Die tatsächliche Auswirkung von Künstlicher Intelligenz in der Fertigung

Mein Instinkt sagt mir, wir brauchen ein Gefühl der Dringlichkeit beim Einsatz von künstlicher Intelligenz (KI) in der Fertigung.

Die Dringlichkeit wird dadurch getrieben, wie schnell Technologie sich heute bewegen kann, und wie ein unerwarteter Durchbruch schnell dominieren kann. KI wird in Gesichtserkennung, Umwandlung von Sprache in geschriebenes Wort und beim Gewinnen von Schachpartien eingesetzt. Sicherlich muss es eine Horde potenzieller Anwendungen in der Fertigung geben.

Während ich zuvor schrieb, dass ich denke, die Realität von KIs „Intelligenz“ sei komplexe Mathematik, bekam ich eine erhellendere Sicht, als ich diese Ansicht einem echten Experten darlegte. Seiner Meinung nach müssen wir KI in weiteren Begriffen denken. „Es ist fair zu sagen, es ist Mathematik, aber es ist leicht, zu sehr an der Mathematik hängen zu bleiben, weil es wirklich mehr um die Daten geht“, erklärte Oliver Christy, Gründer von Foxy Machine, einer KI-Beratungs- und Strategiefirma mit Sitz in New York City. „KI lässt uns neue Fragen mit Daten in jeder Situation stellen.“

Aber sogar sich auf Daten und Mathematik zu beschränken, ist, nun ja, begrenzend. Eine dritte Überlegung muss das Geschäftsproblem sein – was ist die Situation, die Sie betrachten, und welche Werkzeuge sind verfügbar, laut Christy. „Sie müssen jedes gegebene Problem aus allen drei Ansätzen betrachten“, erklärte er. „Mathematik, Daten und das Problem selbst. Diese ganzheitliche Sichtweise [kann] Ihnen eine robuste Lösung geben.“

Er denkt auch, dass die Fertigung reif für KI-Anwendungen ist. „Einige der einfachsten Probleme für KI liegen in der Lösung von Sicherheits- und Fertigungsrisiken“, sagte er. „Wir haben jetzt KI-Systeme, die in riesigem Maßstab verstehen können, welche Risiken es geben könnte und wie man Sicherheit verbessert.“ Der Einsatz von Bilderkennungstechniken in der Qualitätskontrolle ist ein weiterer leichter Gewinn. Eine Anwendung, an der Christy kürzlich arbeitete, trainierte ein KI-System, die Qualität von Stahl nach dem Wärmebehandeln zu erkennen und Proben zu kennzeichnen, die Anlass zur Sorge geben könnten. Die Proben wurden dann von einem Menschen genauer untersucht.

Er betonte einen Schlüsselpunkt darüber, wie KI am besten eingesetzt werden könnte – den Qualitätskontrolleur zu erweitern, nicht zu ersetzen. Mit digitalen Bildern kann ein KI-System viel mehr Proben ansehen und kennzeichnen als ein Mensch ohne Ermüdung. Aber im Stahlqualitätsfall konnte es nicht den endgültigen menschlichen Touch liefern, um sicherzustellen, dass es gut war oder nicht. Er erzählte, wie ein ähnliches System zum Finden von Hautkrebs besser abschnitt als ein trainierter Onkologe, aber das KI-System in Kombination mit dem Onkologen noch besser abschnitt als beide allein. „Genau derselbe Ansatz sollte in der Fertigung angewendet werden, wo Maschinensysteme und Menschen Hand in Hand arbeiten könnten“, sagte er.

Wendepunkt in der Rechenleistung

Zurück zu meinem Gefühl der Dringlichkeit. Ein Großteil der heutigen KI-Technologie ist nicht neu. Das Konzept, Computer einzusetzen, um menschliche Fähigkeiten nachzuahmen statt nur als Rechenmaschinen, existiert so lange wie Computer selbst. Aber ein Wendepunkt in Rechenleistung und Daten macht es dringend relevant. „Als ich vor 20 Jahren anfing, limitierten die Kosten für Rechenleistung und Daten [mögliche] Anwendungen“, sagte Christy. „Jetzt haben wir riesige Mengen gemischter Daten und sehr günstige Rechenleistung. Ich habe Zugriff auf Million-Dollar-Computer, direkten Zugriff auf Technologie wie IBMs Watson, die fast nichts kostet.“ Dazu kommt Open-Source-KI-Software wie Googles TensorFlow, die effektiv kostenlos nutzbar ist, und wir haben einen „perfekten Sturm aller Komponenten, die nötig sind, um KI zu bauen und zu nutzen“, sagte Christy.

Er glaubt, dass KI leicht zum nächsten Wettbewerbsvorteil werden kann. Allerdings kann es einschüchternd sein. Sein Rat? Klein anfangen. Ein kleines Team aufbauen, anfangen, Daten um ein Pilot-Geschäftsproblem zu sammeln, und lernen, wie die besten Ansätze ein Fertigungsproblem lösen können. „Aber fangen Sie heute an“, sagte er.