Künstliche Intelligenz (KI) in der Industrie 4.0 stößt noch auf technologische Hindernisse, die den KI-Einsatz erschweren. Das Fraunhofer IKS entwickelt daher ein Framework, das den Daten- und KI-Lebenszyklus unterstützt, optimiert – und so die Wertschöpfung durch KI in der Produktion deutlich steigert.
4. Dezember 2023
© iStock.com/alvarez
Industrie 4.0 beschreibt die fortschreitende Digitalisierung in der Produktion – Maschinen und Abläufe sind intelligent vernetzt, wodurch immer mehr Daten generiert werden können. Künstliche Intelligenz (KI) hat das Potential, aus diesen Daten Informationen zu generieren, um die Produktion und Services zu verbessern. Mögliche Anwendungsszenarien sind unter anderem vorausschauende Wartung (Predictive Maintenance), Optimierung und Automatisierung von Prozessen sowie Qualitätsüberprüfung. Allerdings kann dieses Potenzial von KI in der Industrie 4.0 aktuell noch nicht komplett ausgeschöpft werden: es existieren mehrere Technologiebarrieren, die die Generierung und Verarbeitung von Informationen einschränken.
Das erste Hindernis stellt die sogenannte Multi-Vendor-Landschaft in den heutigen Produktionsstätten dar, das heißt: Maschinen von unterschiedlichen Herstellern aus unterschiedlichen Technologiegenerationen mit unterschiedlichen – und oftmals proprietären – Kommunikationsschnittstellen und -protokollen. Diese Heterogenität verhindert einen einheitlicher Datenzugriff. Stattdessen gibt es viele technologiespezifische Insellösungen, für die jeweils Domänenwissen benötigt wird.
Das zweite Hindernis ist die fehlende Unterstützung für die Data Scientists. Diese haben kein Domänenwissen und benötigen daher bei der Beschaffung von Echtzeit- oder historischen Daten Unterstützung. Zusätzlich besteht das Problem von inkompatiblen, inkonsistenten und unvollständigen Datensets, sowie von fehlenden Metadaten. Das macht den Datenverarbeitungsprozess häufig mühsam, langwierig, manuell und koordinationsaufwendig.
Das dritte Hindernis ist der inflexible KI-Betrieb. KI-Applikationen werden oft starr in der Cloud oder auf einem lokalen Server betrieben. Dadurch haben die Anwendungen nicht die Möglichkeit, die vorhandenen Ressourcen optimal zu nutzen. Zusätzlich sind Updates der KI-Applikationen notwendig, um auf Änderungen in der Produktionsstätte oder den Abläufen angemessen reagieren zu können. All dies ist eine Herausforderung für die weitere Digitalisierung der Industrie 4.0. Diese Probleme benötigen daher eine Lösung.
Um diese Probleme zu bewältigen, arbeiten Forscherinnen und Forscher des Fraunhofer-Instituts für Kognitive Systeme IKS im Rahmen des Projekts »REMORA – Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0« an einem offenen, interoperablen und technologieneutralen Framework, das den Daten- und KI-Lebenszyklus unterstützt und optimiert. Ziel ist es, einen automatisierten, kontinuierlichen, und dynamischen Ablauf sicherzustellen:
Das durch das REMORA-Projekt entwickelte Framework sichert einen kontinuierlichen Ablauf und hilft so dem Lebenszyklus der Daten und der Künstlichen Intelligenz.
Im Einzelnen soll dieses Framework folgende Ziele erreichen:
Am Anfang steht die Entwicklung eines Interfaces für die Data Scientists, um den KI-Entwicklungsprozess zu unterstützen. Dieses Interface ermöglicht es, einfach und einheitlich Daten abzufragen, ohne dass technologiespezifische Aspekte wie Kommunikationsinterfaces und -protokolle beachtet werden müssen. Das Interface übernimmt dann – intern – die Abbildung auf die Technologien und die benötigten Datentransformationen. Zusätzlich liefert es eine Übersicht über die Topologie, die Metadaten sowie eine Schnittstelle für das Trainieren und den Betrieb eines KI-Modells. Dieses Interface kann neben Data Scientists, auch von Laien in Verbindung mit zum Beispiel einem AutoML-Framework verwendet werden.
Conference Paper, 2021
Eine Applikations-Management-Komponente ermöglicht dann die automatisierte und flexible KI-Integration – von der Komponentenebene bis hin zur Cloud. Das geschieht auf Basis der benötigten Ressourcen und Optimierungsziele. Zusätzlich sorgt der KI-Applikationsmanager zusammen mit dem Dateninterface für die Vernetzung der KI-Applikationen, um den Datenfluss sicherzustellen.
Zuletzt soll eine KI-Management-Komponente die Automatisierung von KI-Prozessen ermöglichen, also das automatische Re-Training und Re-Deployment eines KI-Modells, um die kontinuierliche Verbesserung der Datenanalyse sicherzustellen. So können zum Beispiel bei einem Austausch von Maschinen automatisch neue Trainingsdaten gesammelt werden, um so ein neues KI-Modell zu trainieren. Des Weiteren können automatisiert Operationen als Reaktion auf die Datenanalyse (z.B. Abkühlen bei Überhitzung) oder zur Effizienzsteigerung der Echtzeit-KI-Analyse (z.B. Anpassung der Abtastrate) ausgeführt werden.
Weitere Informationen zum Projekt REMORA finden Sie auf unserer Website.
Für die Produktion der Zukunft heißt das: Mit diesem Framework kann das Potenzial von KI in der Industrie und der Produktion 4.0 besser ausgeschöpft werden. Durch einen vereinfachten und technologieneutralen Datenzugriff, der Unterstützung der KI-Entwicklung sowie flexibler und automatisierter KI-Integration und -Updates wird die Effizienz im KI-Betrieb gesteigert.
Dieses Vorhaben wird im Rahmen des Projektes »REMORA – Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0« durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie gefördert und durch die Bayern Innovativ – Bayerische Gesellschaft für Innovation und Wissenstransfer mbH unterstützt.
