Künstliche Intelligenz

KI - in der Cloud oder im Controller?

16. April 2018, 0:00 Uhr | Lucian Dold

Das Schlagwort 'Künstliche Intelligenz' ist derzeit omnipräsent. Auch in der Fertigung soll der Einsatz von KI helfen, Flaschenhälse zu beseitigen und die Gesamtanlageneffektivität zu erhöhen. Doch: Wo sind die dahinter stehenden Mechanismen am besten aufgehoben?

Wenn von KI die Rede ist, lohnt es sich, erstmal genauer hinzuschauen: Um welche Art von Intelligenz geht es? Welche Aufgaben sollen mit ihr bearbeitet werden? Und fast noch wichtiger: Welche Voraussetzungen für einen Einsatz sind gegeben, gerade im Hinblick auf die Kosten-Nutzen-Analyse? Um sich einen Überblick zu verschaffen, ist zunächst die Unterscheidung von ‚starker‘ und ‚schwacher‘ KI hilfreich. Bei Ersterer geht es darum, menschliche Fähigkeiten wie die sprachliche Kommunikation möglichst genau nachzubilden – man denke etwa an den berühmten Turing-Test: Der Mensch fragt, die Maschine antwortet. Demgegenüber zielt die ‚schwache‘ KI im Wesentlichen darauf ab, spezifische Aufgaben und Probleme zu lösen. Hierfür hat sich in den letzten Jahren der Begriff ‚kognitiv‘ (Cognitive Computing, Cognitive Manufacturing etc.) etabliert, denn es geht darum, analytische und Problemlöse-Fähigkeiten des Menschen nachzubilden und zu übertreffen.

Matchmaker+ Anbieter zum Thema

zu Matchmaker+

Ein Beispiel für eine solche Fähigkeit ist die Erkennung komplexer Muster und die damit verbundene Beurteilung von richtig oder falsch beziehungsweise gut oder schlecht. Mit solchen adaptiven Algorithmen gelang es zum Beispiel, die besten menschlichen Spieler im Schach zu besiegen (seit etwa 2005) und im vergangenen Jahr auch im asiatischen Brettspiel Go, das lange als zu schwierig für Computer galt.

Solche Erfolge basieren unter anderem auf der ständig steigenden Rechenleistung der Computer, die eine immer schnellere Analyse von mehr und mehr Zuständen und Mustern erlaubt. Mit der zunehmenden ‚Sensorisierung‘ der Industrie im Zeichen von Vernetzung und Digitalisierung stehen auch fertigungsseitig immer mehr Daten zur Verfügung, sodass die Voraussetzungen für die Optimierung von Produktionsprozessen im Prinzip gegeben sind. Trotzdem besteht in der Anwendung von KI noch immer eine erhebliche Kluft zwischen Wunsch und Wirklichkeit. Warum ist das so und wie kann man sie überwinden?