<img height="1" width="1" style="display:none;" alt="" src="https://dc.ads.linkedin.com/collect/?pid=1007900&amp;fmt=gif">
de | en

LEAD Innovation Blog

Lesen Sie hier unsere neuesten Beiträge über Innovationsmanagement und Innovationen verschiedenster Branchen.

Datum: 10-Okt-2018

Warum Machine Learning die Industrie von Grund auf verändern wird

 

Vieles lässt sich programmieren, aber eben nicht alles. Weil eben Manches zu kompliziert ist, um in fixe Regeln zu passen. Dank Machine Learning können Rechner auch komplexe Prozesse und selbst Unvorhergesehenes bewältigen. Lesen Sie in diesem Blogbeitrag, wie diese Technologie die Konkurrenzfähigkeit der Industrie steigern kann, welche Rolle dabei Google, Amazon, Microsoft, IBM und Co spielen, und wie durch Machine Learning aus Industriebetrieben plötzlich IT-Dienstleister werden.

Computer brauchen Programme. Programme wiederum benötigen fixe Regeln: wenn der Fall A eintritt, dann setze Prozess B in Gang. Rechner verstehen eben nur klare, eindeutige Anweisungen a la Binärcode. Entweder 0 oder 1 - dazwischen gibt es nichts.

 

Regeln gibt es eben nicht für alles

Komplexe Aufgabenstellungen, wie das Erkennen von Bildern oder das Verstehen und Übersetzung von Sprache, lassen sich kaum in solche fixen Regeln pressen. Für diese Anwendungen reicht das Programmieren also nicht aus. Dennoch können sich Rechner diese Fähigkeiten aneignen. Indem sie genau so wie wir Menschen lernen.

Wir alle wissen ja auch nicht von unserem ersten Schrei an, was beispielsweise eine Gurke ist. Das haben wir erst lernen müssen. Indem wir hunderte oder auch tausende Gurken angesehen oder sogar befühlt haben. Und unsere Eltern haben uns gesagt: Das ist eine Gurke. Bis wir das verstanden haben.

Trendsammlung Innovationsmanagement

 

Computer lernen so wie Menschen

Ein Computer lernt genauso. Füttern Sie ihn mit tausenden Bildern von Gurken, und sagen Sie ihm, dass es sich um eine solche handelt. Je mehr Gurkenbilder der Rechner „gesehen“ hat, desto höher ist die Wahrscheinlichkeit dann, dass er beim Anblick eines Gurkenbildes selbst weiß, dass darauf eine Gurke zu sehen ist. Sie werden übrigens überrascht sein, was man mit einem Computer, der sich dieses Wissen erarbeitet hat, alles anstellen kann:

 

Japaner realisierte selbstlernende Gurkensortiermaschine

Ein japanischer Ingenieur hat einem Rechner ein so profundes Wissen antrainiert, dass dieser nun imstande ist, das frisch geerntete Gemüse in 9 verschiedene Qualitätsstufen zu sortieren. Bisher hatte diese etwas eintönige aber wichtige Arbeit die Mutter des Ingenieurs verrichtet. Frau Makoto betrieb mit ihrem Gatten eine Gurkenfarm. Der Sohn, Koike Makoto, entwickelte die selbstlernende Sortiermaschine während eines längeren Aufenthaltes auf der elterlichen Farm.

Die Sortiermaschine ist nicht nur wegen ihrer Intelligenz interessant. Sondern auch wegen ihres Konstruktionskonzepts. Das Herz der Maschine, die für Machine Learning notwendige Rechenpower, steht nämlich nicht auf der Gurkenfarm. Koike Makoto bezieht sie aus der Cloud. Im konkreten Fall aus der von Google. Die für das Training des Systems notwendige Serverlandschaft wäre dann doch zu teuer geworden. So bezieht Koike Makoto die Rechenleistungen aus Googles Rechenzentren, bezahlt aber nur jene Ressourcen, die er wirklich braucht.

 

Machine Learning aus der Steckdose

Ähnliche Services wie die von Google bieten auch andere IT-Größen wie Amazon, oder auch Microsoft oder IBM an. Die Namen dafür lauten Google Cloud Platform, Amazon Web Services, Microsoft Azure und IBM Blue Mix. Sie alle bieten Machine Learning as a Service an. Das bedeutet, dass Sie relativ einfach Machine Learning in Ihrer Fabrik implementieren können: Die notwendigen Rechenleistungen beziehen Sie einfach aus der Cloud einer dieser Anbieter - also quasi aus der Steckdose. Auch fixfertige Anwendungsmodule stehen dabei zur Verfügung. Etwa eine Machine Learning Applikation, die gesprochene Sprache in Text umwandelt und auch gleich in 80 verschiedene Sprachen übersetzt.

