Kompetenz extern beziehen

KI-Projekte im Netzwerk anpacken

Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialisten. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.
Bild: ©NDABCREATIVITY/stock.adobe.com

Viele Maschinenhersteller interessieren sich für künstliche Intelligenz (KI), stehen aber mit ihrer praktischen Erfahrung bei der Durchführung von KI-Projekten oft noch am Anfang. Doch ein Maschinenbauunternehmen braucht meist keinen eigenen Data Scientist, um ein KI-Projekt zu starten. Entscheidend ist es, zunächst einen Anwendungsfall zu identifizieren, der ein hohes Nutzenpotenzial für das Unternehmen darstellt und bei dem Machine Learning eine geeignete Lösungsoption sein kann. Anwendungsfälle im eigenen Unternehmen bieten sich dabei besonders an, um zunächst Erfahrungen mit der Herangehensweise und den Methodiken zu sammeln. Ist gerade kein eigener Data Scientist vorhanden, sollten geeignete Kooperationspartner eingebunden werden. Eine Umfrage des VDMA zeigte: Mehr als 95 Prozent der befragten Maschinenbauunternehmen, die bereits KI-Projekte durchgeführt hatten, haben auf externe Unterstützung gesetzt. Dabei standen die folgenden vier Kooperationsmöglichkeiten besonders im Fokus: Hochschulen/Universitäten, IT-Dienstleister, Startups und Forschungseinrichtungen.

Hochschulen und Universitäten

Zahlreiche Beispiele aus dem Maschinenbau zeigen, dass Kooperationen mit Hochschulen für beide Seiten gewinnbringend sein können – nicht nur als Nachwuchsquelle für das eigene Unternehmen oder bei der Anbahnung oder Unterstützung im Rahmen von KI-Projekten. Haben Unternehmen entsprechende Anwendungsbereiche oder Aufgabenstellungen für KI-Pilotprojekte identifiziert, dann können diese z.B. auch in Verbindung mit Bachelor- oder Masterarbeiten vertieft werden. Studierende bringen im Rahmen des Wissenstransfers neue Ideen und Erfahrungen aus der Wissenschaft in die Unternehmen des Maschinenbaus hinein, die Abschlussarbeiten erhalten gleichzeitig einen deutlich höheren Praxisbezug.

IT-Dienstleister und Startups

Kommen bereits in das Unternehmen eingebundene IT-Dienstleister als Kooperationsoption in Frage, ist es naheliegend, dass Unternehmen diesen Weg wählen. Besteht eine langjährige vertrauensvolle Zusammenarbeit, ermöglicht dies einen schnellen Einstieg in die Aufgabe. Auf der anderen Seite bieten sich für die Kooperation auch spezialisierte IT-Dienstleister an, die einen Fokus ihrer Dienstleistungen und Lösungsansätze auf Methoden der künstlichen Intelligenz gesetzt haben oder auf eine Anwendungsdomäne orientiert sind. Auch das Zusammenwirken mit Startups kann sich als sehr fruchtbar erweisen. Ein Erfolgsfaktor für diese Kooperationsform ist zumeist der schlanke und niedrigschwellige Anbahnungsprozess, durch den Lösungen mit einer geringen Time-to-Market erreicht werden können. Zudem wird die Zusammenarbeit dadurch begünstigt, dass beide Parteien sich gegenseitig ergänzende Ziele im Blick haben: Maschinenbauunternehmen bekommen die Chance, neue Produkte zu entwickeln oder bestehende zu verbessern, die Jungunternehmen liefern den Zugang zu komplementärem Domänenwissen und Technologien.

Forschungseinrichtungen

Eine intensive und überregionale Vernetzung zwischen Forschung und Industrie fördert den schnellen Transfer von Forschungsergebnissen und trägt damit zur Weiterentwicklung von Methoden und Lösungsansätzen für die industrielle Praxis bei. Besonders für kleine und mittelständische Unternehmen stellt die industrielle Gemeinschaftsforschung eine einzigartige Innovationsplattform dar.

