Künstliche Intelligenz & Data Science
in Produktion und Automation

Künstliche Intelligenz & Data Science (KIDS) gelten als starke Technologietreiber für smarte Fabriken nach dem Leitbild von Industrie 4.0, indem sie Wissen aus Daten generieren. Im gesamten Produktionsumfeld können Anlagen, Maschinen, Roboter und Geräte durch intelligente Steuerungen und Vernetzung optimiert werden, und so zu einer besseren Produktqualität und letztlich zu mehr Wertschöpfung innerhalb der Produktionskette führen. Im Sinne einer vorausschauenden Wartung können durch KIDS Anlagenausfälle vermieden und Stillstände geeignet geplant werden. Mithilfe von KIDS können Produktionsanlagen ressourcen- und energieeffizient betrieben werden, wenn deren Auslastung gemäß entsprechender Parameter optimiert wird. Dies sind nur wenige Beispielszenarien, bei denen KIDS einen wesentlichen Beitrag leistet zu mehr Nachhaltigkeit, Effizienz und Kundenzufriedenheit.

Klassische ML-Verfahren

Das Herzstück von KI-Systemen sind Algorithmen, die auf eine Datenbasis angewendet werden oder, die aus Erfahrung über eine Rückmeldung aus der Umwelt, in der sie agieren, lernen. Dabei wird zwischen dem überwachten Lernen (Supervised Learning), dem unüberwachten Lernen (Unsupervised Learning) und dem bestärkenden Lernen (Reinforcement Learning – RL) unterschieden. Die genannten Lernverfahren werden im Allgemeinen auch als maschinelles Lernen (Machine Learning – ML) bezeichnet. Darunter fällt auch die Programmierung von künstlichen neuronalen Netzen (KNN) jeglicher Struktur und Architektur in Abhängigkeit von der jeweiligen Aufgabenstellung. Auch Ansätze mit der Kopplung von klassischen Lernverfahren mit spieltheoretischen Konzepten wurden erfolgreich auf Multi-Agenten Systemen, wie sie in dezentral aufgebauten Automatisierungssystemen vorkommen, getestet.

Klassische ML-Verfahren gekoppelt mit Konzepten aus der Spieltheorie

Als FMDauto können wir mit unserer Kompetenz im KIDS-Bereich und mittels der vorhandenen Rechenressourcen in unseren Laboren KI-Systeme mit allen bestehenden Lernverfahren und Lernzielen konzipieren, programmieren, implementieren und weiterentwickeln. Dabei können wir unterschiedliche Programmiersprachen (z.B. Python) verwenden. Auch die Implementierung auf bestehende ressourcenbeschränke HW-Systeme, wie z.B. SPSen, ist machbar.

Wir unterstützen Sie gerne im Rahmen von Forschungsprojekten in der Entwicklung und Realisierung von intelligenten Lösungen für Ihren spezifischen Anwendungsfall.