KEM Konstruktion systems engineering 04.2019
Themenschwerpunkte: Künstliche Intelligenz (KI) - Treiber, Einsatzfelder und Perspektiven für die Industrie – Stolpersteine bei der Nutzung von IoT-Technologien – Früheres Prozesswissen nutzen
Themenschwerpunkte: Künstliche Intelligenz (KI) - Treiber, Einsatzfelder und Perspektiven für die Industrie – Stolpersteine bei der Nutzung von IoT-Technologien – Früheres Prozesswissen nutzen
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
04 2019<br />
Das<br />
Kompetenz-<br />
Netzwerk<br />
der Industrie<br />
<strong>Konstruktion</strong><br />
Die passenden Medien für Sie<br />
und Ihre Branche:<br />
konradin.de/industrie<br />
media.industrie.de<br />
Smarte Produkte I Digitalisierung I Industrie 4.0<br />
Prozesswissen<br />
von früher nutzen<br />
Datenanalyse – Seite 5<br />
Digitalisierung<br />
richtig angehen<br />
Interview – Seite 10<br />
Grundlagen der KI – Seite 6<br />
Smart Factory erfordert<br />
Künstliche Intelligenz<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 1
Industrie<br />
Wissensvorsprung für<br />
Automatisierer<br />
Kompetent – vielseitig – praxisnah<br />
elektro AUTOMATION thematisiert lösungs- und<br />
zukunftsorientiert elektrische Automatisierungstechnik –<br />
von grundlegenden Architekturen und Konzepten bis<br />
hin zu Komponenten und Systemlösungen für die<br />
tägliche Praxis.<br />
Neben Steuerungs- und elektrischer Antriebstechnik<br />
stehen dabei gleichermaßen die industrielle Kommunikation,<br />
Sensorik sowie alle Themen rund um den<br />
Schaltschrank und den Aufbau von Automatisierungsanlagen<br />
im Mittelpunkt der Berichterstattung.<br />
Digital:<br />
und Newsletter<br />
Die passenden Medien für<br />
Sie und Ihre Branche:<br />
konradin.de/industrie<br />
2 K|E|M <strong>Konstruktion</strong> <strong>systems</strong> media.industrie.de<br />
<strong>engineering</strong> 04 2019
EDITORIAL<br />
KI kennen und richtig nutzen<br />
Insbesondere auf der Hannover Messe stand<br />
das Thema Künstliche Intelligenz (KI) im Mittelpunkt<br />
des Interesses. Es wird gleichermaßen<br />
über- wie unterschätzt. Besser wäre es, zunächst<br />
von maschinellem Lernen (Machine<br />
Learning) zu reden, denn die heute verfügbare<br />
Rechenleistung erlaubt verkürzt formuliert über<br />
Wiederholung um Wiederholung das Eintrainieren<br />
und damit Lösen von Aufgaben, bei<br />
denen ein Mensch nicht mehr mithalten kann.<br />
Auch große Datenmengen lassen sich auf diese<br />
Weise nach bestimmten Mustern durchsuchen<br />
– was aber noch lange nicht heißt, dass damit<br />
auch ein Zusammenhang besteht. Dieses<br />
Problem kennen die Statistiker schon lange und<br />
haben dafür auch ein passendes Beispiel:<br />
Vergleicht man über die Jahre hinweg in<br />
Deutschland die Anzahl der Geburten pro Jahr<br />
(bei uns Menschen) mit der Anzahl der Storchenpaare,<br />
führt der nahezu identische Verlauf<br />
beider Kurven in die Irre...<br />
Dementsprechend zieht auch der KI-Experte<br />
Dr. Ulrich Eberl in seinem Beitrag zur Künstlichen<br />
Intelligenz (ab S. 6) das Fazit:<br />
„KI-Systeme werden zwar in den nächsten<br />
Jahren immer mehr Routineaufgaben übernehmen,<br />
aber Menschen werden weiterhin als<br />
Lenker und Denker gebraucht, als Planer<br />
und Entscheider, als kreative Problem- und<br />
Konfliktlöser, als Qualitätssicherer und als Partner<br />
mit emotionaler und sozialer Intelligenz gegenüber<br />
ihren Kunden und Zulieferern – auch in<br />
einer Smart Factory.“ Maschinen, die uns auf<br />
allen Gebieten überflügeln könnten, seien bei<br />
weitem nicht in Sicht. Sein Beitrag beleuchtet<br />
die Grundlagen, Entwicklungen und<br />
Grenzen moderner KI-Systeme.<br />
Nicht zu übersehen ist aber bei all dem, dass KI<br />
das produzierende Gewerbe von Grund auf<br />
verändern wird. Tresmo-CEO Jan Rodig (im Interview<br />
ab S. 10) sieht hier eine große Gefahr<br />
für deutsche Unternehmen. „Chinesische<br />
Firmen haben einerseits die Manufacturing-<br />
Erfahrung und andererseits investieren sie<br />
riesige Summen in KI – das ist der kritische<br />
Wettbewerbsfaktor der Zukunft.“ Werte China<br />
seine günstigeren Maschinen auch noch mit<br />
smarter, digitaler Technologie auf, werde es für<br />
deutsche Unternehmen schwierig, aufzuholen.<br />
Vor diesem Hintergrund präsentiert die Konradin<br />
Mediengruppe mit dem 2. Kongress<br />
‚Smarte Maschinen im Einsatz – Künstliche<br />
Intelligenz in Unternehmen‘ Hintergrundund<br />
Praxiswissen rund um KI-basierte Anwendungen.<br />
Agile Mittelständler können hier<br />
genauso wie Start-ups und große Konzerne<br />
eine Standortbestimmung vornehmen und erfahren,<br />
was KI in Firmen heute tatsächlich leisten<br />
kann und wo noch Herausforderungen zu<br />
bewältigen sind. Die Zahl der Teilnehmerinnen<br />
und Teilnehmer ist auf 150 begrenzt, Infos und<br />
Anmeldung sind möglich unter:<br />
www.industrie.de/kuenstliche-intelligenz-2019<br />
Dipl.-Ing. Michael Corban<br />
Chefredakteur<br />
<strong>KEM</strong> <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong><br />
michael.corban@konradin.de<br />
Folgen Sie uns auch auf diesen Kanälen:<br />
Twitter:<br />
@<strong>KEM</strong>SystemsEng<br />
LinkedIn<br />
hier.pro/Ax1zk<br />
Yumpu (Archiv)<br />
hier.pro/RsCN2<br />
Online (Themenseite)<br />
hier.pro/om30L<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 3
Inhalt<br />
<strong>systems</strong> <strong>engineering</strong> 04 2019<br />
Die DSAG zur digitalen Transformation<br />
Deutliche Ernüchterung<br />
Worauf basieren die modernen Systeme der Künstlichen<br />
Intelligenz? Wo passieren derzeit die rasantesten Fortschritte?<br />
Und was sind die wichtigsten Einsatzgebiete von KI im<br />
industriellen Umfeld?<br />
Menschen und Unternehmen<br />
Meldungen<br />
Die DSAG zur digitalen Transformation ........................... 4<br />
KI unterstützt Analyse von Produktionsdaten ................ 5<br />
Methoden<br />
Künstliche Intelligenz - Titelstory<br />
KI als Schlüssel zur Smart Factory – Treiber,<br />
Einsatzfelder und Perspektiven für die Industrie ............ 6<br />
Anwendungen<br />
Industrie 4.0<br />
Jan Rodig, Chief Executive Officer bei<br />
Tresmo, zu IoT sowie zur Plattformökonomie .............. 10<br />
Rubriken<br />
6<br />
