Kognitive Produktion

Kompetenzaufbau im Bereich Künstlicher Intelligenz mit Fokus auf die Produktion

Künstliche Intelligenz (KI) braucht kompetente Mitarbeitende, aber auch kompetente Entscheidungsträger. In diesem Beitrag erfahren Sie, welche Möglichkeiten zum Kompetenzaufbau es im Bereich Künstlicher Intelligenz gibt und welche Besonderheiten KI in der Produktion ausweist.

Künstliche Intelligenz braucht kompetente Mitarbeitende und Entscheidungsträger

Unter Künstlicher Intelligenz versteht man im Allgemeinen die Idee, Rechner mit Fähigkeiten auszustatten, die intelligentem (menschlichen) Verhalten ähneln können. Statt jedes Mal neu programmiert zu werden, kann KI selbstständig richtige Antworten finden und Probleme lösen. Die allseitige Verbreitung Künstlicher Intelligenz (KI)  bleibt ein wichtiger Trend der technologischen Entwicklung auch in den kommenden Jahren. Laut BMBF wird KI sogar die Gesellschaft verändern: „Sie wird Chancen eröffnen, birgt aber auch Risiken“.  Die Fähigkeit, mit den Methoden der Künstlichen Intelligenz umzugehen, wird dabei zu einer der wichtigsten Kompetenzen in der Industrie werden müssen. In letzter Zeit stehen sowohl Arbeitnehmer als auch Arbeitgeber zunehmend vor der Frage: Was sind eigentlich die besten Möglichkeiten, die wichtigsten KI-Kompetenzen in einem sich schnell verändernden Arbeitsmarkt und auch bei den sich schnell verändernden KI-Technologien aufzubauen bzw. zu erweitern?

Möglichkeiten zum Kompetenzaufbau

Klar, es gibt unterschiedliche Optionen zum Aufbau von KI-Kompetenzen, wie etwa:

  • Selbststudium mit Hilfe vorhandener Literatur sowie Online-Lernplattformen. Auf Plattformen wie Coursera, Udemy, aber auch vielen anderen Seiten finden Sie viele Videos, Lerneinheiten sowie ganze Kurse, mit denen Sie die wichtigsten Trends und Techniken der Künstlichen Intelligenz erlernen können. Der Vorteil dieser Wahl ist die reichhaltige Möglichkeit, alle möglichen Methoden der KI bzw. des maschinellen Lernens zu erlernen. Der Nachteil: Die Spezifika des Einsatzes von Künstlicher Intelligenz in den industriellen Anwendungen werden in solchen Lerneinheiten und Kursen kaum berücksichtigt. 
  • Teilnahme an spezialisierten Schulungen und Workshops, die von Institutionen und Forschungseinrichtungen angeboten werden, die selbst Systeme der Künstlichen Intelligenz entwickeln. Der Vorteil hier ist der enge Kontakt mit dem Trainer, direkter Anschluss an die modernen Trends der KI in der Produktion und die Möglichkeit, im Anschluss eine KI-Anwendung im eigenen Unternehmen zu diskutieren. Der Nachteil dieser Art von Training ist die Notwendigkeit der vollen Konzentration während des gesamten Workshops oder Schulung.
Was ist beim KI-Kompetenzaufbau zu beachten?

Die Wahl der jeweiligen Option hängt zum einen davon ab, wie viel Zeit Sie in das Aufbauen dieser Kompetenz investieren wollen und zum anderen, über welche finanziellen Möglichkeiten Sie verfügen. Vor allem aber hängt es davon ab, wie wichtig Ihnen der Produktionskontext ist. Wenn der Einsatz von KI in der Produktion für Sie von überragender Bedeutung ist, dann empfehle ich Ihnen, sich zunächst zu überlegen, worauf es bei einer KI-Schulung genau ankommt. Der Einsatz von KI in der Produktion weist eine Reihe von Besonderheiten auf, welche sich im Vergleich zu vielen anderen Anwendungsbereichen stark unterscheiden.

KI in der Produktion: Was ist da besonders?

Die Hauptmerkmale des Einsatzes von KI in der Produktion sind:

  • Hohe Anforderungen an die Sicherheit und Qualität der KI-Lösung. Es ist klar, dass der Unterschied in den Kosten eines Fehlers im Betrieb eines Spam-Filters und im Betrieb einer technischen Anlage sehr groß sein kann, bis hin zu einem kritischen Zustand des Prozesses im letzteren Fall.
  • Die Notwendigkeit einer sorgfältigen Vorverarbeitung der Daten vor der eigentlichen Verwendung. Die Daten, die zum Trainieren von KI-Modellen in der Industrie verwendet werden, müssen zunächst akquiriert werden. Die von den Sensoren, aus den Steuerungen aber auch aus vielen anderen Quellen erfassten Daten sind leider in den meisten Fällen verrauscht, unvollständig oder enthalten Ausreißer bzw. schlicht falsche Werte. All diese Probleme müssen erst korrigiert werden, bevor sie zum Training der KI-Modelle verwendet werden können. Natürlich benötigen die KI-Systeme auch in der Einsatzphase die korrekten Daten, um selbst korrekt zu arbeiten – wie das bekannte Prinzip „Garbage in – Garbage out“ besagt.
  • Bei der Auswahl eines bestimmten Lernalgorithmus oder einer bestimmten KI-Modellart spielen die Eigenschaften des zugrunde liegenden technischen Prozesses, der in einer bestimmten technischen Anlage abläuft, eine entscheidende Rolle. Die wichtigste Eigenschaft des Prozesses ist seine dynamische Charakteristik. Nicht alle KI-Algorithmen können z. B. die dynamischen Eigenschaften des Steuerungsobjektes richtig abbilden. So ist z. B. die Anwendung von weit verbreiteten KI-Regressionsmodellen im Fall eines hochdynamischen Prozesses nicht immer zielführend.

Fortsetzung folgt…

Wenn Sie die Besonderheiten von KI-Anwendung in einer industriellen Umgebung kennen, können Sie die typischen Anwendungsfehler vermeiden und sind in der Lage abzuschätzen, welche KI-Einsatzmöglichkeiten unter Berücksichtigung Ihrer spezifischen Produktionsbedingungen die Besten sind. In einem meiner nächsten Beiträge möchte ich gern beleuchten, wie ein optimaler Workshop zum Thema Maschinelles Lernen für die Industrie aufgebaut sein sollte und welche Workshops zum Thema KI in der Produktion Ihnen das Fraunhofer IWU anbieten kann.


Titelbild: © Pixabay

Alexander Dementyev

Dr.-Ing. Alexander Dementyev
Wissenschaftlicher Mitarbeiter
Abteilung "Digitaler Produktions-Zwilling"

Fraunhofer IWU
Pforzheimer Str. 7a
01189 Dresden

Telefon: +49 351 4772-2622
E-Mail: alexander.dementyev@iwu.fraunhofer.de

Kommentar hinzufügen

Alexander Dementyev

Dr.-Ing. Alexander Dementyev
Wissenschaftlicher Mitarbeiter
Abteilung "Digitaler Produktions-Zwilling"

Fraunhofer IWU
Pforzheimer Str. 7a
01189 Dresden

Telefon: +49 351 4772-2622
E-Mail: alexander.dementyev@iwu.fraunhofer.de

Alle Beiträge