 

Aus Industriebetrieben werden IT-Dienstleister

Für die für Machine Learning notwendigen IT-Ressourcen können Sie auch selbst sorgen. Entweder, Sie bauen Ihre eigene IT-Infrastruktur dementsprechend aus. Oder Sie wählen einen hybriden Ansatz. Bosch hat sich etwa dazu entschlossen, in eigene IT-Ressourcen zu investieren. Diese sind so leistungsfähig, dass sie Bosch seit 2017 auch anderen Unternehmen zur Verfügung stellt. Bosch ist also zu einem IT-Dienstleister avanciert. Ein Weg, den auch schon andere Unternehmen zuvor eingeschlagen haben. Amazon etwa: der als Online-Buch-Händler gestartete Konzern benötigte eine ausfallsichere IT-Infrastruktur, um zu gewährleisten, dass der Online-Shop auch immer funktionierte. Dafür baute Amazon ein global verteiltes Rechenzentrum auf und entwickelte hochverfügbare Dienste. Im Jahr 2006 gründete Amazon dann ein eigenes Tochterunternehmen, um diese Services zu vermarkten. Amazon Web Services ist mittlerweile der größte Cloud-Anbieter und zählt  ebenfalls große Unternehmen, wie etwa Dropbox oder auch Netflix, zu seinen Kunden.

 

Machine Learning macht Produktion flexibler, schneller und effizienter

Für die Industrie als Anwender von Machine Learning bietet die Technologie zahlreiche Vorteile. Intelligente Maschinen können eben die Produktion effizienter, flexibler, schneller und damit konkurrenzfähiger machen. Einen ersten Eindruck, welches Potenzial in der Technologie steckt, gewinnen Sie durch folgende zwei Anwendungsbeispiele:

 

1) Durch Predictive Maintenance ist Ihr Maschinenpark immer perfekt in Schuss

Reale, aber auch virtuelle Sensoren sammeln während der Produktion zahlreiche Daten über Ihren Maschinenpark. Auf Basis von Daten aus der Vergangenheit und Echtzeitdaten können Sie mit Machine Learning genau vorhersagen, wann bestimmte Bauteile verschleißen werden. Oder aber, wie lange eine Komponente, die nicht mehr hundertprozentig funktioniert, noch halten wird. Mit diesem Wissen können Sie Ihre Maschine genau dann servicieren, wenn es für Sie am günstigsten ist. Etwa dann, wenn die gesamte Anlage während eines Feiertages steht. Sie können aber auch Ihre Ersatzteillager auflösen. Denn Sie wissen ja schon im Vornherein, wann welches Bauteil kaputt wird. Sie können es also so nachbestellen, dass es genau zum richtigen Zeitpunkt bei Ihnen ankommt. Darüberhinaus haben gut gewartete Anlagen eine wesentlich längere Lebensdauer, als solche, die wegen defekter Teile immer wieder einmal stehen. Mit Predictive Maintenance können Sie an vielen Schrauben drehen, um Ihre Anlagen zu verbessern.

 

2) Wirksamer Schutz gegen IT-Bedrohungen

Alles was vernetzt ist, kann auch gehackt werden. Im Zeitalter von Industrie 4.0 wird aber genau daran fieberhaft gearbeitet. Security-Probleme sind in der Industrie besonders unangenehm. Denn ein Stillstand einer Produktionslinie schon von wenigen Stunden bedeutet einen Schaden von hunderttausenden oder gar Millionen von Euro. Wie verletzbar die vernetzte Welt ist, zeigt der aktuelle Hackerangriff ja sehr anschaulich. Komplexe Systeme lassen sich mit althergebrachten Security Konzepten aber kaum ausreichend absichern. Machine Learning kann auch hier weiterhelfen. Vereinfacht funktioniert dies folgendermaßen: Machine Learning Algorithmen suchen nach bekannten Mustern, die auf Schadsoftware hinweisen. Oder aber Sie entdecken Anomalien im System und können rechtzeitig Alarm schlagen.

Lesen Sie hier unseren Artikel zum Thema Warum Industrie 4.0 robuste Netze und neue Mobilfunkstandards braucht.  

 

Fazit: Wie Machine Learning die Industrie von Grund auf verändert

Den Nimbus des „Blechtrottels“, der nichts versteht sondern sprichwörtlich immer nach Programm logisch verfährt, könnte der Computer dank Machine Learning verlieren. Denn die Technologie macht Rechner lernfähig. Dank dieser Fähigkeit werden die Maschinen jetzt nicht die Weltherrschaft an sich reißen. Doch damit sind Computer imstande, Aufgaben zu meistern, für die eigentlich ein bisschen Grips notwendig ist. Die im Grunde aber Menschen dennoch eintönig erscheinen. Gurken sortieren etwa.

Machine Learning wird die Industrie jedenfalls in sehr kurzer Zeit stark verändern. Nicht nur, weil die Produktion damit schneller und effizienter wird. Sondern auch, weil sich die Rollen der Akteure sehr stark verändern: Amazon oder Bosch sind nur zwei Beispiele dafür. Weil sie selbst etwas entwickelt haben, was sie für ihr Alltagsgeschäft dringend benötigten, sind sie zu Spezialisten in ganz anderen Feldern geworden. Solche Metamorphosen sind durch Maschine Learning auch in ganz andere Richtungen möglich. Denkbar wäre es, wenn sich ein Produktionsbetrieb voll auf die Smarte Factory konzentriert, und diese dann auch anderen Betrieben zur Verfügung stellt, die eine solche nicht ihr Eigen nennen. Production as a Service sozusagen.

New Call-to-action

Franz Emprechtinger

Born in Ried im Innkreis. As former Head of Innovation, he was responsible for the entire project management and specializes in the areas of fuzzy front end and business model innovation.

Sie möchten mit uns arbeiten?

Gerne beraten wir Sie über eine mögliche Zusammenarbeit, um auch Ihr Innovationsmanagement zukunftssicher zu gestalten.

jetzt kontaktieren