Editorial .......................................................................... 3<br />
Wir berichten über ......................................................... 4<br />
Impressum ..................................................................... 5<br />
Bild: AndSus/Fotolia.com<br />
Bild: DSAG<br />
Marco Lenck, Vorstandsvorsitzender<br />
der Deutschsprachigen<br />
SAP-Anwendergruppe e. V.<br />
Anlässlich des Digitalgipfels 2019<br />
– Wirtschaft 4.0 BW, der Mitte<br />
April stattgefunden hat, kommentiert<br />
Marco Lenck, Vorstandsvorsitzender<br />
der Deutschsprachigen<br />
SAP-Anwendergruppe<br />
e.V. (DSAG), den Stand der<br />
Digitalisierung in Deutschland:<br />
„Die DSAG begreift die digitale<br />
Transformation als herausragende<br />
Chance für Unternehmen in<br />
Deutschland. Von vernetzter Produktion<br />
über digitales Kundenbeziehungsmanagement<br />
bis hin zur<br />
Entwicklung gänzlich neuer Geschäftsmodelle<br />
ergeben sich vielfältige<br />
Wachstums- und Entwicklungsmöglichkeiten.“<br />
Aus dem<br />
DSAG-Investitionsreport 2019<br />
gehe jedoch hervor, dass aktuell<br />
eine deutliche Ernüchterung bei<br />
den Mitgliedern des Vereins eingekehrt<br />
sei. Unternehmen schätzen<br />
demnach ihren derzeitigen<br />
Fortschritt in Sachen digitale<br />
Transformation weit schlechter<br />
ein als noch vor einem Jahr: Derzeit<br />
bewerten 62 % der Befragten<br />
ihren Status der Digitalisierung<br />
mit „nicht weit“. Im Vergleich<br />
zum Investitionsreport<br />
2018 stellt dies eine Verschlechterung<br />
von 10 % dar. Der Vorstandsvorsitzende<br />
Lenck ergänzt:<br />
„Mit dem zunehmenden<br />
Grad des digitalen Fortschritts<br />
wächst die Erkenntnis, in welchen<br />
Bereichen ebenfalls Transformation<br />
notwendig wird. Wir<br />
rufen daher sowohl Politik und<br />
Verbände als auch Anbieter dazu<br />
auf, zeitnah geeignete Rahmenbedingungen<br />
und Standards zu<br />
schaffen, umfassende Informationen<br />
und weitreichende Hilfestellungen<br />
anzubieten sowie den<br />
Anwendern passende Applika -<br />
tionen und Lösungen bereitzustellen.<br />
Die Digitalisierung findet<br />
jetzt statt. Wer verharrt, wird abgehängt.“<br />
Die DSAG kann als<br />
ansässiger Verband mit über<br />
60 000 Mitgliedern aus mehr als<br />
3500 Unternehmen weitreichende<br />
Einblicke in die digitalen Herausforderungen<br />
der Wirtschaft<br />
im DACH-Markt bieten. ik<br />
www.dsag.de<br />
Wir berichten über<br />
<strong>Konstruktion</strong><br />
Folgen Sie uns auch auf diesen Kanälen:<br />
Twitter:<br />
@<strong>KEM</strong>SystemsEng<br />
Yumpu (Archiv)<br />
hier.pro/RsCN2<br />
ABB ............................................. 9<br />
Affectiva ...................................... 6<br />
Amazon .................................. 9, 10<br />
BMW ........................................... 9<br />
Boston Consulting ....................... 6<br />
DataProphet ................................ 5<br />
Deutschsprachige<br />
SAP-Anwendergruppe ................. 4<br />
Facebook ................................... 10<br />
Franka Emika ............................... 9<br />
Fraunhofer IPA ............................. 9<br />
GE ............................................... 9<br />
Google ................................... 6, 10<br />
Honda .......................................... 6<br />
IBM ............................................. 6<br />
Kaeser Kompressoren ............... 10<br />
Kewazo ........................................ 9<br />
Kuka ............................................. 9<br />
McKinsey ..................................... 6<br />
Mikrotargeting ............................. 9<br />
Mojin Robotics ............................ 9<br />
MVTec Software .......................... 9<br />
Netflix .......................................... 9<br />
Plattform Industrie 4.0 ................. 5<br />
Renfe ........................................... 6<br />
SAP .............................................. 9<br />
Siemens ...................................... 9<br />
Tresmo ....................................... 10<br />
YouTube ....................................... 9<br />
LinkedIn<br />
Online (Themenseite)<br />
hier.pro/Ax1zk<br />
hier.pro/om30L<br />
4 K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019
MELDUNGEN<br />
MENSCHEN & UNTERNEHMEN<br />
Daten-Analytik<br />
KI unterstützt Analyse von Produktionsdaten<br />
In Produktionsdaten – insbesondere auch in<br />
archivierten Daten aus der Vergangenheit –<br />
steckt eine Menge Know-how, das sich nutzen<br />
lässt. „Wir können aus historischen Daten<br />
lernen und auf das kollektive Wissen und<br />
die Erfahrung aller Mitarbeiter zurückgreifen,<br />
die in der Vergangenheit Produktionsprozesse<br />
beeinflusst haben“, sagt Frans Cronje,<br />
Geschäftsführer und Mitbegründer von Data-<br />
Prophet. Das Unternehmen ist spezialisiert<br />
auf die Entwicklung von Lösungen auf Basis<br />
Künstlicher Intelligenz (KI). KI kann vor allem<br />
dazu beitragen, das enorme Datenvolumen<br />
zu beherrschen. „Die Datenmenge ist so umfangreich,<br />
dass sie nicht von einer Person<br />
allein analysiert werden kann“, so Cronje weiter.<br />
Es bestehe die Gefahr, von der Informa -<br />
tionsflut überwältigt zu werden und wichtige<br />
Möglichkeiten der Prozess- und Qualitätsoptimierung<br />
ungenutzt zu lassen. „Entscheidend<br />
ist aber, dass diese Daten von großem<br />
Wert sind und keine großen Investitionen erfordern,<br />
um sie zu extrahieren.“ DataProphet<br />
Bild: DataProphet<br />
„Wir können aus historischen<br />
Daten lernen und<br />
auf das kollektive Wissen<br />
und die Erfahrung aller Mitarbeiter<br />
zurückgreifen,<br />
die in der Vergangenheit<br />
Produktionsprozesse<br />
beeinflusst haben.“<br />
Frans Cronje, Geschäftsführer und<br />
Mitbegründer, DataProphet<br />
schlägt vor, mittels KI komplexe Muster in<br />
Datensätzen zu ermitteln und verschiedene<br />
Betriebsmodelle für die Produktionsanlage<br />
zu entwickeln. Bei herkömmlichen statistischen<br />
Prozesssteuerungsprogrammen würden<br />
die Steuerungsgrenzwerte von Experten<br />
programmiert, erläutert Cronje. „Diese erfassen<br />
dann aber oftmals nicht die komplexen<br />
Interaktionen zwischen allen Prozessvariablen,<br />
