Machine Learning: schlau ohne Mensch

23.09.2019
Bild: ©denisismagilov - stock.adobe.com

Erst die Entwicklung rechenstarker Prozessoren sowie die zunehmende Verfügbarkeit von strukturierten und unstrukturierten Daten aus dem Industrie 4.0-Umfeld erlaubte in den letzten Jahren die Entwicklung von Machine Learning. Mittlerweile finden sich im Competenzatlas IT Region Stuttgart bereits 18 Unternehmenstreffer zu diesem Suchbegriff

Unter Machine Learning versteht man Maschinen mit Rechner-Anbindung plus Algorithmen, die im Laufe der Zeit dazulernen und das Gesamtsystem selbstständig optimieren. Inzwischen ist das Thema in der Wirtschaft angekommen. Laut der IDG-Studie „Machine Learning/Deep Learning 2018“ wollen 41 % der insgesamt 345 befragten Unternehmen Machine Learning für die Optimierung von internen Abläufen einsetzen – primär für die Wartung und die Qualitätssicherung. Danach folgen die Verbesserung der Kundenbeziehungen (31 %) und der Fertigungsprozesse (30 %). Zunehmende Bedeutung gewinnt auch der Bereich IT-Security: Machine-Learning-Algorithmen entdecken Anomalien oder Schadsoftware schneller und zuverlässiger als bestehende Sicherheitslösungen. Weitere nutzenbringende Einsatzfelder werden erforscht, z.B. am Stuttgarter Fraunhofer Institut.

Wartungspropheten

Vorausschauende Wartung ist bereits eine Domäne von Machine Learning. In diesem Fall wird beispielsweise der Verschleiß von Bauteilen überwacht und darauf basierend der Wartungsplan optimiert. Damit kann zum Beispiel der Austausch einer Komponente auf die nächste Nacht verschoben werden – bevor ein Ausfall droht, aber während die Anlage geplant stillsteht. Ein weiteres Anwendungsfeld ist die Qualitätssicherung. Bestimmte Parameter des Bauteils oder Produktes werden dabei mit unterschiedlichen Sensoren analysiert: mit hochauflösenden Kameras zum Beispiel bei der Chipherstellung, mit Schwingungsmessern bei Achsen, mit Röntgenstrahlung bei Schweißnähten. Die Systeme werten dann nicht nur die einzelnen Produktdaten, sondern auch alle möglichen Umweltparameter, von der Tageszeit über den Luftdruck bis hin zur Feuchtigkeit, aus. Damit lassen sich die Einflüsse auf die Produktqualität langfristig besser beherrschen.

Start small and Scale

Der Markt für ML-Systeme wird sich nach Expertenmeinung in den nächsten zwei Jahren verdreifachen. Aber: Die Einführung von Machine Learning braucht Zeit. Die Entwicklung und das Training komplexer Modelle und Algorithmen ist selbst bei Verwendung vorgegebener Services eine Frage von Jahren. „Start small and Scale“ ist die Devise, welche Experten bei der Einführung empfehlen. Auf dem Weg zu eigenen ML-Lösungen empfiehlt es sich, zuerst mal in benachbarte Produktionshallen zu schauen. Viele Unternehmen gerade in der Region Stuttgart sind bereit, ihre Erfahrungen und Einschätzungen zu teilen. Im Competenzatlas der IT Region Stuttgart finden Sie zahlreiche Unternehmen aus diesem neuen Technologiefeld.