KI in der Industrie – von der Theorie zur Praxis

Anbieter zum Thema

MPDV Mikrolab GmbH

Camtek GmbH

Mehr Flexibilität, Effizienz und Nachhaltigkeit im industriellen Umfeld lassen sich meist nur mit Lösungen realisieren, die über die Möglichkeiten der heutigen Automatisierungstechnik hinausgehen. Maschinelles Lernen und künstliche Intelligenz ermöglichen bereits vieles, bringen aber auch gewisse technologische Anforderungen mit sich.

Um das Maximum aus ihrer Produktion herauszu­holen, müssen fertigende Unternehmen auch Bereiche opti­mieren, in denen ein Eingreifen des Menschen nicht – oder nur erschwert – möglich ist. Künstliche Intelligenz (KI) hilft der Industrie dabei, verborgene ­Potenziale zu erschließen und die Produktion in vielen Punkten effizienter, flexibler und zuverlässiger zu gestalten. KI lässt sich beispielsweise für eine vorausschauende Instandhaltung einsetzen: Mit ihrer Hilfe können Unternehmen den Wartungsbedarf erkennen, bevor ein Problem auftritt und Ausfallzeiten entstehen. Künstliche Intelligenz kann aber auch für intelligente ­Assistenten in der Produktionsumgebung verwendet werden oder ist in Kombination mit einer Kamera für visuelle Qualitäts­inspektionen nutzbar, um eine zuverlässige Klassifizierung der Qualität und die Erkennung von Teilen zu gewährleisten.

Künstliche Intelligenz in der Automatisierung

Für eine automatisierte Fertigung sind vorab festgelegte Parameter stets einzuhalten – beispielsweise Motoren auszuschalten, wenn bestimmte Temperaturen überschritten werden. Diese Regeln lassen sich schnell und einfach programmieren, und die Steuerung kann damit den ­Motor zur gegebenen Zeit abschalten. Sind die jeweiligen Eingangs- und Ausgangsparameter bekannt, kann man sie mithilfe verschiedener Programmierungen umsetzen. Komplizierter wird es, wenn sie (noch) nicht bekannt sind – und genau hier kommt künstliche ­Intelligenz ins Spiel: Mithilfe von Machine Learning lassen sich bislang unbe­kannte Daten- und Prozess-Korrelationen ermitteln und neue Regeln daraus ableiten, die am Ende zu einer besseren Produktqualität führen oder helfen, Ausfälle zu vermeiden. Man muss verstehen, dass KI die menschlichen Kompetenzen nicht ersetzt, sondern erweitert. Dadurch kann man künftig Erkenntnisse aus der indus­triellen Produk­tion ableiten, die bislang unbekannt ­waren. Ohne KI ließen sich diese Erkenntnisse nicht gewinnen.

KI in der Industrie – Im Einsatz

Wie dies in der Praxis aussehen kann, zeigt die Zusammenarbeit von Siemens mit seinem Kunden E.P.F. Elettrotecnica S.r.l. Der italienische Maschinenbauer baut unter anderem Anlagen für die Herstellung von Bremsklötzen. Das Unternehmen stand vor der Herausforderung, den Prozess der visuellen Inspektion von Bremsklötzen zu automatisieren und somit eine möglichst hohe Skalierbarkeit und Übertragbarkeit dieses Prozessschritts gewährleisten zu können – bei gleichzeitig maximalem Qualitätsanspruch. Die bisherige Lösung erforderte geschultes Fachpersonal, das jeden produzierten Bremsklotz in eine von vier Qualitätsklassen einstufte. Dies bedingte ein hohes Maß an Erfahrung und Konzentration.

Da der restliche Herstellungsprozess automatisiert ist, stellte die händische Qualitätsinspektion einen Flaschenhals dar. Warum sich die Qualitätskontrolle bisher nicht automatisieren ließ, hat einen Grund: Die Oberflächenstruktur der Bremsklötze ist immer leicht unterschiedlich. Herkömm­liche Bilderkennungssysteme können diese Anforderung nicht erfüllen. Mithilfe von künstlicher Intelligenz in Kombination mit einem Kamerasystem lassen sich nun die menschliche Erfahrung und das menschliche Wissen nachbilden und sogar kombinieren.

