KI-Anwendung: Künstliche Intelligenz als Werkzeug in Entwicklung & Produktion nutzen

KI-Anwendung in der Praxis: Mit dem Begriff „künstliche Intelligenz“ (KI) sind unterschiedliche Vorstellungen und Erwartungen verknüpft. Der öffentlichen Wahrnehmung folgend, wird sie die Welt revolutionieren, und in der Fähigkeit, sie zu beherrschen liegt der Schlüssel für eine zukünftige Führungsrolle, als Unternehmen, als Staat, als Gesellschaft.

KI-Anwendung: Verschiedene Probleme und Meinungen

Doch die Hürden sind hoch. Nahezu alle visionären Ideen prallen auf das Problem der verfügbaren Daten. Entweder ist es nahezu unmöglich, Daten in einer Qualität und Menge zu beschaffen, die es erlaubt, realistische Modelle zu erstellen. Oder es wäre zwar möglich, scheitert aber am meist berechtigtem gesellschaftlichen Widerstand oder anderen Interessenskonflikten.

Während dazu immer größere öffentliche Forschungsprojekte entstehen, die alle Probleme der Moderne lösen sollen – vom Verkehr über die Gesundheit und die Bildung bis zum Klimawandel, wachsen in der Realität weitgehend unbemerkt konkrete Szenarien.

Das Machbare im Fokus

Kern dieser Szenarien ist es, den Fokus statt auf die Vision, auf das konkret Machbare zu lenken, und dieses konsequent zu Ende zu denken: vom Prototypen bis hin zu industrietauglichen Lösungen, die einen konkreten Mehrwert liefern und mögliche Widerstände überwinden.

PTC hat früh begonnen, die Möglichkeiten der künstlichen Intelligenz (KI) in industrielle Abläufe einzubeziehen und als kommerzielles Unternehmen und Softwarehersteller den Schwerpunkt auf Machbarkeit und Mehrwert für den Anwender zu legen. So ist eine Vielzahl von Lösungen entstanden und bereits in die praktische Anwendung gekommen, denen man ihren KI-Anteil mitunter nicht ansieht, da sie ihn nicht als Selbstzweck präsentieren, sondern als Weiterentwicklung, die sich selbstverständlich anfühlt.

Strukturierung und Auswertung großer Datenmengen

Bei angewandter KI kann man zwischen den Algorithmen unterscheiden, die für den Anwender unsichtbar in der Software verbaut sind und einen ganz gezielten Entscheidungsprozess unterstützen, und denjenigen Algorithmen, die darauf warten mit den Daten der Anwender gefüttert zu werden, um ihre individuellen Fragen zu beantworten.

Das wesentliche Kriterium für erfolgreiche KI-Anwendung liegt dabei in der Menge und Qualität der Daten, mit denen die Algorithmen trainiert wurden und arbeiten. Die Aufgabenstellung muss dafür klar definiert und konstant sein. Hält man diese beiden limitierenden Faktoren unter Kontrolle, kommen die Vorteile von KI zur Entfaltung, und sie kann ihre Stärke ausspielen: aus sehr großen und unüberschaubaren Datenmengen die richtigen Schlüsse ziehen.

KI-Anwendung in der Produktentwicklung

Ein großes Anwendungsfeld von KI ist das industrielle Produkt­design. Hier übernimmt künstliche Intelligenz die Rolle der Evolution und sorgt für eine gesteigerte Anpassungsfähigkeit eines Produktes an seine Anforderungen in Form, Material, Kosten und Betriebsverhalten. Anhand von Rahmenbedingungen, regelmäßig gesammeltem Erfahrungswissen aus Betrieb und Service und konkreten Versuchen können KI-gesteuerte Algorithmen stark optimierte Bauteile entwerfen. Diese sind bei geringerem Gewicht und geringeren Kosten belastbarer und können mit individueller Softwaresteuerung versehen werden, um ihr Verhalten aktiv anzupassen.

Industrieprodukte, die uns heute im Alltag umgeben, werden zunehmend komplexer. Das liegt neben dem wachsenden Softwareanteil vor allem auch am Fertigungsprozess. Beispielsweise können dank additiver Fertigung neuartige Strukturen entstehen. Das Produktdesign kann sich aus den physischen Grenzen des Drehens, Fräsens oder Stanzens befreien.

In der additiven Fertigung werden Produkte mit Hilfe von erstellten Gitterstrukturen gedruckt. Diese Strukturen können äußerst komplex ausfallen, und genau hier eignet sich KI hervorragend, diese Komplexität zu beherrschen. Die CAD-Software Creo zum Beispiel setzt mit der neuen Version 7 bei der Topologieoptimierung auf die Anwendung von KI, die künftig bestimmen kann, wie die ideale Gitterstruktur aussehen muss, um bestimmte Produkteigenschaften in puncto Gewicht oder Belastungsfähigkeit einzuhalten. Man spricht hierbei von Generative Design, das den klassischen Produktionsprozess revolutionieren wird.