woraus sich erhebliche Abweichungen<br />
hinsichtlich Anlagenleistung und Produktionsqualität<br />
ergeben, welche sich die Experten<br />
nicht erklären können.“ Komme dann ein modernes<br />
KI-System wie DataProphets Produkt<br />
OMNI zum Einsatz, könnten anschließend<br />
Steuerungspläne erstellt werden, welche die<br />
Produktion auf ein stabiles, optimiertes<br />
Niveau bringen. „Wir haben beeindruckende<br />
Ergebnisse erzielt“, so Cronje abschließend:<br />
„Eine große Gießerei beispielsweise konnte<br />
ihren Ausschuss pro Jahr um eine Summe<br />
von mehr als einer Million Dollar senken.“ co<br />
www.dataprophet.com<br />
Plattform Industrie 4.0 stellt Leitbild 2030 vor<br />
Gestaltung offener digitaler Ökosysteme<br />
Im Mittelpunkt der Präsentation der Plattform<br />
Industrie 4.0 und ihrer Partner auf der Hannover<br />
Messe 2019 stand ein Leitbild: Die Plattform<br />
will die Entwicklung hin zu globalen digitalen<br />
Ökosystemen mitgestalten. Im Leitbild<br />
2030 sind Souveränität, Interoperabilität und<br />
Nachhaltigkeit die dafür zentralen Leitplanken.<br />
Darüber hinaus unterstreicht es die Notwendigkeit<br />
von Offenheit und Globalisierung<br />
einer digitalisierten Industrie. Dazu werden<br />
vor allem offene, interoperable Standards, geeignete<br />
regulatorische Rahmenbedingungen<br />
sowie gemeinsame IT-Sicherheitslösungen<br />
benötigt. Souveränität steht dabei für freie<br />
Gestaltungsspielräume, die Wettbewerbsfähigkeit<br />
und Selbstbestimmung bei digitalen<br />
Geschäftsmodellen garantieren. Interoperabilität<br />
ist die Grundvoraussetzung für Koopera -<br />
tion sowie für offene Ökosysteme und ermöglicht<br />
somit Pluralität und Flexibilität. Der<br />
Begriff der Nachhaltigkeit betont schließlich<br />
eine moderne industrielle Wertschöpfung,<br />
die einen hohen Lebensstandard sichert. ik<br />
www.plattform-i40.de<br />
<strong>Konstruktion</strong><br />
ISSN 1612–7226<br />
Herausgeberin: Katja Kohlhammer<br />
Verlag:<br />
Konradin-Verlag Robert Kohlhammer GmbH,<br />
Ernst-Mey-Straße 8,<br />
70771 Leinfelden-Echterdingen, Germany<br />
Geschäftsführer: Peter Dilger<br />
Verlagsleiter: Peter Dilger<br />
Redaktion:<br />
Chefredakteur:<br />
Dipl.-Ing. Michael Corban (co), Phone + 49 711 7594–417<br />
Stellvertretende Chefredakteure:<br />
Dipl.-Ing. Andreas Gees (ge), Phone +49 711 7594–293;<br />
Johannes Gillar (jg), Phone + 49 711 7594–431<br />
Korrespondent:<br />
Nico Schröder M.A. (sc), Phone +49 170 6401879<br />
Redakteure:<br />
Dr.-Ing. Ralf Beck (bec), Phone +49 711 7594–424;<br />
Evelin Eitelmann (eve), Phone +49 1520 5767159;<br />
Jörn Kehle (jke), Phone +49 711 7594–407;<br />
Irene Knap B.A. (ik), Phone +49 711 7594–446;<br />
Bettina Tomppert (bt), Phone +49 711 7594–286<br />
Redaktionsassistenz:<br />
Carmelina Weber, Phone +49 711 7594–257, Fax: –1257<br />
carmelina.weber@konradin.de<br />
Layout:<br />
Helga Nass, Phone +49 711 7594–278<br />
Gesamtanzeigenleiter:<br />
Andreas Hugel, Phone +49 711 7594–472<br />
Zurzeit gilt Anzeigenpreisliste Nr. 54 vom 1.10.2018<br />
Auftragsmanagement:<br />
Annemarie Olender, Phone +49 711 7594–319<br />
Leserservice:<br />
Ute Krämer, Phone +49 711 7594–5850<br />
Fax +49 711 7594–15850<br />
E-Mail: ute.kraemer@konradin.de<br />
<strong>KEM</strong> <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> erscheint monatlich<br />
ausschließlich digital.<br />
Auslandsvertretungen:<br />
Großbritannien: Jens Smith Partner ship, The Court, Long<br />
Sutton, GB-Hook, Hampshire RG29 1TA, Phone 01256<br />
862589, Fax 01256 862182, E-Mail: media@jens.demon.co.uk<br />
Schweiz: IFF media ag, Frank Stoll, Technoparkstr.3,<br />
CH-8406 Winterthur, Phone +41 52 633 08 88,<br />
Fax +41 52 633 08 99, E-Mail: f.stoll@iff-media.ch USA:<br />
TD.A. Fox Advertising Sales, Inc., Detlef Fox, 5 Penn<br />
Plaza, 19th Floor, New York, NY 10001, Phone +1 212<br />
8963881, Fax +1 212 6293988, detleffox@comcast.net<br />
Gekennzeichnete Artikel stellen die Meinung des Autors,<br />
nicht unbedingt die der Redaktion dar. Für unverlangt<br />
eingesandte Manuskripte keine Gewähr. Alle in <strong>KEM</strong><br />
erscheinenden Beiträge sind urheberrechtlich geschützt.<br />
Alle Rechte, auch Übersetzungen, vorbehalten. Reproduktionen<br />
gleich welcher Art, nur mit schriftlicher Genehmigung<br />
des Verlages.<br />
Erfüllungsort und Gerichtsstand ist Stuttgart.<br />
© 2019 by Konradin-Verlag Robert Kohlhammer GmbH,<br />
Leinfelden-Echterdingen.<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 5
METHODEN<br />
KÜNSTLICHE INTELLIGENZ<br />
Bild: AndSus/Fotolia.com<br />
Smarte Maschinen können heute sprechen und zuhören, lesen und schreiben, laufen und greifen, Objekte erkennen und sicher mit ihnen umgehen<br />
sowie immense Datenmengen analysieren und im Betrieb hinzulernen. Möglich machen dies Fortschritte auf dem Feld der KI<br />
Treiber, Einsatzfelder und Perspektiven für die Industrie<br />
Der Schlüssel zur Smart Factory<br />
– Künstliche Intelligenz (KI)<br />
Worauf basieren die modernen Systeme der Künstlichen Intelligenz (KI), wo passieren derzeit die rasantesten<br />
Fortschritte und was sind die wichtigsten Einsatzgebiete von KI im industriellen Umfeld – wir nehmen Sie mit auf<br />
eine Reise in eines der derzeit interessantesten Technikgebiete und erläutern auch, wo die Grenzen der Technik<br />
und ihres Einsatzes liegen. So viel sei schon vorab verraten: KI-Systeme werden zwar immer mehr Routineaufgaben<br />
übernehmen, aber Menschen werden weiterhin gebraucht – nicht zuletzt als Partner mit emotionaler und<br />
sozialer Intelligenz.<br />
Ulrich Eberl, Wissenschaftsjournalist, Höhenkirchen<br />
Vor 50 Jahren – lange vor den ersten Gedanken an eine smarte<br />
Fabrik (Smart Factory) – hat der Computer- und Roboter-<br />
Pionier Marvin Minsky „Künstliche Intelligenz“ (KI) definiert als<br />
„die Wissenschaft, die Maschinen dazu bringt, Dinge zu tun, die<br />
– würden sie von Menschen vollbracht –Intelligenz erfordern<br />
würden“. Die damaligen Erwartungen der Forscher an KI-Systeme<br />
waren hoch, doch jahrzehntelang blieben die Erfolge dahinter<br />
zurück: Erste selbsttätig fahrende Autos in den 1980er-Jahren,<br />
der IBM-Rechner Deep Blue, der 1997 den Schachweltmeis-<br />
ter besiegte, zweibeinige Roboter wie Hondas Asimo und kleinere<br />
