Industrielle KI mit Low-Code neu denken

• KI (Künstliche Intelligenz): Eine Technologie, die menschenähnliche Aufgaben ausführen kann. (Alexa und Siri waren für viele Verbraucher die erste Einführung in die KI.)
• ML (Maschinelles Lernen): Ein Zweig der KI-Technologie, der Algorithmen zur Datenanalyse verwendet, aus diesen Daten lernt und diese Daten verwendet, um Vorhersagen über zukünftige Daten zu treffen. (Alexa und Siri Verwenden Sie maschinelles Lernen um ihre Leistung zu verbessern und sich an die Vorlieben ihrer Benutzer anzupassen.)
• GenAI (Generative Künstliche Intelligenz): Ein weiterer Zweig der KI, der maschinelles Lernen nutzt, um neue Inhalte zu erstellen. (ChatGPT ist wahrscheinlich das bekannteste Beispiel für GenAI-Technologie.)

Ganz einfach, oder? (Vielleicht beschäftigen wir uns das nächste Mal mit den wirklich spannenden Dingen wie Deep Learning, neuronalen Netzwerken und überwachtem und unüberwachtem Lernen.)

Ich habe diese drei Begriffe für Sie definiert, da sie alle für den versprochenen vierten Begriff relevant sind: Industrielle KI.

Einführung in die industrielle KI

Industrielle KI bezeichnet den Einsatz von KI-Technologien in der Industrie. Zu diesen Einsatzmöglichkeiten zählen:

• Erweiterung der Belegschaft
• Kundenservice verbessern
• Nachhaltigere Produkte schaffen
• Nachhaltigere Prozesse gestalten

Wenn ich mit Leuten darüber spreche, wie Hersteller industrielle KI nutzen, teile ich diese Anwendungen gerne in vier Kategorien ein: Optimierung, Vorhersage, Entdeckung und Transparenz. Sehen wir uns jede dieser Kategorien genauer an.

Optimierung

Hersteller sind ständig auf der Suche nach Optimierungsmöglichkeiten für ihre Systeme. Jede Optimierung kann eine ganze Prozesskette verbessern.

• Die Optimierung der Montagelinie führt zur Optimierung des Produktionsplans und führt zur Optimierung der Fertigung
• Optimierung des Materialflusses führt zu Bestandsoptimierung führt zu Optimierung der Lieferkette

Hersteller verwenden Simulationstechnologien um ihre Prozesse zu optimieren. Diese Technologien schaffen eine digitaler Zwilling einer Fabrik, die alle ihre Abläufe modelliert. Diese Simulationen können die Engpässe aufdecken, die die Produktion behindern.

Anschließend durchforstet die KI sowohl die vom digitalen Zwilling generierten synthetischen Daten als auch die von der Fabrik generierten realen Sensordaten. Anhand dieser Daten ermittelt sie die effizientesten Wege zur Beseitigung dieser Engpässe.

Prognose

Hersteller werfen ständig einen Blick in die Zukunft. Sie müssen Dinge wie die folgenden vorhersehen:

• Wie sich die Marktanforderungen ändern werden
• Wie sich diese Anforderungen auf ihre Produktion auswirken werden
• Wie ihre Ausrüstung Produktionsverschiebungen standhält

Für Hersteller besteht die beste Möglichkeit, sich auf die Zukunft vorzubereiten, darin, sie präzise vorherzusagen.

Vorhersagen basieren auf Mustern von Ursachen und Wirkungen. Programme für maschinelles Lernen sind sehr talentiert darin, Muster zu erkennen. Sie untersuchen riesige Datensätze, stellen Vermutungen über die Interaktion der Daten an, testen ihre Vermutungen und stellen auf Grundlage ihrer Erkenntnisse weitere Vermutungen an. Schließlich werden sie zu Experten für die Muster in diesen Datensätzen. Sie können diese Muster dann verwenden, um Vorhersagen innerhalb dieses Datensatzes zu treffen.

