Künstliche Intelligenz Blackboxing vs Whiteboxing: Wovon die Steuerungs- und Automatisierungstechnik profitiert

Die meisten KI-Anwendungen gleichen aktuell tendenziell einer Blackbox, da ihre berechneten Entscheidungen nicht wirklich nachvollziehbar sind. Dem gegenüber steht der Ansatz des Whiteboxing, der entsprechende Berechnungen auch begründet. Was bringt das?

Künstliche Intelligenz (KI) und Machine Learning (ML) haben den gesamten industriellen Bereich und speziell die Steuerungs- und Automatisierungstechnik mit konkreten, praktischen Anwendungsmöglichkeiten erfasst. Die wirtschaftlichen Vorteile entsprechender Lösungen sind für zukunftsorientierte Unternehmen zu einer großen Chance und im Zuge dessen zu einer Notwendigkeit geworden, um den Wettbewerbern einen entscheidenden Schritt voraus zu sein. Denn: Mit Hilfe des maschinellen Lernens können Data Scientists bisher nicht geschlossen lösbare Fragestellungen beantworten, an denen sich klassische Algorithmen die Zähne ausbeißen, da die geschlossene, also vollständige und exakte Berechnung sehr viel Rechenkapazität benötigt.

Darauf aufbauend lassen sich bestehende Prozesse sowie die Prozess- und Produktqualität noch weiter optimieren, Prognosen für die Zukunft ableiten und neue Geschäftsmodelle entwickeln. Als Grundlage für den Einsatz von Machine-Learning-Modellen müssen zunächst alle relevanten Daten von Maschinen, Anlagen und Prozessen, aber auch in Form von Expertenwissen gesammelt werden. Aber dann?