lernfähige Programme, die die Steuerung von Walzwerken<br />
und Papierfabriken optimierten (sinngemäß die Vorläufer der<br />
Smart Factory) – das waren die wesentlichen Meilensteine bis<br />
zum Beginn des 21. Jahrhunderts.<br />
Doch nun ändert sich dies dramatisch. In den letzten Jahren hat<br />
es auf dem Feld der KI mehr Fortschritte gegeben als in den 50<br />
Jahren zuvor. Smarte Maschinen können heute sprechen und zuhören,<br />
lesen und schreiben, laufen und greifen, Objekte erkennen<br />
und sicher mit ihnen umgehen, immense Datenmengen<br />
analysieren und, was das Wichtigste ist: Sie können im Betrieb<br />
hinzulernen – sich also laufend optimieren. Damit bilden sie die<br />
Basis einer Smart Factory und damit der Industrie 4.0.<br />
6 K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019
KÜNSTLICHE INTELLIGENZ<br />
METHODEN<br />
Worauf basieren die modernen Systeme der<br />
Künstlichen Intelligenz?<br />
Die Treiber für den aktuellen Boom der KI sind vor allem<br />
drei Entwicklungen:<br />
• Die Leistungssteigerung der Hardware:<br />
Vor 25 Jahren konnten die stärksten Supercomputer etwa<br />
100 Milliarden Rechenoperationen pro Sekunde durchführen –<br />
das schafft heute jedes gute Smartphone. Zugleich sanken<br />
die Kosten und der Energiebedarf von Mikrochips bei gleicher<br />
Leistung um einen Faktor 10.000 bis 100.000. Darüber hinaus<br />
wurden auch Kameras, Mikrofone und Sensoren aller Art –<br />
etwa Beschleunigungs-, Radar-, Wärme- und Tastsensoren –<br />
wesentlich kleiner und kostengünstiger.<br />
• Die Algorithmen des maschinellen Lernens:<br />
Viele KI-Systeme basieren auf dem Konzept der Neuronalen<br />
Netze: Dabei sind Schichten künstlicher Nervenzellen (Neuronen)<br />
hintereinander gestapelt und miteinander auf komplexe<br />
Weise verschaltet – wobei ihre Verbindungsstärke wie im Gehirn<br />
variieren kann, was sie lernfähig macht. Insbesondere<br />
eignen sich solche Netze dazu, Muster zu erkennen, ohne<br />
dass ihnen einprogrammiert werden muss, an welchen exakten<br />
Eigenschaften sie dies festmachen sollen. Präsentiert<br />
man ihnen viele Fotos von Gesichtern oder Autos, können sie<br />
auch auf unbekannten Bildern sofort Gesichter oder Autos finden.<br />
Ebenso kann man sie mit gesprochenen Worten oder<br />
Schriftzeichen trainieren, und sie erkennen danach Sprach -<br />
befehle oder Handschriften. In den letzten Jahren haben Forscher<br />
spezialisierte Netze entwickelt, die bestimmte Aufgaben<br />
besonders gut erfüllen, etwa die Erkennung von Kanten<br />
in Bildern, zeitlich kodierte Informationen oder eine Art Erinnerung<br />
an frühere Erfahrungen. Man kann auch Neuronale<br />
Netze gegeneinander antreten lassen oder wie im Gehirn mit<br />
Belohnungseffekten arbeiten. Der Hauptunterschied heutiger,<br />
sogenannter Deep-Learning-Systeme gegenüber den Netzen<br />
der 1990er-Jahre ist aber vor allem ihre Leistungsstärke:<br />
Waren damals nur einige Tausend Neuronen in wenigen<br />
Schichten verbunden, so sind es bei den besten Systemen<br />
von heute Milliarden von Neuronen in Dutzenden von Schichten,<br />
die die Erkennungsaufgaben erledigen.<br />
• Die Datenmenge im Internet:<br />
Künstliche Neuronale Netze sind nur so gut wie die Qualität<br />
der Lernbeispiele, mit denen sie trainiert werden. Der Datenschatz<br />
der Menschheit ist enorm: Auf rund 25.000 Exabyte<br />
(Milliarden Gigabyte) dürfte er inzwischen angewachsen sein,<br />
und der größte Teil wird über Internet-Technologien, also in<br />
der Cloud, weitergeleitet oder gespeichert. All diese Milliarden<br />
Bilder, Texte, Videos und Audiodateien lassen sich als<br />
Trainingsmaterial nutzen. Und mit jeder Suchanfrage, mit jeder<br />
Spracheingabe, mit jedem Übersetzungswunsch lernen<br />
die smarten Maschinen hinzu, wird die Smart Factory<br />
leistungsfähiger.<br />
Meinungen und interessante Artikel zum Thema KI<br />
finden Sie auch auf unserer Themenseite<br />
‚Smart Factory und KI‘ unter:<br />
hier.pro/AelZB<br />
„Die Software AlphaGo von<br />
Google DeepMind schlug nicht<br />
nur die weltbesten Spieler<br />
des Brettspiels Go, sondern<br />
die Version AlphaGo Zero<br />
verbesserte sich allein dadurch,<br />
dass der Computer millionenfach<br />
gegen sich selbst spielte.<br />
Vorgegeben waren dem Programm<br />
nur die Spielregeln, nicht<br />
mehr Partien, die von Menschen<br />
gespielt worden waren.“<br />
Wo passieren derzeit die rasantesten<br />
Fortschritte?<br />
Vor allem vier Felder sind es, auf denen KI-Systeme derzeit besonders<br />
Furore machen – und die zudem immer mehr zusammenwachsen:<br />
• (a) die Verarbeitung von Sprache, Bildern, Videos und Texten,<br />
• (b) die Extraktion und Darstellung von Wissen<br />
(in „kognitiven Systemen“),<br />
• (c) die Analyse großer Datenmengen<br />
(„von Big Data zu Smart Data“),<br />
• (d) die <strong>Konstruktion</strong> von (teil)autonomen Maschinen – vom<br />
selbsttätig fahrenden Auto über Flugdrohnen bis zu zwei -<br />
beinigen humanoiden Robotern.<br />
Fast schon im Wochentakt wird von erstaunlichen Erfolgen berichtet,<br />
bei denen sich KI-Systeme oft sogar besser schlagen als<br />
Menschen. Ein paar Beispiele zu den oben genannten Feldern:<br />
(a) Im Mai 2018 berichtete Google über ein Telefonat seines<br />
Dialog<strong>systems</strong> Duplex mit einem Friseursalon. Es war nicht<br />
mehr zu erkennen, ob der Anrufer ein Mensch oder eine Maschine<br />
war, zumal die KI auch Denkpausen und Laute wie „hmm“<br />
verwendete. Ähnlich beeindruckend sind Programme wie<br />
Google Translate oder DeepL: Sie können heute in Sekundenschnelle<br />
Texte in andere Sprachen übersetzen – nicht fehlerfrei,<br />
aber doch in einer so guten Qualität, wie sie noch vor zwei, drei<br />
Jahren unvorstellbar gewesen wäre. Stichwort Bilderkennung:<br />
Die beste Software zur Erkennung von Verkehrszeichen macht<br />
nur noch halb so viele Fehler wie Menschen. Und 2013 gelang es<br />
einem Programm, in 100 Minuten auf Millionen von Google-<br />
StreetView-Bildern die Hausnummern zu finden – eine Aufgabe,<br />
für die ein menschliches Team Jahre gebraucht hätte. Eine weitere<br />
Software entdeckte in Gewebeschnitten Hinweise auf Krebszellen,<br />
die Ärzten bisher unbekannt waren, und ein Algorithmus<br />
