Der digitale Wandel hat unsere Arbeitswelt grundlegend verändert: Automatisierte Prozesse und Künstliche Intelligenzen wie ChatGPT sind bereits im modernen Arbeitsalltag angekommen – haben in der Vergangenheit aber auch ihre Grenzen gezeigt. So fehlt dem bekannten KI-Assistenten zum Beispiel das Verständnis für den Kontext und das Hintergrundwissen, um Texte mit inhaltlicher Tiefe zu generieren. Auch das Erkennen und Herstellen logischer Zusammenhänge zwischen verschiedenen Konzepten und Fakten stellt den Chatbot vor große Herausforderungen. Wir bei Schuster sind uns bewusst, dass die Zukunft der Fertigungsindustrie von fortschrittlichen Technologien abhängt. Um den modernen Anforderungen gerecht zu werden, bedarf es allerdings umfassenderen Lösungen als ChatGPT & Co.
Moderne Herausforderungen der Fertigungsindustrie.
In einer wettbewerbsintensiven Branche wie der Fertigungsindustrie müssen Unternehmen in der Lage sein, neue Produkte schnell und individuell bei niedrigen Kosten herzustellen. Die Integration von Software in die Produktionsplanung und -steuerung hat die flexible Automatisierung ermöglicht – aber auch neue Herausforderungen mit sich gebracht. Eine davon sind Störungen, die während des Produktionsprozesses auftreten können. Sie führen häufig zu längeren Ausfallzeiten und sind aufgrund der Komplexität der beteiligten Systeme schwer zu beheben. Hier sind intelligente Lösungen gefragt, die Fachkräfte durch gewonnene Erkenntnisse aus Daten und Erfahrungswissen effektiv unterstützen.
Fehlermanagement auf einem neuen Level
Genau an dieser Stelle setzen wir mit unserer Partnerschaft mit den renommierten Forschungsinstituten Fraunhofer IWU, dem Institut für angewandte Informatik sowie mehreren Industriepartnern an, die eine führende Rolle in der Forschung im Bereich der Industrie 4.0 einnehmen. Unser gemeinsames Forschungsprojekt „KausaLAssist“ zielt darauf ab, einen gerichteten Graph zu entwickeln, der domänenspezifisches Wissen mit KI-Erkenntnissen über Kausalbeziehungen kombiniert. Dieser Graph stellt die erlernten Erkenntnisse sowohl für Menschen als auch für Maschinen lesbar dar und ermöglicht eine transparente Ableitung effektiver Maßnahmen zur Störungsbehebung. Dabei können nicht nur Störungen identifiziert, sondern auch deren Ursachen präzise ermittelt werden. Dies ermöglicht es den Fachkräften, fundierte Entscheidungen zur Fehlerbehebung zu treffen und effektive Maßnahmen einzuleiten. Gleichzeitig bietet der graphenbasierte Ansatz ein tiefes Verständnis der Zusammenhänge zwischen den verschiedenen Komponenten und hilft dabei, die Produktionsprozesse gezielt zu optimieren.
Neben der Fähigkeit, kontinuierlich zu lernen und sich anzupassen ist die Erklärbarkeit des Systems ein weiterer Vorteil. Im Gegensatz zu reinen Machine-Learning-Modellen wie ChatGPT können erlernte Erkenntnisse und Empfehlungen des Graph transparent dargestellt werden. Die Folge: Eine bessere Nachvollziehbarkeit der Ergebnisse und eine fundierte Entscheidungsfindung.
Wir sind überzeugt, dass der Einsatz von Graph AI das Potenzial hat, den Produktionsprozess der Fertigungsindustrie zu revolutionieren. Nicht nur Störungen können schneller erkannt und behoben werden, sondern auch präventive Maßnahmen ergriffen werden, um zukünftige Probleme zu vermeiden. Dies führt zu einer höheren Produktivität, geringeren Ausfallzeiten und letztendlich zu einer verbesserten Wettbewerbsfähigkeit. Let’s Move the Standard!