Diese Art der KI ist vergleichbar mit minimalinvasiver Chirurgie: „verändere nur da etwas, wo es wirklich etwas bringt“. Sie ist damit in jeder Hinsicht wirtschaftlich wie ökologisch nachhaltig und sorgt für elegante und passgenaue Produkte.

Augmented Reality: Sehen lernen durch eine KI-Anwendung

Ebenso attraktiv ist der Einsatz von KI im Kontext der Augmented Reality (AR). Angesiedelt an der Grenze zwischen digitaler und realer Welt, wandelt AR Objekte oder Teile der Wirklichkeit in konkrete, berechenbare Fakten um. Dahinter steckt das Prinzip der Mustererkennung: ein diffuses Bild wird mit bekannten Mustern verglichen. Wenn eine hinreichende Ähnlichkeit gefunden wird, gilt das Bild als erkannt, andernfalls wird es entweder gelernt (das diffuse Bild wird mit einem neuen Begriff verknüpft, der benennt, was es darstellt), oder erneut probiert beziehungsweise aufgegeben.

Auch hier verbirgt sich KI in der Software, die für das korrekte Erkennen der Objekte verantwortlich ist. Mit dem sogenannten Deep-Learning-Verfahren können digitale Objekte mit all ihren Details analysiert und erlernt werden, um sie später in der Wirklichkeit von jedem Winkel aus wiederzuerkennen. Das Prinzip ist identisch mit dem des menschlichen Sehens. Daher ist es für uns Menschen intuitiv und einfach nachzuvollziehen. Für die Imitation durch eine Software allerdings müssen alle relevanten Daten der Wirklichkeit aufgenommen und verstanden werden. Das ist ein komplexer und rechenintensiver Schritt.

Auf dieser Basis gibt es eine große Anzahl von Anwendungen. Beispielsweise nutzt ein Hersteller von E-Autos AR, um angelieferte oder in der Werkshalle befindliche Bauteile zu identifizieren und ad hoc genaue Informationen aus dem Warenwirtschaftssystem zu erhalten. Interessant ist dabei, dass zum Trainieren der KI das digitale CAD-Modell ausreicht, um in der realen Welt Objekte zu erkennen. Dadurch lässt sich der Prozess vollständig automatisieren und auf den gesamten Materialbestand anwenden.

Mit digitalen Zwillingen zur vorbeugenden Wartung

Eine weitere KI-Anwendung ist die Vorhersage von Ereignissen. Hier baut das Machine Learning auf Basis eines digitalen Zwillings der Maschine eine Art Verhaltensgehirn auf, das zwischen gewolltem und ungewolltem Verhalten unterscheiden und aus einzelnen Verhaltensmustern Prognosen ableiten kann. Das ist vergleichbar damit, wenn wir Menschen Hunger verspüren. Das Muster kann hier ein Grummeln im Bauch sein oder ein Kribbeln in der Nase, das dann jedoch auf ein baldiges Niesen hindeutet.

Die Anwendungen sind Szenarien rund um die Vorhersage von Störfällen und die Planung von Wartungen. Eine KI-Anwendung schützt hier vor unnötigen Wartungsarbeiten, die Material- und Arbeitszeitkosten erzeugen würden, ebenso wie vor ungeplanten Ausfällen von Maschinen, die mitunter extrem teuer werden können – eine Stunde Ausfallzeit wird in manchen Industrien in Hunderttausenden Euro gerechnet, für betriebskritische Maschinen kann es sogar schnell in die Millionen gehen.

Wie dramatisch so ein Ausfall sein kann, zeigt sich bei einem global agierendem Chemieunternehmen, das eine Abgasverbrennungsanlage in einem Chemiepark betreibt. Würde diese Anlage ungeplant ausfallen, müssten alle angeschlossenen Produktionsfabriken ihren Betrieb ebenfalls stoppen. Die Kosten steigen also pro ausgefallener Stunde rasant an.

Mit Hilfe einer KI-Anwendung, integriert etwa in der Industrial-Internet-of-Things-Plattform (IIoT-Plattform) ThingWorx von PTC, wurde ein Vorhersagemodell entwickelt, mit dem Anwender solche Ausfälle zuverlässig prognostizieren und ihnen vorbeugen kann. Am Markt zählt dieser Anwendungsfall, bekannt als Predictive Maintenance, zu den gefragtesten Szenarien mit großem Wertschöpfungspotenzial.

KI-Anwendung: Den gesamten Produktlebenszyklus im Blick

Digital Thread: Noch tiefer integriert im Prozess führt KI vom beobachtenden zum begleitenden digitalen Zwilling. Eine Fortsetzung des Vorhersagemodells für Betrieb und Service einer Maschine ist der Einsatz derselben Technologie bei ihrer Entwicklung. Letztendlich werden dabei die Methoden aus Design, Vorhersage und AR zusammengeführt und auf das ganze System angewandt, beispielsweise die Entwicklung eines Fahrzeugs.