der Firma Affectiva lernte, Gefühle wie Wut, Freude und Überraschung<br />
aus Gesichtern zu lesen. In Studien schnitt diese Emo -<br />
tionserkennungs-Software besser ab als viele menschliche<br />
Testpersonen.<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 7
METHODEN<br />
KÜNSTLICHE INTELLIGENZ<br />
Buchtipp<br />
INFO<br />
Wenn maschinelles Lernen, kognitive<br />
Computer und die besten Roboter zusammenkommen,<br />
dann werden sie<br />
eine Revolution auslösen, wie sie die<br />
Welt noch nicht gesehen hat. Künstliche<br />
Intelligenz schafft Multi-Milliarden-Euro-Märkte,<br />
verändert Millionen<br />
von Jobs und wirft ganz neue Sicherheitsfragen<br />
auf – wohin führt das<br />
alles? Ulrich Eberl hat für sein Buch<br />
in vielen Labors und Unternehmen in den USA, Japan und<br />
Europa recherchiert und schildert anschaulich und präzise<br />
die Entwicklungen auf dem Gebiet, das den Kern unseres<br />
Selbstverständnisses trifft: die menschliche Intelligenz.<br />
Smarte Maschinen – wie Künstliche Intelligenz unser Leben verändert,<br />
Hanser-Verlag, 406 Seiten, 24 Euro. Mehr unter:<br />
https://zukunft2050.wordpress.com/<br />
„Deep-Learning-Systeme<br />
sind Meister im Vergleich von<br />
Mustern, nicht mehr. Wurden sie<br />
etwa auf Tierbilder trainiert,<br />
finden sie überall Tiere. Ihnen<br />
fehlt völlig das Hintergrundwissen<br />
und das Verständnis für<br />
Zusammenhänge. Auch<br />
brauchen sie Zigtausende von<br />
Beispielen, um Objekte zuverlässig<br />
erkennen zu können – uns<br />
Menschen reichen wesentlich<br />
weniger.“<br />
(b) Im Jahr 2011 besiegte das IBM-System Watson, das den<br />
Sinn von Texten in natürlicher Sprache erfassen kann, die<br />
menschlichen Champions im Quiz-Spiel Jeopardy. Dabei musste<br />
es auf 200 Millionen Textseiten Hinweise finden, die zur jeweiligen<br />
Fragestellung passten, sie kombinieren, Hypothesen bilden,<br />
priorisieren – und das alles in zwei bis drei Sekunden. Im Januar<br />
2018 folgte ein weiterer Meilenstein: Erstmals schnitten KI-Systeme<br />
im Lesetest der Universität Stanford auch ohne Zeitlimit<br />
besser ab als Menschen – sie übertrafen also im reinen Textverständnis<br />
die menschlichen Wettbewerber. Solche wissensverarbeitenden<br />
Systeme werden heute von Ärzten, Finanzberatern<br />
und Managern eingesetzt und geben Empfehlungen für Diagnosen,<br />
Geldanlagen oder die Optimierung von Industrieprozessen.<br />
Für viele Schlagzeilen sorgte auch die Software AlphaGo von<br />
Google DeepMind, eine Kombination aus Deep-Learning-Netz<br />
mit Belohnungen, analytischen Berechnungen und Zufallsgenerator.<br />
In den Jahren 2016 und 2017 schlug sie nicht nur die weltbesten<br />
Spieler des Brettspiels Go, das aufgrund der Menge<br />
möglicher Spielzüge als weitaus komplexer gilt als Schach. Mehr<br />
noch: Die Version AlphaGo Zero verbesserte sich allein dadurch,<br />
dass der Computer millionenfach gegen sich selbst spielte. Vorgegeben<br />
waren dem Programm nur die Spielregeln, nicht mehr<br />
Partien, die von Menschen gespielt worden waren. Mit derart<br />
lernfähiger Software, die eigenständig die besten Gewinnstrategien<br />
herausfindet, will DeepMind künftig auch die Entwicklung<br />
neuer Materialien oder Arzneimittel voranbringen.<br />
(c) Große Windturbinen verfügen über viele Sensoren, die pro<br />
Tag Hunderte Gigabyte Daten produzieren. Neuronale Netze lernen,<br />
diese Datenflut weit besser zu analysieren, als es jeder<br />
Mensch könnte. Sie erkennen ungewöhnliche Schwingungen<br />
oder einen unrunden Lauf und organisieren ein Wartungsteam<br />
für Reparaturen – Tage oder Wochen, bevor es zu Beschädigungen<br />
kommt, die zum Ausfall der Turbine führen würden. Eine solche<br />
vorausschauende Wartung funktioniert auch bei vielen anderen<br />
Geräten – von Aufzügen über Ampeln bis zu Fahrzeugen.<br />
Der Hochgeschwindigkeitszug Velaro in Spanien erreicht damit<br />
eine extrem hohe Zuverlässigkeit. Nur eine von 2300 Fahrten ist<br />
deutlich verspätet – der Bahnbetreiber Renfe erstattet Kunden<br />
sogar den vollen Fahrpreis bei einer Verspätung über 15 Minuten.<br />
Besonders interessant wird die vorausschauende Wartung<br />
(Predictive Maintenance) zudem in der Smart Factory – hier kann<br />
sie dabei unterstützen, ungeplante Stillstände zu vermeiden.<br />
(d) In Fabriken lernen kollaborative Roboter heute Bewegungen,<br />
indem sie Menschen nachahmen – sie müssen nicht mehr<br />
programmiert werden. Sie arbeiten ohne Schutzzäune Hand in<br />
Hand mit menschlichen Arbeitern und können binnen Tausendstel<br />
Sekunden ihre Bewegungen stoppen, bevor sie einen Menschen<br />
verletzen würden. Auch gibt es feinfühlige Roboter, die<br />
sogar weiche Erdbeeren pflücken, ohne Druckstellen zu hinterlassen,<br />
und im Sommer 2018 startete der Kugelroboter Cimon<br />
zur Weltraumstation ISS. Cimon kann selbsttätig fliegen und autonom<br />
agieren. Sprachgesteuert soll er für die Astronauten Bedienungsanleitungen<br />
darstellen und erklären sowie Fotos und<br />
Sprachnachrichten aufzeichnen. In Zukunft, so die Idee von KI-<br />
Forschern, müssen Roboter auch nicht mehr alles, was sie an<br />
Daten und Fähigkeiten benötigen, bei sich tragen, sondern können<br />
es bei Bedarf wie Apps aus einem „RoboNet“ herunterladen<br />
– etwa wenn sie schnell lernen müssen, wie man empfindliche<br />
Gläser greift, Türen öffnet oder einen Dinnertisch deckt. Der<br />
Anfang ist bereits gemacht: So haben Google-Wissenschaftler<br />
14 Roboter zwei Monate lang immer wieder neue Greifstrategien<br />
ausprobieren lassen, um unbekannte Objekte zu packen.<br />
Die Maschinen reichten dabei ihre Ergebnisse an Deep-Learning-Netzwerke<br />
in der Cloud weiter, so dass jeder Roboter von<br />
den Versuchen aller anderen profitierte.<br />
8 K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019
KÜNSTLICHE INTELLIGENZ<br />
METHODEN<br />
Einsatzfeld<br />
Produktionsumgebung<br />
Nutzen<br />
Beispiele<br />
Kollaborative Leichtbau-Roboter (Cobot) wie ABB<br />
YuMi, Kuka LBR iiwa, Franka Emika Panda. Vollständig<br />
digitale Fabrik und digitale Zwillinge: Smart-<br />
FactoryKL, Siemens Digital Enterprise Suite<br />
Mensch und Maschine zusammen effizienter dank<br />
kollaborativer Roboter. Höhere Flexibilität bei kundenspezifischen<br />