Das könnte Sie auch Interessieren

Bild: Gorodenkoff - stock.adobe.com
Bild: Gorodenkoff - stock.adobe.com
Konkrete Vorteile durch TSN für die Industrie

Konkrete Vorteile durch TSN für die Industrie

Das Potenzial von transformativen Digitaltechnologien gemäß Industrie 4.0 ist in der Industrie unumstritten. Allerdings ist das damit verbundene große Datenaufkommen ein zweischneidiges Schwert: Einerseits bergen diese Datenmengen ein Potenzial, das in Form wertvoller Informationen zur Prozessoptimierung verwendet werden kann. Andererseits drohen diese Datenmengen, sofern sie nicht gut gehandhabt werden, zu einer Datenflut anzuwachsen, die Unternehmen überfordert und somit mehr Probleme schafft, als sie löst.

Bild: ©jamesteohart/shutterstock.com / Softing Industrial Automation GmbH
Bild: ©jamesteohart/shutterstock.com / Softing Industrial Automation GmbH
Maschinenkonnektivität – als Teil von Edge Computing

Maschinenkonnektivität – als Teil von Edge Computing

Edge Computing ist ein Trendthema in der industriellen Produktion. Ausgehend von einer Definition des Begriffs Edge beschreibt dieser Artikel den aktuellen Stand der Technologie- und Marktentwicklung rund um Industrial Edge Computing. Besondere Berücksichtigung finden der Zusammenhang von Maschinenkonnektivität und Edge, sowie Fragen nach Betriebskonzepten und Skalierbarkeit von Industrial-IoT-Lösungen.

Bild: VDMA e.V.
Bild: VDMA e.V.
Von der Datatur 
zur Datokratie

Von der Datatur zur Datokratie

Maschinenbau und Elektrotechnik bilden die zwei Standbeine der industriellen Produktion. Zusammen stehen beide Branchen hierzulande für über 10.000 Unternehmen und über zwei Millionen Beschäftigte. Deutschland bildet folglich bislang das Gravitationszentrum und die Innovationsquelle der industriellen Automatisierung. Dass das in Zeiten der smarten Fabrik so bleibt, dafür soll das Datenökosystem Manufacturing-X sorgen.

Bild: TeDo Verlag GmbH
Bild: TeDo Verlag GmbH
Der Digital Twin 
im Mittelpunkt

Der Digital Twin im Mittelpunkt

Die sechste Ausgabe der Stuttgarter Innovationstage am 28. Februar und 1. März stand ganz unter dem Leitthema des digitalen Zwillings. Weil der Begriff so vielschichtig ist und oft unterschiedlich interpretiert wird, ging der
Kongress sowohl auf Grundlagen zur Definition ein als auch auf konkrete Einsatzmöglichkeiten in der Produktion. Anwendungsbeispiele und Referenzen wurden ergänzt um aktuelle Projekte aus der Forschung. Kernbestandteil war in diesem Jahr ebenfalls wieder die ausgiebige Möglichkeit für Diskussion und Networking sowie ein Blick hinter die Kulissen des Veranstalters – in die Maschinenhalle des Instituts für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen der Universität Stuttgart (ISW).

Bild: ©Enrique del Barrio/stock.adobe.com
Bild: ©Enrique del Barrio/stock.adobe.com
Erschwerte Bedingungen

Erschwerte Bedingungen

Es sind eigentlich einfache Gesetze der Mechanik. Die falsche Kombination der wichtigen Parameter – Last, Hebel und Neigungswinkel – die dazu führen können, dass es zu Unfällen mit mobilen Arbeitsmaschinen kommt. Hohe Kosten und im schlimmsten Fall Personenschäden können die Folge sein. Der Einsatz von Sensoren und messtechnischen Lösungen integriert in die mobilen Maschinen kann dazu beitragen, Unfälle zu verhindern.