Künstliche Intelligenz Den Blick ins Gehirn des Digitalen Zwillings wagen

Anbieter zum Thema

Adel & Link Public Relations GbR

AVEVA GmbH

Novotechnik Messwertaufnehmer OHG

ISG Industrielle Steuerungstechnik GmbH

Schon gewusst? Der Digitale Zwilling hat auch ein Gehirn – die Künstliche Intelligenz. Sie macht aus den gesammelten Daten wertvolle Erkenntnisse. Die Datenanalyse lässt sich in fünf Kategorien einteilen: die sogenannten fünf P's.

Der Durchbruch von Künstlicher Intelligenz steht kurz bevor. Sie kommt zunehmend zum Einsatz und Experten zufolge könnte das Jahr 2022 den Durchbruch für Künstliche Intelligenz (KI) bedeuten. Laut Prognosen von Gartner wird in diesem Jahr ein weltweiter Umsatz mit KI-Software von 62,5 Milliarden US-Dollar erwartet. Im Vergleich zu 2021 wäre das ein Anstieg von 21,3 Prozent. Diese Annahme passt auch dazu, dass für viele Unternehmen KI nicht mehr nur eine Möglichkeit, sondern eine grundlegende Voraussetzung darstellt, wenn sie wettbewerbsfähig, profitabel und nachhaltig sein wollen.

Einer der vielen Vorteile die KI im Rahmen einer digitalen Transformation bietet ist, einen digitalen Zwilling so umfangreich wie möglich einzusetzen. Mit dem digitalen Zwilling lassen sich physische Objekte, Systeme oder Fabriken virtuelle darstellen. Er wird anhand von Daten erstellt, die über das Internet der Dinge, Computersysteme und digitale Prozesse gesammelt werden. Die KI ist dabei das Gehirn des digitalen Zwillings. Aus den verschiedenen Formen der KI – wie neuronale Netze, computerbasiertes Sehen und maschinelles Lernen – ergeben sich unterschiedliche Analysemöglichkeiten. Die einzelnen KI-Analysen schaffen aus den gesammelten Daten wertvolle Erkenntnisse. Diese verbessern die Abläufe von sicheren und effizienten Prozessen. Aber sie können auch Überwachungs- und Kontrollprozesse automatisieren, um die Sicherheit und Leistung zu gewährleisten. Die Datenanalyse kann dabei auf unterschiedliche Art und Weise durchgeführt werden.

Für den industriellen Einsatz unterteilen sich die KI-Analysen in folgende fünf Kategorien:

• vorausschauende (predictive) Analysen

• leistungsbezogene (performance) Analysen

• empfehlende (prescriptive) Analysen

• prognostizierende (prognostic) Analysen

• erkenntnisreiche (perceptive) Analysen

Die vorausschauende Analyse (predictive analytics)

In der Industrie ist die vorausschauende Analyse eine der am häufigsten eingesetzte Technologie, die Big Data und maschinelles Lernen nutzt, um Anomalien in Prozessen und Anlagen zu erkennen. Aktuelle Ineffizienzen werden aufzeigen und die Mitarbeitenden in die Lage versetzt, Prozesse zu optimieren. Zusätzlich kann sie auch vor zukünftigen Anlagenausfällen warnen – Tage, Wochen oder sogar Monate im Voraus.

Damit können Unternehmen Wartungsreparaturen lange vor einem Ausfall der betreffenden Anlagen planen. Das senkt das Betriebsrisiko und spart Kosten, denn ungeplante Ausfallzeiten werden vermieden.

Die leistungsbezogene Analyse (performance analytics)

Durch die Kombination von branchen- und anlagenspezifischen Algorithmen ist KI nicht nur in der Lage, Anomalien zu erkennen, die einem Unternehmen helfen, Fehler zu entdecken und zu beheben, bevor sie auftreten. Sie kann auch Prozesse optimieren, die den Ertrag und die betriebliche Effizienz verbessern.

Die empfehlende Analyse (prescriptive analytics)

Die empfehlende Analyse geht über die bloße Warnung vor einem Problem hinaus. Sie ermittelt zusätzlich die beste Vorgehensweise zur Lösung des Problems und empfiehlt diese.

Dies geschieht durch Ursachenanalyse und risikobasierte Entscheidungsunterstützung. Hierbei wird analysiert, wie kritisch und dringend ein Problem ist. Anschließend werden Maßnahmen empfohlen, die die Effizienz und Rentabilität optimieren. Ausfallzeiten sollen so minimiert und kostspielige Verzögerungen vermieden werden.

Prognostizierende Analyse (prognostic analytics)

Mit einer prognostizierenden Analyse, neuronalen Netzen, Deep- und Reinforcement Learning können Ereignisse – wie die Verschlechterung der Betriebsleistung oder die Restnutzungsdauer einer Anlage – vorhergesagt werden. Dies kann Unternehmen dabei helfen, Risiken zu managen, die Rentabilität zu maximieren und die Nachhaltigkeit zu verbessern.

Prognostizierende KI wird eingesetzt, um die Betriebs- und Wartungsstrategien zu optimieren. Hierfür liefert sie risikobasierte Erkenntnisse für Entscheidungen: Zum Beispiel, ob ein Betrieb bis zum nächsten geplanten Wartungsstillstand weiterlaufen sollte oder ob dringendere Arbeiten durchgeführt werden müssen. Sie kann auch dabei helfen, bestimmte Bereiche mit Verbesserungsbedarf zu identifizieren.

Erkenntnisreiche Analyse (perceptive analytics)

Bei der erkenntnisreichen Analyse geht es darum, wie intelligente Maschinen mit ihrer Umgebung interagieren. Fortgeschrittene Technologien wie Bild- und Audio-KI und natürliche Sprachverarbeitung werden eingesetzt, um automatisch Beziehungen zwischen Sensoren und Geräten zu erkennen.

So hat zum Beispiel Schneider Electric sein Werk in Lexington im US-Bundesstaat Kentucky in eine intelligente Fabrik umgewandelt, um neue Vorteile aus der fortschrittlichen KI und Analytik ziehen zu können. Dazu gehören die Optimierung von Prozessen, eine schnellere und intelligentere Entscheidungsfindung und Verbesserungen bei der Arbeitsproduktivität. Hinzu kommen eine Reduzierung ungeplanter Ausfallzeiten um 6 Prozent, eine Energiereduzierung um 26 Prozent, eine CO2-Reduzierung um 78 Prozent und eine Reduzierung des Wasserverbrauchs um 20 Prozent.

* *Global Head of AI and Advanced Analystics bei Aveva

(ID:48206209)