Produkten und schnelleres Reagieren auf<br />
unvorhergesehene Situationen. Maschinen kommunizieren<br />
miteinander, um Abläufe zu optimieren.<br />
Qualitätssicherung<br />
KI findet – etwa über präzise und schnelle Bild -<br />
verarbeitung – Beschädigungen und Defekte bei<br />
Produkten sowie Fehler im Prozess<br />
Google AutoML Vision, IBM Watson Visual Recognition,<br />
Fraunhofer IPA (Oberflächenprüfung, Kabel -<br />
belegung, Schweißnähte etc.), MVTec Software<br />
Datenanalyse<br />
Kontinuierliche Analyse und Lernen aus großen<br />
Datenmengen (etwa von Sensoren) ermöglicht<br />
vorausschauende Wartung und Minimierung von<br />
Energieeinsatz und Ressourcen<br />
Siemens MindSphere (Internet-of-Things-Plattform),<br />
GE Predix, Google DeepMind (z.B. für Energieverbrauch<br />
von Rechenzentren), SAP Leonardo<br />
Textanalyse und<br />
Wissensverarbeitung<br />
KI liest große Textmengen, wertet Dokumente aus<br />
und fasst sie zusammen (z.B. juristische Verträge,<br />
Fachliteratur, Anleitungen)<br />
IBM Watson Explorer, Siemens Augmented Intelligence<br />
(Wissensgraph + KI-Algorithmen)<br />
Logistik und<br />
Supply Chain Management<br />
KI optimiert Lieferprozesse, Montage und<br />
Lagerhaltung<br />
BMW IoT (Überwachung der Logistikkette), IBM<br />
Weather Company (Vorhersage von Verzögerungen<br />
bei Lieferungen), Kewazo (KI in Gerüstmontage),<br />
Roboter im Lager: Amazon Robotics, DHL,<br />
Magazino, Mojin Robotics/Fraunhofer<br />
Sales und Marketing<br />
Customer Relationship<br />
Management<br />
KI prognostiziert Kundennachfrage und verbessert<br />
personalisiertes Marketing<br />
KI ermöglicht virtuelle Assistenten in Call Centern, Beschwerdemanagement,<br />
Sprachdialoge mit Maschinen<br />
Amazon, Netflix, YouTube, Mikrotargeting<br />
(ehem. Cambridge Analytica)<br />
Google Assistant, IBM Watson, Amazon Alexa,<br />
SemVox (kontextbasierte Sprachdialoge)<br />
Quelle: Autor<br />
Die Tabelle gibt eine Übersicht über die wichtigsten Einsatzgebiete von Künstlicher Intelligenz (KI) im industriellen Umfeld<br />
Was sind die wichtigsten Einsatzgebiete von<br />
KI im industriellen Umfeld?<br />
Die Produktivitätspotenziale, die durch KI-Systeme im industriellen<br />
Umfeld gehoben werden können, schätzen Unternehmensberater<br />
von McKinsey und Boston Consulting auf 20 bis 50 Prozent.<br />
Die wichtigsten Einsatzfelder sind in der oben gezeigten<br />
Tabelle zusammengefasst.<br />
Was wird künftig möglich sein und<br />
wo sind die Grenzen?<br />
Die Einsatzgebiete von KI werden sich schon bald auf alle Lebensbereiche<br />
erstrecken – das Smartphone war sicherlich nur<br />
der Anfang der Ära der smarten Maschinen. Smart Grids (intelligente<br />
Energienetze), Smart Building, Smart Factory, Smart<br />
Office, Smart Health, Smart Car (das autonom fahrende, vollvernetzte<br />
Auto) und Smart City sind hier die Schlagworte. Betrachtet<br />
man die Entwicklungen der Halbleiterindustrie, so dürfte sich<br />
die Rechenleistung, Speicherfähigkeit und Kommunikations-Datenrate<br />
von Mikrochips in den nächsten 25 Jahren bei gleichem<br />
Preis noch einmal vertausendfachen – die Hardware lässt also<br />
noch eine erhebliche Leistungssteigerung erwarten.<br />
Bei der Software gibt es allerdings deutliche Grenzen. So sind<br />
Deep-Learning-Systeme Meister im Vergleich von Mustern, nicht<br />
mehr. Wurden sie etwa auf Tierbilder trainiert, finden sie überall<br />
Tiere, auch in Wolken oder dem Rauschen eines Bildschirms.<br />
Ihnen fehlt völlig das Hintergrundwissen und das Verständnis für<br />
Zusammenhänge. Auch brauchen sie Zigtausende von Beispielen,<br />
um Objekte zuverlässig erkennen zu können – uns Menschen<br />
reichen wesentlich weniger. Wie Neuronale Netze neue<br />
Objektklassen aus bisher gelerntem Wissen ableiten könnten,<br />
ist ein ungelöstes Problem – ebenso wie das sogenannte Transfer<br />
Learning: So würden Wissenschaftler gerne Roboter in virtuellen<br />
Welten das Greifen von Gegenständen üben lassen und<br />
dann das Gelernte in die reale Welt übertragen, doch oft stimmen<br />
beispielsweise simulierte und reale Reibungskräfte nicht<br />
überein. Und über allem steht eine große Frage: Wie kann man<br />
Maschinen ein Modell der Welt beibringen? Denn so wie KI-Systeme<br />
heute konstruiert werden, sind sie Spezialisten für ihre Einsatzfelder,<br />
ohne Allgemeinintelligenz, ohne „gesunden Menschenverstand“.<br />
Deshalb werden KI-Systeme zwar in den nächsten<br />
Jahren immer mehr Routineaufgaben übernehmen, aber<br />
Menschen werden weiterhin als Lenker und Denker gebraucht,<br />
als Planer und Entscheider, als kreative Problem- und Konfliktlöser,<br />
als Qualitätssicherer und als Partner mit emotionaler und sozialer<br />
Intelligenz gegenüber ihren Kunden und Zulieferern – auch<br />
in einer Smart Factory. Maschinen, die uns auf allen Gebieten<br />
überflügeln könnten, sind bei weitem nicht in Sicht.<br />
Veranstaltungstipp:<br />
Moderiert von Autor Ulrich Eberl präsentiert die Konradin Mediengruppe bereits zum<br />
zweiten Mal Ihren Kongress zu KI-basierten Anwendungen für agile Mittelständler,<br />
Start-ups und große Konzerne. Der Titel lautet 2019 „Smarte Maschinen im Einsatz –<br />
Künstliche Intelligenz in Unternehmen“.<br />
Zeit und Ort: 15. Oktober 2019, Fraunhofer IPA, Nobelstraße 12, Stuttgart<br />
Programm und Anmeldung (die Zahl der Teilnehmer ist auf 150 begrenzt):<br />
www.industrie.de/kuenstliche-intelligenz-2019<br />
Der Autor<br />
Ulrich Eberl promovierte 1992 an der TU München in<br />
Physik, arbeitete bei Daimler und leitete 20 Jahre lang<br />
bei Siemens die Kommunikation über Forschung, Innovationen<br />
und Zukunftstrends. 2015 machte er sich als<br />
Wissenschaftsjournalist, Buchautor und Keynote-<br />
Speaker selbstständig. Sein besonderes Interesse gilt<br />
der Künstlichen Intelligenz – ein Feld, zu dem er lange<br />
in Japan, den USA und Europa recherchierte und 2016<br />
das Buch ‚Smarte Maschinen‘ veröffentlichte.<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 9
ANWENDUNG<br />
INDUSTRIE 4.0<br />
Jan Rodig, Chief Executive Officer, Tresmo GmbH, zu Digitalisierung und Plattformökonomie<br />
„KI ist der kritische Wettbewerbsfaktor“<br />
Industrie 4.0 verlangt nach entsprechenden Lösungen und smarten, vernetzten Produkten. Doch viele<br />