Ein Hersteller sammelt beispielsweise Sensordaten von einem Segment einer Fertigungsstraße. Diese Sensordaten können alles enthalten, von der Geschwindigkeit des Förderbands über die Temperatur der Kugellager bis hin zu Motorvibrationen. Der Hersteller speist all diese Daten zusammen mit Daten über die Reparaturhistorie des Segments in ein maschinelles Lernprogramm ein.

Anschließend kann das Programm die Daten nach Mustern durchsuchen, um herauszufinden, wann das Segment ausgefallen ist und welche Faktoren zu diesem Ausfall geführt haben. Sobald das Programm die Muster erkannt hat, kann es vorhersagen, wann und warum das Segment höchstwahrscheinlich erneut ausfallen wird.

Der Hersteller kann dann einen Wartungsplan erstellen, der diesen Ausfall verhindert, bevor er auftritt. Durch vorausschauende Wartung können nicht nur die Kosten für größere Reparaturen eingespart, sondern auch die Einnahmen gesichert werden, die durch einen Produktionsstillstand verloren gegangen wären.

Vorbereitung

Wie wir aus unseren bisherigen Beispielen gesehen haben, haben Hersteller Zugriff auf eine Menge Daten, fast zu viele Daten. Um diese Daten zu nutzen, verwenden sie Dashboards, die die Daten auf hundert verschiedene Arten visualisieren. Aber die ausgefeiltesten Dashboards lösen nicht das Problem, dass sie nicht genügend Augen oder Zeit haben, um herauszufinden, was diese Daten aussagen.

Und hier kann GenAI helfen. Wir haben gelernt, dass maschinelles Lernen ein Experte für die Datenanalyse ist. GenAI ist ein Experte darin, aus dieser Analyse aussagekräftiges Wissen zu gewinnen und es auf eine leicht verständliche Weise zu teilen.

So wie ChatGPT Ihnen sofort eine drei Absätze umfassende Zusammenfassung der Nistgewohnheiten eines Kaiserpinguins geben kann, kann ein industrielles GenAI-Programm einem Supply-Chain-Manager eine schnelle, aber umfassende Zusammenfassung der Auswirkungen eines Lieferrückstands in einem Hafen in Singapur liefern.

Einer der Hauptvorteile der Verwendung von GenAI zur Datenermittlung besteht darin, dass Sie keine spezielle Kodierung verwenden müssen, um Ihre Ermittlungsanfrage zu formulieren, und dass Sie kein Experte für grafische Analysen sein müssen, um die Ergebnisse Ihrer Anfrage zu verstehen. GenAI versteht und kommuniziert in natürlicher Sprache. Stellen Sie eine einfache (oder komplizierte!) Frage und erhalten Sie eine einfache Antwort.

Und GenAI ist nicht auf einfache Zusammenfassungen in natürlicher Sprache beschränkt. Es kann auch verschiedene Formate von Textinformationen, wie etwa Anleitungen, und grafischen Informationen, wie etwa Diagramme und Grafiken, generieren.

Transparenz

Daten sind für Hersteller nur dann nützlich, wenn sie transparent oder, anders gesagt, leicht zu finden sind. Am nützlichsten sind sie jedoch, wenn sie auch geteilt werden können. Wir haben gesehen, wie KI Herstellern helfen kann, ihre eigenen Daten transparent zu machen. GenAI und Tools für maschinelles Lernen können Herstellern und ihren Partnern auch dabei helfen, ihre Daten füreinander transparent zu machen.

Ein Hersteller von Batterien für Elektrofahrzeuge muss beispielsweise eine sehr komplizierte Lieferkette im Auge behalten. Seine Batterie besteht aus tausenden verschiedenen Teilen, die von einer Vielzahl von Zulieferern geliefert werden. Der Hersteller muss außerdem Rohstoffe wie Nickel, Kobalt und Kupfer aus der ganzen Welt beschaffen. Um die zahlreichen Vorschriften einzuhalten, denen er unterliegt, benötigt der Batteriehersteller Transparenz über die Betriebsabläufe seiner Partner.

