Grundlagen
IoT-Basics: Machine Learning in der Smart Factory

Von Jürgen Schreier 16 min Lesedauer

Künstliche Intelligenz, Machine Learning, Deep Learning. Was steckt hinter diesen Buzzwords und wo liegt der Nutzen von KI und maschinellem Lernen? Der Beitrag erläutert die relevanten Methoden und Algorithmen und skizziert den Einsatz in der intelligenten Fabrik.

Maschinelles Lernen kombiniert Methoden der Statistik, Informatik und Mathematik mit dem Ziel, Softwaresysteme zu konstruieren, die automatisch aus Daten lernen können.(Bild:   / CC0)
Maschinelles Lernen kombiniert Methoden der Statistik, Informatik und Mathematik mit dem Ziel, Softwaresysteme zu konstruieren, die automatisch aus Daten lernen können.
(Bild: / CC0)

Rund um das Thema «maschinelles Lernen» (Machine Learning) existieren meist englische Begriffe wie Supervised & Unsupervised Learning, Deep Learning, Classification, Regression, Features, Training & Test Data, Validation – und damit ist nur ein Bruchteil der bekanntesten genannt. Werden die Namen der Algorithmen hinzugenommen, die zum Teil aus Akronymen bestehen, ist die Verwirrung komplett.

Im Folgenden werden die wichtigsten Grundbegriffe und Algorithmen des maschinellen Lernens erklärt. Zunächst jedoch wird der Begriff maschinelles Lernen eingeführt. Anschließend wird eine virtuelle Smart Factory (intelligente Fabrik) errichtet, in der die verschiedenen Verfahren zu Klassifikation, Regression und Clustering anschaulich erklärt werden. Bereits mit diesem Basiswissen über diese drei Hauptverfahren können erste Ideen selbstständig für das nächste Analytics-Projekt abgeleitet werden. Für weitere Inspirationen werden im nächsten Kapitel Anwendungsgebiete für Industrial-Analytics-Projekte aufgezeigt.