Unternehmen tun sich schwer, den richtigen Einstieg in die digitale Zukunft zu finden. Tresmo-CEO Jan Rodig<br />
benennt im Interview mit <strong>KEM</strong> <strong>Konstruktion</strong> die größten Stolpersteine bei der Umsetzung einer funktionierenden<br />
IoT-Strategie und erklärt, welche Bedeutung der Künstlichen Intelligenz (KI) zukommt.<br />
Interview: Johannes Gillar und Nico Schröder, Redaktion <strong>KEM</strong> <strong>Konstruktion</strong><br />
Jan Rodig benennt im Gespräch mit der Redaktion<br />
die größten Stolpersteine bei der Umsetzung einer<br />
funktionierenden IoT-Strategie<br />
Bild: Michael Skupin/Konradin Mediengruppe<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Herr Rodig, welche Entwicklungen sehen<br />
Sie derzeit am Markt für IoT-Plattformen?<br />
Jan Rodig, Tresmo: Wir beobachten drei Entwicklungen. Eine davon<br />
ist, dass sich Cloud und Edge in der IoT-Welt immer stärker aufeinander<br />
zu bewegen. Auf der einen Seite gibt es Anbieter, die aus<br />
der Automatisierung und somit eher aus dem Edge-Computing<br />
kommen und nun vermehrt Cloud-Technologie anbieten. Andererseits<br />
haben wir Unternehmen wie Amazon oder Microsoft, die aus<br />
der Cloud-Ecke kommen und zunehmend Edge-Komponenten<br />
anbieten. Cloud und Edge spielen immer besser zusammen und es<br />
werden Lösungen angeboten, die beide Technologien vereinen.<br />
Allerdings steckt momentan vieles noch in den Kinderschuhen. Die<br />
zweite Entwicklung, die wir wahrnehmen, ist eine starke Konsolidierung<br />
in diesem Bereich. Noch vor wenigen Jahren haben uns<br />
Kunden gefragt, welche IoT-Plattform wir empfehlen können. Heute<br />
treten die meisten Interessenten schon mit einer Vorauswahl an<br />
uns heran. Da kristallisieren sich in der Regel fünf bis zehn Plattformen<br />
heraus, die für fast alle Kunden relevant sind. Und drittens<br />
zielen Plattformanbieter zunehmend darauf ab, Ökosysteme aufzubauen.<br />
Dies wird durch Partnerschaften erreicht, aber auch durch<br />
die Verknüpfung mit Anwendungen und sonstigen Systemen. Letztendlich<br />
bin ich überzeugt, dass der eigentliche Mehrwert im<br />
Ökosystem liegt.<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Das Thema IoT beziehungsweise<br />
Industrie 4.0 steckt in vielen Unternehmen oft noch<br />
in den Kinderschuhen. Was bremst Unternehmen in<br />
Hinblick auf die Nutzung von IoT-Technologien?<br />
Rodig: Das zentrale Problem ist, dass Unternehmen häufig<br />
mit einer klassischen, betriebswirtschaftlichen Sicht<br />
an ein IoT-Projekt herangehen, wie an eine gewöhnliche<br />
Produkteinführung. Das heißt, es wird erwartet, dass<br />
sich das Projekt spätestens nach zwei oder drei Jahren<br />
rentiert. Das ist der Hauptfehler. Meine Kernüberzeugung<br />
ist, dass sich der deutsche Maschinenbau über digitale<br />
Services und entsprechende Geschäftsmodelle differenzieren<br />
muss, um langfristig wettbewerbsfähig zu bleiben<br />
und damit am Ende sein Kerngeschäft zu retten. Oft fehlt das Verständnis<br />
dafür, dass es nicht um ein ‚Nice-to- have-Szenario‘ geht,<br />
sondern ums Überleben des Unternehmens. Denn ohne eine<br />
vorausschauende Wartung – nur um ein Beispiel zu nennen – wird<br />
ein Maschinenbauer seine Maschine nicht mehr verkaufen können.<br />
Hier ist Beratung wichtig. Digitalisierung bedeutet in diesem Zusammenhang,<br />
Ideen zu sammeln, diese systematisch mit dem Kunden<br />
zu prüfen und dann vom Kundenproblem ausgehend kreative<br />
Lösungen zu entwickeln. Dazu muss man natürlich zunächst ein IoT-<br />
Projekt starten und diese typischen digitalen Innovationsprozesse<br />
auch wirklich leben. Sich am Anfang des Projektes mit dem Controller<br />
hinzusetzen und über den Return on Investment zu sprechen, ist<br />
nicht zielführend. Leider ist das in vielen mittelständischen Unternehmen<br />
aber noch der Ansatz.<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Wie geht es besser?<br />
Rodig: Wirklich innovative Vorreiter gehen anders heran. Sie wissen,<br />
dass man zunächst ein paar Dinge ausprobieren muss und versuchen<br />
so, eine Lösung für das Problem zu finden. Eine Wirtschaftlichkeitsbetrachtung<br />
folgt danach. Allerdings kann man mit dieser<br />
Vorgehensweise auch viel Geld verbrennen. Kleinere Unternehmen<br />
tun sich daher oft noch schwer mit dieser Vorgehensweise. Aus<br />
meiner Sicht hängt es aber nicht nur von der Größe ab, sondern<br />
sehr stark vom Führungsteam. Es gibt viele kleine Unternehmen,<br />
die sehr innovativ sind und das Thema Digitalisierung verstanden<br />
10 K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019
INDUSTRIE 4.0<br />
ANWENDUNG<br />
Bild: Michael Skupin/Konradin Mediengruppe<br />
„Ein Trend ist, dass<br />
die Plattform-Anbieter<br />
zunehmend darauf<br />
abzielen, Ökosysteme<br />
mit Partnern<br />
aufzubauen.“<br />
Jan Rodig,<br />
CEO/Managing Partner<br />
Tresmo GmbH<br />
Der IoT-Spezialist<br />
INFO<br />
Als Systemintegrator konzipiert und programmiert Tresmo individuelle<br />
Lösungen für IoT, Cloud/Web, mobile Apps und Embedded-Software.<br />
Der IoT-Spezialist unterstützt unter anderem bei der Entwicklung<br />
digitaler Produkt- und Serviceinnovationen sowie zukunftsfähiger<br />
Geschäftsmodelle. Mit über 35 umgesetzten IoT-Projekten ist das<br />
Unternehmen einer der führenden unabhängigen IoT-/Industrie-4.0-<br />
Dienstleister in der DACH-Region.<br />
haben. Und auf der anderen Seite gibt es auch sehr große Unternehmen,<br />
die noch weit hinterherhinken. Letztendlich gibt es noch zu<br />
wenig erfolgreiche IoT-Projekte, um zu präzisieren, was in einer bestimmten<br />
Branche funktioniert und wie viel Geld sich mit den Projekten<br />
verdienen lässt.<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Können Sie ein Beispiel nennen für ein<br />
funktionierendes digitales Geschäftsmodell?<br />
Rodig: Ein gutes Beispiel ist Kaeser Kompressoren. Die Firma hat<br />
schon bevor es das IoT gab ‚Air-as-a-Service‘ angeboten. Dabei handelt<br />
es sich um ein Pay-per-Use-Modell, bei dem man keine Kompressoren<br />
mehr verkauft, sondern lediglich die benötigte Druckluft.<br />
Der Kunde bezahlt nur, was er wirklich nutzt. Mittlerweile macht<br />
Kaeser Kompressoren einen signifikanten Anteil seines Umsatzes<br />
