KI für die Cloud Wenn die Cloud selbst entscheidet

Für viele Unternehmen ist die Cloud bereits essentieller Bestandteil der täglichen Arbeit. Daher stellt sich die Frage: Wie lässt sich die Servicequalität in der Cloud erhöhen? Die Erfassung und Auswertung von Infrastruktur-Telemetrie-Daten und selbstlernende Algorithmen könnten eine Antwort sein.

Die digitale Transformation bringt vor allem eines mit sich: jede Menge Daten. Die aktuellen Entwicklungen in den Bereichen Industrie 4.0 und Internet of Things zeigen schon jetzt beispielhaft, was mit Hilfe von Daten alles möglich ist. Sensoren an Maschinen und Geräten erfassen Temperaturen, Einsatzzeiten, Verschleiß und andere Zustandsdaten und senden diese an ein Daten-Analyse-System. Systematisch in Korrelationen gebracht, lassen sich damit ganze Produktionsumgebungen steuern und optimieren. Und nicht nur das: Wenn es gelingt, Algorithmen zu entwickeln, die aufgrund zuvor gelernter Zusammenhänge fundierte Entscheidungen treffen, sind unzählige Anwendungsszenarien denkbar.

Besonders das Konzept der Predictive Maintenance verspricht interessante Möglichkeiten: Hinter dem Ansatz verbirgt sich die Frage, wann genau der optimale Zeitpunkt ist, ein Bauteil zu warten oder zu erneuern. Die reaktive Wartung – also der Austausch eines Bauteils oder Geräts dann, wenn es kaputt ist – reizt zwar die maximale Lebensdauer aus, verursacht aber Unannehmlichkeiten im laufenden Betrieb. Es kann zum Produktionsstillstand kommen, schlimmstenfalls muss das defekte Teil erst angeschafft werden. In Geschäftsumgebungen, in denen Stillstand oder Ausfälle nicht hinnehmbar sind, wird in Intervallen gewartet. Je nach technischen Daten oder Erfahrungswerten wird die Wartung in regelmäßigen Abständen an die Prozesse angepasst. Der Vorteil: Auszutauschende Bauteile können rechtzeitig vorher bestellt und teure Stillstandzeiten vermieden werden. Doch die Geräte selbst sind zu diesem Zeitpunkt praktisch oft noch einsatzfähig. Hier setzt Predictive Maintenance an, um den optimalen Wartungszeitpunkt zu finden, der sich aufgrund von aktuellen Zustandsdaten berechnen lässt. Bestenfalls sollte ein Bauteil also dann getauscht werden, wenn es am Ende seiner Laufzeit angekommen, aber noch nicht kaputt ist.