Aus AI World:Hersteller bereiten sich darauf vor, KI in ihr IoT aufzunehmen

IoT-erweiterte KI bietet Herstellern drei Hauptvorteile:Lieferkettenoptimierung, intelligente Fertigung und Produkt- oder Dienstleistungsinnovation,

Es strömt jetzt eine Fülle von Daten aus den zahlreichen Ecken des IoT ein, daher ist es nur natürlich, über Möglichkeiten nachzudenken, wie künstliche Intelligenz (KI) angewendet werden kann, um dem Unternehmen wertvolle Erkenntnisse zu liefern. Für Hersteller kann dies ein entscheidender Faktor sein, der die Kosten drastisch senkt und ihren Einstieg in das Dienstleistungsgeschäft beschleunigt. Viele stehen jedoch erst am Anfang dieser Reise.

Die bevorstehende Konvergenz zwischen IoT und KI wurde auf einem Panel auf der jüngsten AI World-Konferenz in Boston untersucht, moderiert von Les Yeamans, Executive Editor von RTInsights.

Siehe auch: Deutschland verwandelt die Fertigung in eine IoT-Kunstform

Das Potenzial für IoT-erweiterte KI bringt Herstellern derzeit drei Hauptvorteile – Optimierung der Lieferkette, intelligente Fertigung und Produkt- oder Dienstleistungsinnovation, sagte Reid Paquin, Forschungsdirektor bei IDC. Derzeit, fügte er hinzu, „fangen die meisten Unternehmen mit intelligenter Fertigung an und konzentrieren ihre Investitionen. Dies gilt insbesondere für die Prozessfertigung, insbesondere das Asset Management.“ Auf der Seite der diskreten Fertigung, sagt er, „sind Produkte und Dienstleistungen die große Chance – viele Hersteller versuchen, Produkte schneller auf den Markt zu bringen, versuchen dann aber auch, ihre Produkte auf Service-Mixe umzustellen und auf Servitization umzusteigen.“

Der Wechsel zu einem daten- und KI-gesteuerten Unternehmen kann für viele Hersteller einige Zeit in Anspruch nehmen, waren sich die Diskussionsteilnehmer einig. „In jedem Data-Science- oder KI-Projekt besteht der erste Schritt darin, Ihre Daten zu sammeln und zu organisieren“, sagte Zachariah Eslami, Delivery Leader, Data and AI Expert Labs and Learning für IBM. Die Herausforderung besteht darin, Daten aus unterschiedlichen Teilen des Unternehmens zusammenzuführen, stellte er fest. „Das Problem ist der Input aus Daten und Datensammlungen, Warehouses sind oft auf verschiedene IT-Gruppen verteilt, verschiedene Teams, die sie ohne ein einziges Repository oder einen Wissenskatalog verwenden, sodass Sie die Daten nehmen und verteilen und bearbeiten können, um diese Erkenntnisse zu extrahieren daraus.“

Eine weitere Herausforderung für IoT-KI-Projekte sei ein allgemeiner Mangel an Fähigkeiten, fuhr Eslami fort. „Das bedeutet sowohl, sich an die Informatik anpassen zu können, Python- oder R-Notebooks zu verstehen, zu lernen und zu verwenden, als auch wirklich ein klares Verständnis dafür zu bekommen, was es heißt, Daten zu bereinigen, vorzubereiten und dann mit der Analyse zu beginnen damit Sie darauf Maschinenmodelle bauen können.“

Wenn es darum geht, die KI-Reise zu beginnen, „hängt Ihre Position davon ab, wo Sie sitzen“, sagte Ryan Martin, leitender Analyst bei ABI Research. „Wenn Sie eine Produktionsstätte besitzen, die eine anständige Größe hat – ein paar hunderttausend Quadratmeter –, beginnen Sie mit Zustandsüberwachung oder Asset-Tracking. Asset-Tracking wird bei weitem am relevantesten sein, da es die Kosten senkt, es hilft Unternehmen bleiben organisiert.“ Predictive Maintenance ist ein weiterer Ansatzpunkt, denn „es macht keinen Sinn, jeden Monat jemanden loszuschicken, um all die verschiedenen Feuerlöscher zu inspizieren, wenn nur vier davon ausgetauscht werden müssen.“

Paquin stimmte zu, dass Asset Management ein guter Ausgangspunkt für IoT-gestützte KI ist, zusammen mit visionsbasierten Qualitätssystemen. Darüber hinaus „versuchen alle großen ERP-Anbieter, KI in ihre Anwendungen einzubinden, insbesondere in die Finanz- und Planungsseite.“

Die Podiumsteilnehmer diskutierten auch den Einsatz digitaler Zwillinge für die Fertigung, sei es die Implementierung eines digitalen Zwillings für ein Teil, für eine Maschine, für eine ganze Fabrik oder für die Produkte in einer Fabrik. „Die Fertigung ist ein sehr großer Bereich für digitale Zwillinge“, sagte Eslami. „Die NASA hat zuerst mit der Implementierung begonnen, GE macht es für Düsentriebwerke, Siemens macht es für alternative Energien, Chevron macht es für die Ölfeldverteilung. „Das Tolle an digitalen Zwillingen ist, dass ihnen allen ein Modell zugrunde liegt, das Daten nimmt und verschiedene Umstände und Situationen testen kann. Mit KI können Sie mehrere Variablen in Echtzeit eingeben und testen, die Leistung anpassen und sehen, wie sich das im Laufe der Zeit verhält. Das ist eine enorme Kostenersparnis.“

Die bevorstehende Einführung von 5G-Netzen – die Echtzeit-Maschine-zu-Maschine-Netzwerke besser erleichtern werden – wurde ebenfalls untersucht. „5G wird so passieren, als ob 4G schneller herauskommen würde als 3G, 5G wird schneller kommen als 4G“, prognostizierte Martin. „Das Interessante an 5G sind die damit verbundenen Fähigkeiten – deterministische Vernetzung. Das heißt:‚Okay, es ist wichtiger, diesem Roboter zu sagen, dass er anhalten soll, als dass der Vibrationssensor weiterläuft.‘ Das wird später mit der 5G-Spezifikation kommen, im Zeitrahmen von 2021 bis 2025.“

Martin fügte hinzu:„Es wird eine Weile dauern, bis Sie wirklich anfangen, die Dinge zu sehen, aber die frühen Versuche, die wir mit 5G sehen, sind unglaublich überzeugend, die Technologie hält, was sie verspricht, es geht nur darum, die richtigen Standards festzulegen darum herum und bringt es auf den Markt. „