KI in Automatisierungs­system integriert

Die künstliche Intelligenz lässt sich dabei in das bestehende Automatisierungssystem auf Basis einer Simatic S7-1500 integrieren. Eine Kamera, die an das Technologiemodul S7-1500 TM NPU (Neuronal Processing Unit) angeschlossen wurde, erstellt ein Bild von jedem einzelnen Bremsbelag. Anschließend analysiert ein neuronales Netzwerk in der TM NPU dieses Bild und erzeugt einen zuverlässigen Qualitätsindikator für die Klassifizierung. Der Flaschenhals innerhalb des Produktionsprozesses ließ sich dadurch auflösen. Solch eine Lösung erfordert initialen Aufwand in der Erstellung, aber auch während des Betriebs. Im Gegensatz zu einer fest programmierten Regel muss man KI-Modelle zur Laufzeit überwachen und unter Umständen an sich ändernde Prozessbedingungen anpassen.

Industrietaugliche KI

Das Beispiel des italienischen Kunden zeigt eindrucksvoll, wie künstliche Intelligenz die Fertigungsindustrie unterstützen kann. Siemens hat es sich zum Ziel gesetzt, künftig mehr solcher Projekte zu ermöglichen und möchte dafür der Industrie diese Technologie zugänglich machen. Als Basis dafür werden bewährte Plattformen mit neuen innovativen Technologien erweitert: Vom Controller über IPCs bis hin zur industriellen IoT-Lösung mit Industrial Edge und MindSphere – das gesamte Portfolio von Siemens wird in der Lage sein, KI-Anwendungen zu ermöglichen. Beispielsweise bietet Siemens mit Industrial Edge eine lokale und dezentrale Laufzeitumgebung für KI-Modelle direkt an der Maschine an. Auch hier eröffnet künstliche Intelligenz neue Möglichkeiten, Daten zu analysieren und zu verarbeiten: Aus der TIA-Umgebung (Totally Integrated Automation) lassen sich Daten von Sensoren in die MindSphere transferieren. Ein auf KI und Prozessparametern basierender Algorithmus wird anschließend trainiert und „lernt“, wie sich die Prozessdaten zur Qualität des Endprodukts verhalten.

Siemens verfolgt den übergeordneten Anspruch, künstliche Intelligenz industrietauglich zu machen. Dies bedeutet, dass sich mit einer Kombination aus Hardware, Software und Servicebausteinen konkreter Kundennutzen schaffen lässt: Ganzheit­liche, anwendungsorientierte Lösungsansätze auf Basis von KI adressieren konkrete Problemstellungen in der Industrie. Im Fokus steht dabei eine leichte Handhabbarkeit für alle Industriekunden. Aus diesem Grund werden sich entsprechende Tools für KI-Anwendungen einfach anwenden lassen, zum Beispiel für Auto­matisierungsingenieure oder ­Anlagenbediener ohne Machine-Learning-­Expertise. Dies gewährleistet System­stabilität und Sicherheit unabhängig von persönlichen KI-Kenntnissen. Darüber hinaus sind Lösungen wichtig, die robust, zuverlässig und vor allem für den Anwender nachvollziehbar sind. Bei einer Maschinen­lebensdauer von 10, 15 oder sogar 20 Jahren ist es nicht praktikabel, im Rhythmus von wenigen Jahren oder gar Monaten ein neues KI-System nachzurüsten. Daher nutzt der Siemens-Ansatz für künstliche Intelli­genz unter anderem die bewährte Simatic-Hardware für KI-Anwendungsschritte und garantiert so eine lange Lebens­dauer, eine hohe Verfügbarkeit und eine kontinuierliche Adap­tion des KI-Modells.

KI in der Industrie – Innovative Lösungen dank Co-Creation

Damit man konkrete Problemstellungen aus der Industrie direkt aufnehmen und dafür innovative Lösungsansätze entwickeln kann, ist eine enge und frühzeitige Zusammenarbeit mit Kunden unabdingbar. Für das R&D-Team von Siemens reichen rein interne Entwicklungs- und Testumgebungen schon längst nicht mehr aus. Durch eine intensive Kooperation mit dem Kunden lassen sich die Herausforderungen produzierender Unternehmen genauer verstehen. Siemens setzt dafür auf spezielle Co-Creation-Workshops, bei denen das Unternehmen gemeinsam mit seinen Kunden Produkte bereits im frühen Stadium testet, validiert und Kundenfeedback einarbeitet. Dies ermöglicht ein schnelles Innovieren, hin zur individuellen Lösung.

Der Autor Dominik Bittner ist Marketing Manager für künstliche Intelligenz in der Automatisierung bei Siemens.

Lesen Sie auch: KI-Anwendung – Künstliche Intelligenz als Werkzeug in Entwicklung & Produktion nutzen.