Ein Fokus des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Mejoin-Projekts ist der Austausch von Technologie- und Markt-Know-how mit dem Hauptaugenmerk auf Künstliche Intelligenz (KI) und das Internet der Dinge (IoT). So ist eine der Hauptfragen, mit denen sich das Mejoin-Projekt beschäftigt, inwieweit die teilnehmenden Unternehmen Künstliche Intelligenz in ihr Geschäftsmodell integriert haben und wie sie durch den Einsatz neuer Technologien in Zukunft wirtschaftliche Vorteile erzielen können.

Unterstützung durch Roboter

Einige der an Mejoin beteiligten Unternehmen sind in roboterbezogenen Bereichen tätig. Roboter werden zunehmend zur Optimierung der Produktion und für besonders gefährliche oder körperlich anspruchsvolle Aufgaben eingesetzt. Durch den Einsatz von KI erweitert sich ihr Anwendungsbereich auf ständig wechselnde Bauteile und Situationen in der Produktion. Dabei verkürzen verschiedene KI-Lerntechniken wie Simulationslernen und ‚Deep Grasping‘ die Lernzeit von Robotern und verbessern ihre Leistung in einer industriellen Umgebung. Durch den Einsatz von Kameras und Bilddatenverarbeitung mittels Künstlicher Intelligenz lässt sich die Lern- und Leistungszeit von Montagerobotern deutlich verbessern.

Insbesondere der Trend zu kollaborativen Robotern (Cobots) ermöglicht den Einsatz von Robotern in KMU. Mit ihnen bietet sich eine neue Plattform für die Anwendung von maschinellen Lernverfahren bei diesen Unternehmen. Hierfür bietet sich der Einsatz der Technologie ‚Machine Vision‘ besonders an – schließlich erhöhte sich die Präzision der Bilderkennung von circa 72 % im Jahr 2010 auf über 96 % im Jahr 2015. Damit übersteigt sie in vielen Bereichen die menschliche Fähigkeit und Geschwindigkeit der Bilderkennung. Die Technologie ist in verschiedensten Bereichen nutzbar – beispielsweise bei parallelkinematischen Robotern, die in der Sortierung eingesetzt werden, oder bei komplexen, wechselnden, autonom durchgeführten Montageschritten. Zusammenfassend ist festzuhalten, dass Machine Vision zu einem effizienteren Einsatz von Cobots in KMU beitragen kann – Menschen werden so bei der Arbeit noch besser durch Cobots unterstützt, manche Aufgaben können sogar komplett von Cobots ausgeführt werden.

Der digitale Zwilling

Die ständig fortschreitende Vernetzung von Maschinen und ihren Bauteilen sowie ein kontinuierlich wachsender Datenpool öffnen die Tür für Technologien des digitalen Zwillings und des Internet of Things (IoT). Als technologische Treiber führen diese zu einer höheren, vom Markt geforderten Produktionsflexibilität. Hierbei kristallisiert sich bei Unternehmen der Wunsch heraus, verschiedene Varianten anzubieten und die Produktionslinien dynamisch einsetzbar zu machen.

So soll sich die Produktion weg von der herkömmlichen ‚Ein-Produkt-Fertigungsstraße‘ hin zu einer dynamisch veränderbaren Produktionsumgebung entwickeln. Dies lässt sich mithilfe spezieller Simulationsalgorithmen erreichen, die regelmäßig auf Auslöser von Veränderungen reagieren und die Produktionsarchitekturen dynamisch anpassen. Dabei umfasst die Simulation Strukturmodelle von Maschinen und ihren Komponenten, deren mechanische und elektrische Funktionen sowie die Modelle der Produktionssystemebene, um eine flexible Darstellung der Ereignisse des ‚Shopfloor‘ zu gewährleisten.

Der Autor Michael Hechtel ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der Friedrich-Alexander-Universität Erlangen-Nürnberg.