damit. Das Unternehmen konnte sich so im Wettbewerb – auch mit<br />
günstigeren Anbietern – erfolgreich etablieren. Das ist insofern ein<br />
schönes Beispiel, weil es zeigt, dass es funktioniert, mit IoT-Geschäftsmodellen<br />
Geld zu verdienen. Ein anderes Beispiel ist das<br />
Thema Plattformökonomie. Unternehmen wie Siemens oder Trumpf<br />
investieren hier viel Geld, doch sie wissen auch, dass diese Plattformen<br />
sehr intensiv genutzt und in Zukunft einen Return on Investment<br />
bringen werden.<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Sie sagen, die Differenzierung erfolgt heute<br />
über digitale Services, da sich die Hardware- und Softwarequalität<br />
von Firmen nicht mehr so sehr voneinander unterscheidet<br />
und andere Länder in diesen Bereichen aufholen. Aber warum<br />
sollten andere Länder nicht auch in Richtung IoT-Services<br />
denken?<br />
Rodig: Das tun sie schon. Das ist genau das Problem und aus meiner<br />
Sicht droht hier die große Gefahr für deutsche Unternehmen.<br />
Viele sagen, Deutschland hinke bei der Digitalisierung beispielsweise<br />
hinter den USA hinterher. Das sehe ich anders. Die USA haben<br />
keine so besonders ausgeprägte Industrielandschaft wie wir in<br />
Deutschland. Die Amerikaner sind gut bei allem, was Consumer-IoT<br />
und Consumer-IT angeht – Stichwort: Facebook, Google, Amazon &<br />
Co. Die große Gefahr bezogen auf das Industriegeschäft kommt aus<br />
China. Chinesische Firmen haben einerseits die Manufacturing-<br />
Erfahrung und andererseits investieren sie riesige Summen in<br />
Künstliche Intelligenz (KI). KI ist aus meiner Sicht der kritische Wettbewerbsfaktor<br />
der Zukunft. Das heißt, wir dürfen hier den Kopf nicht<br />
in den Sand stecken, sondern müssen unbedingt etwas tun. Denn<br />
wenn China seine günstigeren Maschinen auch noch mit smarter,<br />
digitaler Technologie aufwertet, wird es für deutsche Unternehmen<br />
schwierig, aufzuholen.<br />
<strong>KEM</strong> <strong>Konstruktion</strong>: Sie haben viele IoT-Projekte durchgeführt.<br />
Wo sehen Sie die Stolpersteine bei der Umsetzung einer funktionierenden<br />
IoT-Strategie?<br />
Rodig: Die größte Herausforderung für Industrieunternehmen bei<br />
der Umsetzung von IoT-Projekten ist es, eine agile Arbeitsweise zu<br />
etablieren und wirklich kundenzentriert zu arbeiten. Es ist eher ein<br />
Kultur- und nicht unbedingt ein Technologiethema. Digitale Prozesse<br />
starten mit einem Problem beim Kunden. Als IoT-Dienstleister versuchen<br />
wir herauszufinden, wie relevant dieses Problem ist, um anschließend<br />
verschiedene Lösungsszenarien zu entwickeln. Diese<br />
werden mit unserem Kunden auf ihre Praktikabilität getestet, wodurch<br />
man letztendlich zu einem Ergebnis kommt. Gerade ingenieurgetriebene<br />
Unternehmen tendieren häufig dazu, ihren Kunden<br />
selbst Lösungen vorzugeben und zu sagen: „So muss das laufen“ –<br />
entsprechend schwach ist die Einbeziehung des Kunden zu Projektbeginn.<br />
Bewährte Methoden wie Design Thinking oder Lean Startup<br />
werden in der Regel nicht genutzt. Nach einer langen, teuren Entwicklungszeit<br />
stellen diese Unternehmen dann häufig fest, dass die<br />
Lösung nicht funktioniert. Es fehlt ihnen am nötigen Mindset. Aus<br />
diesem Grund macht es Sinn, die digitalen Themen vom Kerngeschäft<br />
zu lösen. Ein zweiter Stolperstein ist, dass das Thema<br />
Plattform auswahl häufig falsch angegangen wird. Oft entscheiden<br />
sich Unternehmen relativ schnell auf Basis zu weniger Kriterien für<br />
eine Plattform. Gerade hierbei ist aber Sorgfalt angeraten. Denn mit<br />
der richtigen IT-Architektur lässt sich auch die Plattform abstrahieren<br />
und auf diese Weise auch austauschbar machen. Wenn dann die<br />
Schnittstellen entsprechend aufgebaut werden, lassen sich oft verschiedene<br />
IoT-Plattformen nutzen. Damit macht man sich als Unternehmen<br />
weniger abhängig von den großen Anbietern. Ein weiteres<br />
Problem ist das Thema der Datenmodellentwicklung oder Datenstandardisierung.<br />
Oft haben Hersteller viele verschiedene Maschinen<br />
und Produkte, die häufig von unterschiedlichen Teams entwickelt<br />
wurden, wodurch sie historisch gewachsene eigene Datenmodelle<br />
aufweisen. Wenn Lösungen nun über eine App bedienbar und<br />
vernetzbar gemacht werden sollen, dann sollten diese miteinander<br />
kommunizieren und die Daten einfach ausgetauscht werden können.<br />
Die Entwicklung eines solchen flexiblen und zukunftsfähigen<br />
Datenmodells gehört zu den großen Herausforderungen und ist entsprechend<br />
zeitaufwendig. Damit beschäftigen wir uns sehr intensiv.<br />
www.tresmo.de<br />
Details zu den IoT-Dienstleistungen von Tresmo:<br />
hier.pro/N5oXa<br />
K|E|M <strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04 2019 11
Industrie<br />
Fachwissen für Interdisziplinäre<br />
Produktentwicklung<br />
<strong>KEM</strong> <strong>Konstruktion</strong><br />
<strong>systems</strong> <strong>engineering</strong><br />
Speziell für Sie als Verantwortliche für den Entwicklungsprozess.<br />
Damit die Zusammenarbeit zwischen Mechanik- und Elektronik-<br />
Spezialisten, Softwareentwicklern, Automatisierungsprofis<br />
und IT‘lern reibungslos klappt.<br />
10 digitale Ausgaben:<br />
10 digitale<br />
Ausgaben<br />
Systems Engineering – Methoden & Tools<br />
Industrie 4.0 / Internet of Things (IoT)<br />
Mechatronische Konfiguration<br />
Product Livecycle Management (PLM)<br />
Durchgängige Entwicklungs- und Programmiertools<br />
MES-Lösungen als Mittel der Wahl für die<br />
ganzheitliche Steuerung<br />
Kommunikation/Security<br />
IT-Infrastruktur<br />
… und vielen Anregungen und Ansätzen, wie<br />
sich die interdisziplinäre Zusammenarbeit<br />
in der Praxis methodisch und organisatorisch<br />
umsetzen lässt.<br />
Die Plattform<br />
für smarte<br />
Produkte und<br />
Industrie 4.0<br />
kem.de/themen/<strong>systems</strong>-<strong>engineering</strong>/<br />
Online<br />
Themenseite:<br />
Online-<br />
Magazin<br />
lesen:<br />
12 K|E|M<br />
http://hier.pro/om30L<br />
<strong>Konstruktion</strong> <strong>systems</strong> <strong>engineering</strong> 04<br />
http://hier.pro/RsCN2<br />
2019<br />
Hier finden Sie die passenden<br />
Medien für Sie und Ihre Branche:<br />
konradin.de/industrie<br />
media.industrie.de