Aber selbst wenn Lieferkettenpartner den Zugriff auf ihre Daten offen miteinander teilen, ist es noch schwieriger, die benötigten Informationen im Datenstrom eines anderen zu finden, als im eigenen. Auch hier sind uns Tools für maschinelles Lernen beim Suchen, Sortieren und Klassifizieren von Daten als Experten zur Seite. Und dank unserer GenAI-Tools müssen wir nicht mehr für jeden eingehenden Datenstrom in ein anderes Dashboard-Set investieren. Wir können einfach nach dem Gesuchten fragen und die GenAI liefert es uns im gewünschten Format.

Aktivieren Sie alle Kästchen für Daten und Demokratisierung mit Low-Code

All dies mag einfach klingen, wenn man es in einem Artikel zusammenfasst. Aber die Realität ist, dass die industrielle KI auf riesige Datenmengen angewiesen ist. Und Datenmanagement ist nie einfach. Sie müssen Ihre Daten für Ihre KI-Systeme frei zugänglich machen und gleichzeitig die Einschränkungen von Sicherheits-, Regulierungs- und Datenfreigaberichtlinien einhalten.

Hersteller, die die industrielle KI optimal nutzen möchten, müssen daher Wege finden, ihre Daten einfach bereitzustellen:

• Access
• Format
• Govern
• Integrieren
• Sicher und privat bleiben

Eine Low-Code-Plattform zur Anwendungsentwicklung erfüllt alle diese Anforderungen. Mendix vereinfacht Ihr Datenmanagement durch seinen eigenen Einsatz von KI.

MxAssist, unsere Suite KI-gestützter Entwicklungsbots, unterstützt Sie beim Erstellen intuitiver und leistungsstarker Low-Code-Datenverwaltungsanwendungen. Es wurde durch die Analyse von über 12 Millionen anonymisierten Anwendungslogiken trainiert und bietet kontextbasierte Empfehlungen in Echtzeit, während Sie Ihre Anwendungen erstellen.

MxAssist bietet:

• KI-gestützte Anwendungsmodellierung und -logik
• KI-gestützte Best-Practice-Audits
• KI-automatisierte Validierungslogik

Und Mendix ist die einzige Low-Code-Plattform, die eine mühelose KI/ML-Integration mit externen kognitiven Diensten bietet. Mendix verbindet sich nahtlos mit kognitiven Diensten von Drittanbietern wie Amazon, Microsoft, Google, OpenAI, Stability AI und anderen. Sie können in Ihre Mendix Anwendungen: die Ergebnisse von Trainings-Frameworks für maschinelles Lernen wie TensorFlow, Caffe und PyTorch.

Mendix macht Ihnen die Integration mit den marktführenden KI-Diensten von Amazon besonders einfach, darunter:

• Amazontext
• Amazon-Anerkennung
• AWS IoT TwinMaker
• Amazonas Polly
• Amazonas Grundgestein

Sie können den Service Connector einfach per Drag & Drop in Ihren Mendix Anwendung ohne die Komplexität von REST-APIs oder Code.

Diese Drag-and-Drop-Funktion ist ein Beispiel für einen weiteren Vorteil Mendix bietet als Plattform zur Umsetzung Ihrer industriellen KI-Initiativen. Dank der intuitiven grafischen Benutzeroberfläche können Ihre Fachexperten unabhängig von ihren Anwendungsentwicklungskenntnissen an der Initiative teilnehmen.

Mendix demokratisiert Ihre Nutzung von Simulationsmodellen und Datenzugriff, indem es einfache Abstraktionen ihrer Engagement-Erfahrungen bietet. Wenn Ihre Fertigungsmitarbeiter mühelos an der Festlegung der Parameter für Ihre digitalen Zwillinge und KI-Modelle teilnehmen können, erhalten Sie genauere und anwendbarere Datenergebnisse.

Bedenken Sie, dass KI zwar ein vielseitiges und wirksames Werkzeug sein kann, aber ohne Daten und Zweck nicht die Antwort auf alle industriellen Anwendungsfälle ist. Aber wenn Sie glauben, dass sie Ihren Betrieb verbessern könnte, sich mit uns in Verbindung setzen um zu erfahren, wie Sie Ihre industrielle KI-Initiative vorantreiben können mit Mendix.