Daten liefernden Endpunkte oder Knoten, wird dieser Einsatz von KI-basierten Systemen immer häufiger und die Anwendungen werden leistungsfähiger, informativer sowie effektiver.

Allerdings ist zu bedenken, dass sogar eine einzelne einfache Fertigungszelle mehr als 50 Datenpunkte pro Sekunde erzeugen kann. Über den Zeitraum einer typischen Arbeitsschicht hinweg kann dies schnell zu einer Flutwelle von Einsen und Nullen führen. Hier setzen KI und maschinelles Lernen an. Als Teil der Big-Data-Analyse wird AI relevante Daten vom Rauschen unterscheiden, logische Verbindungen und Korrelationen zwischen diesen Datensätzen definieren sowie  nicht zu verknüpfende Daten entfernen. Dann stellt AI relevante Informationen zusammen, aufgrund derer sich Entscheidungen treffen lassen – entweder automatisch oder über menschliche Interaktion.

Die gute Nachricht ist, dass zukünftige Einsatzmöglichkeiten von KI und maschinellem Lernen von praktisch jedem Unternehmen, gleich welche Leistung es anbietet, heute schon berücksichtigt werden können. Selbst der simpelste Herstellungsvorgang kann mit geringen Investitionen und Aufwand zusätzliche Informationen liefern und Funktionen zur Erfassung von Daten ermöglichen. Auch wenn die generierten Daten nicht sofort genutzt werden, stehen sie für den Tag bereit, an dem die Lösung zu ihrer Nutzung entwickelt ist. Dann können auch die historischen Daten von großem Nutzen sein. Die Chancen stehen gut, dass diese KI-Systeme und Analyselösungen die Form von cloudbasierten Subskriptionsdiensten haben, die auch Daten von anderen ähnlichen Entitäten und Anwendungen nutzen, um das bestmögliche Ergebnis zur Verfügung zu stellen. Im Zusammenspiel mit einer technisch versierten Belegschaft, deren Qualifikation auf der Höhe der Zeit ist, schaffen Daten und  insbesondere ihr Sammeln, Sortieren, Übersetzen und Bereitstellen das nächste industrielle Paradigma.

Glücklicherweise braucht man für Big Data keine keine großen Behälter oder Taschen. Es gibt keinen besseren Zeitpunkt, als jetzt mit dem Sammeln anzufangen. RS verfügt bereits über zahlreiche Systeme und Initiativen, die dieses Thema aufgreifen. So stellt sich das Unternehmen zum einen den Anforderungen der Big-Data-getriebenen Fertigungswirtschaft. Zum Anderen nutzt es deren Vorteile und beliefert seine Kunden mit entsprechenden Produkten und Support-Lösungen. Selbst die Erhebung grundlegendster Produktionsdaten, insbesondere wenn sie intelligent genutzt werden, kann schon einen großen Fortschritt bedeuten. Der Weg zur Einführung solcher Systeme ist bereits vorgezeichnet. Für Anwendungen jeder Größe und jeden Budgets gibt es Möglichkeiten.