Im Rahmen von Industrie 4.0 soll künstliche Intelligenz Fertigungsprozesse intelligenter sowie effizienter machen und dadurch die Wertschöpfung der Produktion erhöhen, die Produktivität und den Umsatz steigern. Obwohl Anwendungsfälle wie vorausschauende Wartung oder digitale Zwillinge bereits in der Industrie zum Einsatz kommen, ist die Mitwirkung am enstprechenden Projekt oft noch auf die Datenteams des Unternehmens beschränkt. Dabei bringt gerade die Einbindung aller Mitarbeiter in KI-Projekte großes Potenzial, sagt Rachel Boskovitch, Expertin der Enterprise-AI-Plattform Dataiku.
Synergien durch Demokratisierung
Einer der größten Use Cases von KI in der Industrie ist die vorausschauende Wartung. Sie hat das Ziel, den Austausch oder die Wartung von (Verschleiß-) Teilen auf Grund von Daten bereits anzuzeigen, bevor diese ausfallen. So kann die Lebensdauer optimiert und gleichzeitig Qualitätsstandards in der Produktion gewährleistet werden. Dieser Use Case eignet sich auch um andere Teams einzubinden – beispielsweise die Techniker in der Produktion. Diese können über ein gemeinsames Dashboard in einer zentralen Plattform direkt am Projekt partizipieren. Mit einem visuellen Entscheidungstool werden sie befähigt, direkt selbst zu erkennen, wann Teile gewartet oder ausgetauscht werden müssen. Gleichzeitig eröffnet diese Demokratisierung des Datenzugangs neue Möglichkeiten der Dateneinspeisung, denn neben Daten aus dem IoT können weitere Datenquellen, wie beispielsweise manuelle Daten aus der menschlichen Inspektion einbezogen und vom Modell verwendet werden, um noch präzisere Vorhersagen zu treffen. Mittels AutoML-Funktionen können duzende Algorithmen direkt in einer gemeinsamen Oberfläche verglichen werden und Modelle mit einem Klick bereitgestellt werden, gleichzeitig verhindern robuste Modellüberwachungsfunktionen ein Abdriften des Modells.
Qualitätssicherung
Auch im Bereich der Qualitätssicherung bietet die Zusammenarbeit von Mensch, Technologie und Daten, die im Zuge der Demokratisierung von KI erreicht wird, neue Möglichkeiten. Dabei werden beispielsweise Sensordaten aus der Produktion von einem Modell genutzt, das den Prozentsatz an Ausschuss misst. Ist dieser zu hoch, werden Techniker aus der Produktion informiert und können Gegenmaßnahmen ergreifen und damit Produktionsausfälle vermeiden oder abmindern. Diese Demokratisierung und die gemeinsame Arbeit auf einer zentralen Plattform kann die Zusammenarbeit vertiefen. So können die Fachkenntnisse aus dem Fertigungsbereich mit der Expertise des Datenwissenschaftlers kombiniert werden, woraufhin wiederum das Modell verbessert werden kann, während Analysten und MLOps-Spezialisten direkt mit eingebzogen werden können. Weil alle Stakeholder auf Daten zugreifen und diese visuell aufbereiten können, werden neue Erkenntnisse gewonnen, gleichzeitig bleibt bei Aktualisierungen des Modells alles auf dem aktuellen Stand.
Zwei Faktoren
Die Basis der Demokratisierung von KI in der Industrie bilden dabei also vor allem zwei Faktoren: Einerseits können Datenprojekte auf einer zentralen Plattform allen Unternehmensbereichen zugänglich gemacht werden, andererseits werden sämtliche am Projekt beteiligten Teams durch die Etablierung einer zukunftsfähigen KI-Kultur befähigt, sich aktiv an den Prozessen zu beteiligen. Auf der zentralen Plattform zur Arbeit mit Daten und KI werden sämtliche Datenprojekte abgebildet – inklusive der zugehörigen Datensätze, Funktionen und Metriken. Wichtig ist dabei die Aufbereitung der Daten in visueller, einfacher Form – also einer einheitlichen Sprache, die das Vorgehen bei Datenprojekten schrittweise beschreibt und gesamte Prozesse so dokumentiert, dass sie für sämtliche Mitarbeiter innerhalb des Unternehmens nachvollziehbar ist. Gleichzeitig kann eine gemeinsame Plattform zu einer verbesserten Data Governance beitragen. Modelle werden nicht mehr in lokalen und oftmals intransparenten Umgebungen, wie beispielsweise den Rechnern einzelner Datenwissenschaftlern, abgewickelt. Die Herkunft, Beschaffenheit, Aufbereitung und Verwendung der Daten sind damit immer einsehbar. Auch die Kommunikation findet in einer sicheren Umgebung statt – anstelle unübersichtlicher Mails sind kritische Daten und Feedbacks direkt in der Plattform einsehbar, gehen nicht verloren und halten alle Beteiligten auf dem aktuellen Stand. Eine besondere Bedeutung kommt dieser Art der Zusammenarbeit auch zu, wenn produzierende Unternehmen Daten aus verschiedenen Standorten verwenden. Diese können einfach eingespeist, visualisiert und dann gemeinsam genutzt werden.