[English] Siemens möchte mit der neuen Version der Software-as-a-Service-Lösung Senseye Predictive Maintenance die Interaktion zwischen Mensch und Maschine sowie die vorausschauende Wartung effizienter machen. Dazu werden bewährte maschinelle Lernfunktionen mit generativer KI erweitert.

Senseye Predictive Maintenance nutzt künstliche Intelligenz und maschinelles Lernen, um automatisch Modelle für das Verhalten von Maschinen und Wartungsmitarbeitern zu generieren und so die Aufmerksamkeit und das Fachwissen der Benutzer dorthin zu lenken, wo sie am meisten benötigt werden. Basierend auf dieser Grundlage wird nun eine generative KI-Funktionalität eingeführt. Diese hilft Anwendern dabei, vorhandenes Wissen aus allen ihren Maschinen und Systemen zu nutzen und die richtige Vorgehensweise auszuwählen, um die Effizienz der Wartungsmitarbeiter zu steigern.

Derzeit werden Maschinen- und Wartungsdaten von Algorithmen für maschinelles Lernen analysiert. Die Plattform präsentiert den Nutzern Benachrichtigungen in statischen, in sich geschlossenen Fällen. Die konversationelle Benutzeroberfläche (UI) von Senseye Predictive Maintenance bietet eine hohe Flexibilität und Zusammenarbeit. Mit wenig Konfigurationsaufwand ermöglicht sie einen interaktiven Dialog zwischen dem Benutzer, der KI und den Wartungsexperten. Dies rationalisiert den Entscheidungsprozess und macht ihn effizienter und effektiver.

Von Predictive Maintenance zu Prescriptive Maintenance

Die generative KI scannt und gruppiert die erfassten Fälle sprachenunabhängig in der App. Dadurch kann sie gezielt nach ähnlichen Fällen aus der Vergangenheit und deren Lösungen suchen, um Kontext für aktuelle Probleme zu liefern. Es ist auch möglich, Daten aus verschiedenen Wartungsprogrammen zu verarbeiten. Zur Sicherheit der Kundendaten werden alle Informationen in einer privaten Cloud-Umgebung verarbeitet.

Damit die generative KI die Daten in umsetzbare Erkenntnisse umwandeln kann, ist die Datenqualität nur bedingt entscheidend. Mit wenig Konfigurationsaufwand können auch Wartungsprotokolle und Notizen zu früheren Fällen berücksichtigt werden. Durch eine bessere Kontextualisierung der vorliegenden Informationen ist die App in der Lage, nicht nur Anomalien im Produktionsablauf zu erkennen, sondern bereits proaktiv eine passende Wartungsstrategie abzuleiten, sogenannte »Prescriptive Maintenance«.