Eine beliebige Zahl von Sensoren beobachtet dabei das Verhalten eines Produktes im Betrieb, etwa wenn es beschleunigt, Bremst oder lenkt. Dieses gemessene Verhalten vergleicht KI mit dem, was nach internen Berechnungen geschehen sollte. Aus dem Unterschied zwischen Soll und Ist, lernt das System so lange bis das berechnete mit dem tatsächlichen Verhalten übereinstimmt.

Nun lassen sich bessere Vorhersagen erstellen. Etwa für Produkttests, die zeitaufwendig oder sehr teuer sind, weil Produkte dabei zerstört werden, oder für die Variantenplanung und deren Tests. Es kann sehr viel Geld gespart und gleichzeitig sehr viel mehr probiert werden, um die am besten passenden Produkte zu entwickeln.

Ein digitaler Zwilling bietet zahlreiche Wertschöpfungspotenziale und ist eine Schlüssel-Applikation für Industrieunternehmen. Der Weg dorthin ist allerdings eine der Königsdisziplinen der digitalen Transformation. Der gesamte Produktlebenszyklus von der Entstehung über die Fertigung bis hin zum Einsatz beim Kunden muss in Form von Daten aufgenommen werden. Fällt das Produkt aus, und ein Servicetechniker muss es in Stand setzen, so wird auch diese Information festgehalten und an die Entwicklungsingenieure zurückgespielt, um die Qualität dieses Produktes zu erhöhen.

Informationen zum Produktlebenszyklus sind als „Digital Thread“ zu verstehen. Ein Unternehmen, das diese Königsdisziplin sehr erfolgreich gemeistert hat, ist der Fahrzeughersteller Polaris. Das Unternehmen hat sämtliche Datensilos entlang des Digital Threads eliminiert und ist nun in der Lage, für die hergestellten Fahrzeuge ein holistisches Verständnis zum gesamten Lebenszyklus zu erhalten.

Entscheidungen von Entwicklungsingenieuren verfügbar machen

Derartig in Entwicklungsprozesse integriert, kann KI zum täglichen Begleiter für Ingenieure werden. Ihre Aufgabe beinhaltet klassisch, viele Entscheidungen zu treffen, die oft von sehr viel mehr Informationen abhängen, als sie im Kopf haben können. Etwa die Entscheidung, ob sie ein Bauteil neu erstellen oder auf ein vorhandenes zurückgreifen sollten, welchen Werkstoff sie wählen, welche Tests sie einplanen, welche Verbindungstechnik sie wählen, welches Produktionsverfahren sie anwenden und wo sie welche Kaufteile beziehen.

Hier kann KI ähnlich wie Produktvorschläge im Online-Shop von Amazon weiterhelfen: „andere Ingenieure, die ein ähnliches Problem hatten, haben so entschieden…“. Auf diese Weise kann KI zu enormen Einsparungen führen, indem Entscheidungen schneller und besser getroffen werden können. In der Produktlebenszyklus-Management-Lösung (PLM-Lösung) Windchill kann dazu jede Entscheidung im Entwicklungsprozess, jede Produktvariante und Stücklistenänderung gespeichert werden.

Durch die tägliche Arbeit der Entwickler und Konstrukteure entsteht automatisch eine wertvolle Datensammlung, die mit KI analysiert werden kann. Will man zum Beispiel herausfinden, an welcher Stelle ein Prozess zum zeitlichen Flaschenhals wurde und welche Ursache dahintersteckt, beziehungsweise welche Maßnahmen ergriffen werden sollten, kann eine KI-Anwendung bei der Antwort helfen. Zu den Kunden von PTC zählt ein beispielsweise ein Pharmaunternehmen, das dank dieses Verfahrens zahlreiche Optimierungen in seinen Entwicklungsprozessen umsetzen konnte.

Fazit

Wer künstliche Intelligenz sagt, sollte sich bewusst sein, dass sie künstlich ist. Es ist keine echte Intelligenz, denn sie ist immer für ein konkretes Ziel oder einen festgelegten Anwendungsbereich mit klar definierten Aufgaben bestimmt. Künstliche Intelligenz ist ein Werkzeug wie andere auch, und genau so gilt für sie: man muss wissen, wie man sie einsetzt und wozu. Die genannten Anwendungsfälle zeigen, dass künstliche Intelligenz keine Zukunftsvision mehr ist. Sie ist heute ein fester und wertschöpfender Bestandteil von industriellen Lösungen, und Anwender von PTC arbeiten bereits täglich damit. Mit ein wenig Übung wird der Umgang mit künstlicher Intelligenz zu einer eleganten und wertvollen Fähigkeit, die Unternehmen im Wettbewerb stärkt und voranbringt.

Der Autor Arian van Huelsen ist IIoT und AR-Experte bei PTC. Autor Martin Meßner ist Industrie-4.0-Technologie-Experte bei PTC.

Lesen Sie auch: 3D-CAD, PDM und ERP: Durchgängige Prozesse von der Konstruktion bis zum Einkauf