© FAPS

Im Fall der Nutzung des digitalen Zwillings als Vorhersage-Instrument oder Entscheidungshilfe verweist die Literatur häufig auf die Verwendung von Algorithmen des maschinellen Lernens wie ‚Supervised Classification‘ und ‚Regression‘. Ein weiterer notwendiger Punkt für die Verwendung digitaler Zwillinge ist eine vollständig vernetzte Umgebung, in der jede Maschine mit ihren Sensoren Teil der gemeinsamen Plattform ist. Aus einer solchen Industrieumgebung ergibt sich zusammen mit enorm gesteigerten Speicherkapazitäten ein immenser Datenpool bei Unternehmen. Zur Analyse können hier maschinelle Lernverfahren – insbesondere überwachte und unüberwachte Klassifikations- und Clustering-Algorithmen – genutzt werden. Ein Anwendungsgebiet für solche Analysen ist beispielsweise die Modellierung, die als eine kritische Technologie der Industrial AI (IAI) anzusehen ist. Sie offenbart die Gesetzmäßigkeiten des Produktions-prozesses: den Verschlechterungsprozess von Anlagen oder Komponenten, die Beziehung zwischen Prozessparametern und Produktqualität, die Kopplung zwischen dem Betriebsstatus der Produktionslinie und dem Komponentenprozess. Modelle spiegeln den zentralen Produktionsprozess, die Produktionskapazität und die Wettbewerbsfähigkeit von Unternehmen wider. Diese Methoden ermöglichen es Unternehmen, Kostensenkungspotenziale wahrzunehmen und die Produktion durch ein Maximum an Analysemöglichkeiten zu optimieren.

Auch für Unternehmen des Mejoin-Projekts aus dem Bereich der Medizin-Technologie spielen Vernetzung und Daten eine immer größer werdende Rolle. Im medizinischen Bereich hat die Verwendung von ICTs (Information and Communication Technologies) deutlich zugenommen. Bereiche wie Telediagnosen, Teledokumentation und Tele-Monitoring etablieren sich immer mehr. All diese Methoden basieren auf dem Transfer, Sammeln und Analysieren von Daten in Echtzeit. Algorithmen des maschinellen Lernens finden hier insbesondere Anwendung bei der Analyse von Daten aus ‚Personal Health Records‘ (PHR), persönlichen digitalen Krankenakten, die auf freiwilliger Basis mit persönlichen Patienten-Gesundheitsdaten gefüllt werden. Diese ermöglichen eine Korrelationssuche in Datensätzen zu Symptomen und Verhaltensweisen und ermöglichen prädiktive Funktionen. Aus solchen Applikationen geht ein stark steigender Wert qualitativ hochwertiger und gut gepflegter Patientendaten hervor.

Herausforderungen des Mejoin-Projekts

Obwohl bei den Mejoin-Firmen ein hohes Interesse am Einsatz von KI-Technologien besteht, ist der bisherige Implementierungsgrad gering. Dies deckt sich mit einer Erhebung des Bundesministeriums für Energie und Wirtschaft: Circa 7,7 % der Unternehmen haben Erfahrungen mit KI, von denen wiederum 12 % angeben, dass KI-Technologie den Hauptbestandteil ihres Geschäftsmodells darstellt (Stand 2020). Am weitesten verbreitet sind maschinelle Lernverfahren zur Bild- oder Tonerkennung und wissensbasierte Verfahren wie Knowledge-Graphs oder Kontexterkennung. Text- oder Stimmerkennung finden bisher seltener Anwendung.

