Maschinenkonnektivität Keine Angst vor Künstlicher Intelligenz in der Produktion

Mit Industrie 4.0 und schließlich Künstlicher Intelligenz sollten sich alle beschäftigen, um den Anschluss nicht zu verpassen. Wie der Status ist und wie man es richtig macht, erklären drei Experten.

Industrie 4.0 ist ein bekannter Begriff und ein breit aufgestelltes Themenfeld. Trotzdem gestaltet sich die ganzheitliche Umsetzung noch schwierig – besonders im sogenannten Brownfield. Moderne Tools bieten aber deutliches Verbesserungspotenzial, das sich sowohl für Nutzer von Maschinen und Anlagen als auch für die Maschinenbauer selbst auswirkt. Das liegt nicht zuletzt an der steigenden Anzahl lukrativer Use Cases. Jedoch sind Unternehmen als Anwender und Umsetzer auch weiterhin mit Herausforderungen, beispielsweise bei der Nachrüstung und Anbindung von Bestandsanlagen, konfrontiert. Um Empfehlungen entwickeln zu können, die die Probleme lösen helfen, wurde zum Abschluss des Forschungsprojekts „EN-AI-BLER – Intelligente Bereitstellung von Produktionsdaten zur Steigerung der Wertschöpfung durch KI-Anwendungen“ eine Befragung zum Status Quo des Umsetzungsgrads von Industrie 4.0 in der Produktion durchgeführt. Analysiert wurden dabei der grundsätzliche Stellenwert, die Kundennachfrage, der Stand im Bereich der Datenaufnahme und -verarbeitung, nebst die damit einhergehenden Hemmnisse und Hürden bei der Digitalisierung.

Das liefern aktuelle Umfrageergebnisse:

Die Nachfrage ist da! Das bestätigen die Antworten bei der Umfrage zum Thema KI in der Produktion. Knapp 80 Prozent der befragten Personen geben an, dass sie mindestens gelegentlich, teilweise sogar regelmäßig von ihren Kunden nach Industrie 4.0 Lösungen in ihren Anlagen gefragt werden (Diagramm 1). Sol ist es wenig verwunderlich, dass auch 85 Prozent der Befragten bereits Daten aus ihren Maschinen im Rahmen von Anwendungsfällen im Bereich Industrie 4.0 verwenden. Dabei werden unterschiedliche Nutzen für die Verwendung der Daten genannt. Häufig werden Kennzahlen ausgewertet und visualisiert, was zur Rückverfolgung von Prozessen sowie zur Qualitätsüberwachung dient. Darüber hinaus wird auch die Datenanalyse von Prozessparametern umgesetzt.