DI-Whitepaper 02.12.2018, 16:26 Uhr

Künstliche Intelligenz in der IoT-Praxis

Die Einsatzmöglichkeiten künstlicher Intelligenz werden immer konkreter – vor allem im Industriebereich.
Künstliche Intelligenz in der IoT-Praxis mit Device Insight.
(Quelle: www.device-insight.com )
Mit einem Whitepaper will Device Insight IT-Leitern, CIOs und Produktionsleitern anwendungsnahe Einblicke in die »KI in der IoT-Praxis« geben.

Dass KI gerade für die Industrie immer wichtiger wird, liegt vor allem daran, dass sich die Anwendungsgebiete für die Mensch-Maschine-Interaktion und -Kollaboration zunehmend konkretisieren. Dazu gehören die Fernüberwachung oder auch Fernsteuerung von Produktionsprozessen, die mit modernen Augmented- und Virtual-Reality-Applikationen vereinfacht und beschleunigt werden. Gleichzeitig fürchten viele Verbraucher, es könne durch KI zu einer Roboterapokalypse kommen, die die Arbeitsplätze von Millionen von Menschen vernichtet.

»Maschinen können zwar viel, aber sie werden wohl auch in naher Zukunft nicht in der Lage sein, eine Intuition zu entwickeln oder kreativ zu sein«, betont Hendrik Nieweg, Head of Solution Management beim Münchner IoT-Plattformanbieter Device Insight. Die Erwartungen der Industrieunternehmen seien hoch, so Nieweg weiter, doch müsse man durchaus erklären, dass künstliche Intelligenz und maschinelles Lernen kein Allheilmittel sind und es besser ist, mit einfachen Algorithmen und klar definierten Anwendungsfällen anzufangen, statt gleich den ganz großen Wurf zu wagen.

Das maschinelle Lernen als Teilbereich der KI eröffnet Industrieunternehmen neue Möglichkeiten und nutzt mathematische Algorithmen, um Muster zu erkennen und daraus neue Handlungsmöglichkeiten abzuleiten. Ein prominenter Einsatzbereich für das maschinelle Lernen ist Predictive Maintenance. Die über Sensoren gelieferten Betriebs- und Produktionsdaten in einer IoT-Plattform zu erfassen, zu speichern und mit ML-Algorithmen auszuwerten, um kritische Maschinenzustände genauer vorhersagen und Wartungsintervalle bedarfsgerechter planen zu können, zählt zu den Kernkompetenzen von Device Insight. Dabei gilt: Je umfangreicher die Datenbasis, desto genauer lässt sich vorhersagen, wann zum Beispiel ein Servicefall oder das End of Life eines Bauteils eintritt.



Das könnte Sie auch interessieren