Deep Learning: der „Gamechanger“ für Automatisierung und Produktionseffizienz in der Industrie

Deep Learning wird die Industrie verändern. Maschinen werden Aufgaben übernehmen, die menschliche Intelligenz erfordern. Mit zunehmender Digitalisierung der Prozesse und der Datenerfassung in Unternehmen wird der Einsatz von Deep Learning ebenfalls zunehmen und eine wirksamere Zusammenarbeit zwischen Mensch und Maschine ermöglichen. Das wird die Automatisierung und Produktion revolutionieren und führt zu effizienteren und präziseren Entscheidungsprozessen sowie höherer Produktivität bei gleichzeitig deutlich niedrigen Entwicklungsaufwänden.

In unserem Podcast „SICKnificant“ haben wir mit Dr. Christoph Eichhorn, Strategischer Produktmanager für digitale Dienste und Lösungen, über die Möglichkeiten von Deep Learning gesprochen, darüber, Menschen zu von ermüdenden Aufgaben zu entlasten und die Qualität zu erhöhen.

Dr. Christoph Eichhorn, Strategischer Produktmanager für digitale Dienste und Lösungen bei SICK.

Deep Learning als Teilbereich der Künstlichen Intelligenz und des maschinellen Lernens hat in den letzten Jahren aufgrund der steigenden Verfügbarkeit von Daten und Rechenleistung zunehmend an Bedeutung gewonnen. Die Technologie revolutioniert die Automatisierung in Produktion und anderen Bereichen, in dem sie Maschinen befähigt, Aufgaben zu erfüllen, die bisher menschliche Intelligenz erforderten. Dr. Christoph Eichhorn, verantwortlich für KI-Lösungen bei SICK, erklärt das so: „Deep Learning ist ein Teilbereich des maschinellen Lernens. Dafür werden künstliche neuronale Netze verwendet, sogenannte ‚deep neural networks‘, die in der Lage sind, auch komplexe Situationen zu bewältigen. Diese können komplizierte Entscheidungsprozesse, beispielsweise in der Qualitätskontrolle übernehmen und ermöglichen es Unternehmen, immer mehr Prozesse zu automatisieren und zu digitalisieren. Damit heben sie die Effizienz in der Produktion auf ein neues Level.“

Digitalisierung und künstliche Intelligenz

Lagererkennung von Holzbrettern nach Jahresringmuster.

Das Konzept der Digitalisierung in der Industrie hat sich in den letzten Jahren enorm weiterentwickelt. Daten von Sensoren wie auch aus anderen Quellen, die bislang hauptsächlich zur unmittelbaren Prozesssteuerung genutzt wurden, werden im Zuge der Digitalisierung gespeichert – sind somit auf einem abstrakteren Level verfügbar. Die Daten zu erheben, reicht nicht. Künstliche Intelligenz spielt eine wichtige Rolle, wenn es darum geht, aus diesen Daten die Essenz zu extrahieren, die zu einer weiteren Optimierung führen kann.

Beispielhaft hierfür ist eine Applikation aus der Holzindustrie, in welcher mit mehreren Gigabytes an Trainingsdaten ein neuronales Netz trainiert werden konnte, dass Entscheidungen akkurater, schneller und ausdauernder trifft als dies mit dem menschlichen Auge möglich ist. Dieses Netz ist dabei kleiner als ein Megabyte und greift dennoch auf einen riesigen Erfahrungsschatz zurück. Das Konzept lässt sich auf beliebig viele Anwendungsfälle übertragen.

Mehrwert KI-basierter Automatisierung

Es braucht aber nicht immer so große Datenmengen, um aus künstlicher Intelligenz einen Nutzen zu ziehen. Die Umsetzung von Deep Learning-Projekten kann sehr unterschiedlich ausfallen und hängt von individuellen Kundenanforderungen ab. Diese Anforderung und Erwartung zu formulieren ist nicht immer leicht, allerdings Voraussetzung für den erfolgreichen Einsatz künstlicher Intelligenz. „Einfach ausgedrückt: man kann auch mit KI nur das gewünschte Ergebnis bekommen, wenn man weiß, was man will. Ist das geklärt, erwarten alle Kunden eine einfache und flexible Lösung für ihr Problem“, so Eichhorn.

„Dank KI können unsere Kunden Aufgaben selbst automatisieren, die in der Vergangenheit äußerst schwer zu automatisieren waren. Gute Beispiele dafür sind Qualitäts- und Montagekontrollen mit reflektierenden Teilen, die Prüfung von Lötstellen oder das Sortieren von Naturprodukten. Dies sind meist mühsame Arbeiten, die viel kostbare Zeit von fachkundigem Personal in Anspruch nehmen und deshalb oft nur stichprobenartig durchgeführt werden.“

VIDEO: Artificial Intelligence solutions – the power of automation | SICK AG

Training von künstlichen neuronalen Netzwerken

Durch den Einsatz von Deep Learning erlebt die Automatisierung einen Paradigmenwechsel. Statt auszumachen, welche Details für eine Entscheidung relevant sind, um eine Reihe von konkreten Regeln vorzugeben, werden Beispiele genutzt. Der Algorithmus lernt selbständig, Entscheidungen zu treffen. „Wir trainieren eine Lösung, anstatt sie zu programmieren, was deutlich schneller und effizienter ist. Wichtig ist jedoch zu betonen, dass Deep Learning keine Alternative zur menschlichen Expertise darstellt. Diese bleibt notwendig, um das volle Potenzial der Technologie auszuschöpfen. Deep Learning unterstützt und erweitert die menschlichen Fähigkeiten“, erklärt Eichhorn und schließt: „Dank unserer einfach zu bedienenden Deep-Learning-Tools können Anwender, die ihre Problemstellung kennen, diese auch ohne tiefere Programmierkenntnisse selbständig lösen. Denn nur sie wissen, worauf es bei der Lösung ankommt – und worauf nicht – und können passende Trainingsbeispiele besser als jeder andere aussuchen. Mit unseren Tools können sie das Training einer künstlichen Intelligenz ganz intuitiv starten und damit eine äußerst spezifische und individuelle Aufgabe lösen.“