In Japan sieht es sehr ähnlich aus: Umfragen zeigen, dass sich große Firmen, sowohl in Deutschland als auch in Japan, bereits mehrheitlich mit KI-Technologien auseinander-gesetzt haben. Bei KMU ist der Anteil viel geringer. Oft fehlt das nötige Know-how bei den Verantwortlichen – das unter anderem durch Mejoin vermittelt werden soll. Die großen Chancen für Firmen durch KI wie ‚eine höhere Prozesseffizienz‘, ‚eine Verbesserung der Vertriebs- und Lieferketten‘ sowie ‚KI-getriebenes Target- Marketing‘ werden dabei für KMU von gewissen Blockadefaktoren überschattet. Diese sind (sortiert nach abnehmender Wichtigkeit): ‚ein Fehlen von Know-how und qualifizierten Arbeitskräften‘, ‚ein Fehlen von qualitativ hochwertigen Daten‘ sowie ‚Datensicherheitsbedenken‘. Besonders in Deutschland, wo momentan bereits circa 100.000 IT-Fachkräfte fehlen – Tendenz steigend – spielt das Fehlen von Know-how und qualifizierten Arbeitnehmern eine hervorgehobene Rolle. Da der Kampf auf dem Arbeitsmarkt um entsprechende Fachkräfte die Attraktivität von KI-Technologie, insbesondere für KMU, negativ beeinflusst, spielen alternative Möglichkeiten, Know-how aufzubauen, eine besondere Rolle. Kooperationen zwischen Unternehmen auf verschiedenen Ebenen der Wertschöpfungskette oder in branchenübergreifender Art können eine solche Alternative darstellen. Gerade in Ländern wie Deutschland, in denen mehr als 90 % der Unternehmen KMU sind, spielen deshalb Kooperationsprojekte wie Mejoin eine große und wichtige Rolle für den Aufbau von neuen Grundlagen-Technologien in KMU.

Das Konsortium

Das Mejoin-Projekt wird vor allem durch das Kernkonsortium vorangetrieben, das den Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der Friedrich-Alexander-Universität Erlangen-Nürnberg, die Saitama Universität, die Saitama City Foundation for Business Creation und den Cluster Mechatronic und Automation (CMA) umfasst.

Das Kernkonsortium des Mejoin-Projekts umfasst den Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der Friedrich-Alexander-Universität Erlangen-Nürnberg, die Saitama Universität, die Saitama City Foundation for Business Creation und den Cluster Mechatronic und Automation (CMA).

© FAPS

Der Lehrstuhl FAPS ist eine Lehr- und Forschungseinrichtung für Automatisierungstechnik und mechatronische Systeme. Mit über 100 Mitarbeitern aus über zehn Ländern besitzt der FAPS fachliche Kompetenzen in den Bereichen Mechatronik, Automation und AI. Er konnte bereits in der Organisation von Großprojekten wie dem bayerischen Technologiezentrum für elektrische Antriebstechnik (E|Drive-Center), dem Forschungsverbund Green Factory Bavaria sowie dem bayerischen Technologiezentrum für das ressourcenschonende und energieeffiziente Wohnen (E|Home-Center) wertvolle Projekterfahrung sammeln und ein engmaschiges Netzwerk an qualifizierten Partnern schaffen.

Mit Prof. Dr. Watanuki von der Saitama Universität konnte ein erfahrener Partner in der technologischen Innovationsentwicklung von mechatronischen Systemen (vor allem intelligente Robotik-Systeme), Gehirn-Maschine-Interface-Technologien, Fahrzeugschnittstellendesign und Medizintechnik im Projektverbund für das Projekt gewonnen werden.

Die Saitama City Foundation for Business Creation (SBFC) ist die Wirtschaftsförderungseinrichtung der Präfektur Saitama und unterstützt kleine und mittlere Unternehmen in Innovations-, Management- und Globalisierungsfragen. Sie steht im engen Kontakt zur Universität Saitama.

Der Cluster Mechatronik & Automation (CMA) ist Plattform und Forum zur Definition und Umsetzung von Maßnahmen, die dem Fortschritt der Mechatronik und der angrenzenden Fachgebiete dienen. Der CMA ist seit Januar 2021 Teil des Wirtschafts- und Innovationsförderers Bayern Innovativ und vereint derzeit circa 130 Clusterpartner.