Geändert hat sich seit Jahrtausenden wenig. Immer wieder erkennt und beschreibt der Mensch ein Problem, für das er dann eine möglichst effiziente Lösung sucht. Kurz gefasst, umreisst so ETH-Professor Juraj Hromkovič das Thema Big Data und Automatisierung via Algorithmus. Seit der Entwicklung der Informatik zum eigenständigen Fachgebiet ist die Technologie allerdings so weit fortgeschritten, dass viel mehr Arbeiten als bisher von intelligenten Maschinen übernommen werden können. Und der Mensch muss wie bei früheren technischen Revolutionen lernen, mit den neu entstehenden Freiräumen umzugehen.
Denn inzwischen hat in den Unternehmen die Verzahnung von Produktion und ICT durch umfassende Vernetzung und lückenlosen Austausch aller Informationen Einzug gehalten. Maschinen und Geräte kommunizieren miteinander, und es sind sich selbst regulierende Abläufe, Prozesse und Fertigungen erreicht worden. Die Rede ist von Internet of Things (IoT) und künstlicher Intelligenz (KI), die auch Artificial Intelligence (AI) genannt wird. Mit ihnen hat die industrielle Fertigung ein neues, intelligentes und autonom funktionierendes Level erreicht. Wobei man wissen muss, dass die Schweiz im Gegensatz zu anderen Ländern mit seinen leistungsstarken Netzen eine optimale Basis für die Nutzung vernetzter Maschinen und Geräte zur Verfügung stellt.
Bekanntestes Beispiel für das Zusammenspiel von Sensorik und intelligenter, selbstlernender Datenauswertung ist das autonom fahrende Auto. Man denke nur an die Shuttle-Busse im Wallis. Aber die Kombination von IoT und KI hat auch in der Industrie bei sich wiederholenden Prozessen Einzug gehalten. IoT-Anwendungen unterstützen mit ihrer Sensorik die medizinische Versorgung, KI hilft Radiologen in Spitälern bei der Auswertung medizinischer Bilddaten und Strategen nutzen unter anderem IoT-Daten, um via KI neue Geschäftsmodelle aufzugleisen. Und ja, KI vereinfacht in den Unternehmen den Mail-Versand und unterstützt Callcenter-Mitarbeiter bei ihrer Arbeit.
Klar ist jedenfalls, dass es derzeit nicht mehr um Marketingfloskeln geht, selbst wenn diese Technik gerade erst den Kinderschuhen entwachsen ist. Vielmehr verstehen die Unternehmen den Einsatz entsprechender Konzepte und Lösungen heute schon so, dass damit strategische Vorteile durch Echtzeitanalysen, schnellere Reaktion sowie bessere Differenzierung gegenüber dem Wettbewerb zu erreichen sind. Zudem lassen sich damit Geschäftsprozesse optimieren und verschlanken.
Dass dabei die blosse Vernetzung der Dinge übers Internet per se noch keinen Mehrwert liefert, liegt auf der Hand. Die rohen IoT-Daten müssen analysiert, korreliert, mit zusätzlichen Daten vermischt und mit Algorithmen zu nutzbringenden Informationen etwa via KI aufbereitet werden. Hier kommt es entscheidend auf den digitalen Reifegrad der Unternehmen an. Wie sich an der Fertigungsindustrie ablesen lässt, arbeitet man dort doch schon mit der klassischen Visualisierung zum Beispiel von Betriebszuständen einer Maschine. Oder man überwacht etwa Betriebsparameter von Maschinen, um bei Abweichungen zu warnen oder rechtzeitig Reparaturen auszulösen und sie beispielsweise per Fernwartung einzuleiten.
Doch den entscheidenden Schritt hin zur Prognose und Vorausschau bringt erst der KI-Einsatz. Dabei wird der in einem mathematischen Modell dargestellte digitale Zwilling einer Maschine genutzt. Mit Methoden wie Machine Learning, einem Teilgebiet von KI, lernt das Modell, vorausschauend aus empfangenen Daten Maschinen und Anlagen proaktiv zu warten, um Ausfallzeiten niedrigzuhalten. Derartige Prognosen können bis hinein in die Entscheidung wirken, ob ein Produktionslauf überhaupt gestartet werden soll.
Zentral für die hier genannten Industriebeispiele ist immer, dass über Sensoren die benötigten Messwerte zur Verfügung stehen. Dazu liefert heute schon in vielen Fällen IoT die netzwerktechnische Basis, über die sich längst auch ausserhalb der Maschinen anfallende Parameter wie Temperatur oder Luftfeuchtigkeit messen und integrieren lassen.
Der interessanteste Aspekt ist dabei der mögliche Grad der Datenauswertung, die sich mit den rasant wachsenden Datenbeständen rasch noch weiter verbessern wird. So wird KI also schon bald eine bisher nicht erreichte Analysestufe erreicht haben. Denn KI basiert auf Mustererkennung, um dann in der Mustererkennung wieder Muster zu erkennen und immer so weiter. Indem also neue Daten zugeführt werden, verbessert man die Mustererkennung, treibt sie gewissermassen auf die Spitze. Dieses ständige Auswerten von Informationen erlaubt KI-unterstützte Entscheidungen, wo der Mensch noch im Stadium der Vermutung ist, weil er schlicht nicht alle verfügbaren Daten überblickt. Es ist also nicht ohne Grund so, dass, wenn IoT und KI kombiniert genutzt werden, an vielen Stellen Effizienzgewinne gleichsam programmiert sind.