» MANAGEMENT Digitale
» MANAGEMENT Digitale Services ergänzen das Dienstleistungsangebot. Grafik: Aerzen Digital Systems nicht nur statistische Kompetenzen erforderlich, sondern auch das Wissen von Maschinen- und Prozessexperten, die die Bedeutung der identifizierten Datenzusammenhänge im realen Kontext beurteilen können. Modellierung der Daten Im fünften Schritt erfolgt die Modellierung der Daten, um hieraus weiterführende Erkenntnisse zu gewinnen, welche einen Mehrwert für das Geschäftsmodell bieten. Dies können zum Beispiel bestimmte Klassifikationen oder Prognosen sein. Hierfür gibt es verschiedene Methoden und Herangehensweisen, welche sich prinzipiell in die drei Gruppen statistische Verfahren konventionelles Maschinelles Lernen und Deep Learning untergliedern lassen. Statistische Verfahren dienen dazu, das Systemverhalten mit Hilfe von Wahrscheinlichkeitsmodellen abzubilden. Idealerweise sollten Daten auf der Grundlage physikalischer Zusammenhänge statistisch modelliert werden. Gerade bei komplexen Problemstellungen kann dies jedoch sehr aufwendig, teuer oder gar nicht realisierbar sein. Hier setzt maschinelles Lernen an, das Probleme in einen höherdimensionalen mathematischen Raum abstrahiert und löst. Es gibt zwei Hauptströmungen des maschinellen Lernens: konventionelles maschinelles Lernen und Deep Learning. Während sich konventionelle Ansätze auf bestimmte Merkmale eines Signals kon- zentrieren, um Entscheidungen wie Klassifizierungen oder Vorhersagen zu treffen, verwendet das Deep Learning neuronale Netze. Diese Netze, die dem menschlichen Gehirn nachempfunden sind, bestehen aus Eingangs-, Ausgangs- und vielen Zwischenschichten mit Knoten, den „Neuronen“. In diesen tiefen neuronalen Netzen erfolgt die Entscheidungsfindung durch die Aktivierung bestimmter Neuronenverbindungen auf der Grundlage eines zuvor trainierten Musters. Das Training dieser Muster ist aufwendig und erfordert oft Tausende von Datenpunkten. Eine Herausforderung solcher Modelle ist ihre Abstraktheit. Sie macht es oft schwierig, die zugrunde liegenden Entscheidungsprozesse und Ergebnisse zu verstehen. Obwohl es mathematische Methoden gibt, den Entscheidungsprozess solcher Modelle zu bewerten, bleibt ihre Interpretation oft komplex. Daher ist es empfehlenswert, immer das einfachste Modell zu verwenden, das die vorab definierten Genauigkeitsanforderungen erfüllt. Verwertung und anfallende Kosten Bei der Entwicklung eines datenbasierten Dienstes gilt es zunächst, einen geeigneten Business Case und ein Geschäftsmodell zu erstellen. Darauf aufbauend wird ein Minimum Viable Product (MVP) konzipiert und anschließend ein Proof-of- Concept (PoC) mit festen Bewertungskriterien entwickelt. Bevor eine Software in Betrieb genommen wird, sollten die Integration, der Nutzerkreis und die Systemsicherheit berücksichtigt werden. Bei der Darstellung der Daten reicht das Spektrum von einfachen Dashboards bis hin zu komplexen Prognosesystemen. Die Benutzerfreundlichkeit sollte immer im Vordergrund stehen. Die Kosten im Data Science Lifecycle beginnen bei wenigen Tausend Euro für ein KI-Basistraining. Eine umfassende Instrumentierung eines Anlagenteils oder Maschinenelements inklusive umfangreicher Datenaufzeichnung und Ablage ruft bereits Kosten im mittleren fünfstelligen Bereich hervor. Komplexere Datenanalysen und eine individuelle Entwicklung, Validierung und Betrieb von Maschinellen Lernalgorithmen bewegen sich dagegen schnell im unteren sechsstelligen Bereich. Eine sorgfältige Planung und die Beratung durch Experten sind entscheidend, um Kostenüberschreitungen zu vermeiden. Fazit Inmitten des Digitalisierungshypes, insbesondere rund um das Thema KI, sollten Mittelständler pragmatische Ansätze verfolgen. Oft genügt eine einfache statistische Datenanalyse, um den Einstieg zu finden. Es empfiehlt sich, aus kleinen Projekten zu lernen und mit erfahrenen Experten zusammenzuarbeiten. So lassen sich Ressourcen effizient einsetzen und Fallstricke vermeiden. 28 Industrieanzeiger » 12 | 2023
SPECIAL » Messe Motek Vom 10. bis 13. Oktober 2023 dient die Fachmesse Motek in Stuttgart als Orientierung und Inspiration für die internationale Fertigungsindustrie. Auf die Besucher warten zukunftsweisende Innovationen der Produktions- und Montageautomatisierung. Womit beschäftigt sich die Motek 2023? » Seite 30 Neuheiten Scara-Robotik » Seite 31 Vakuum-Automatisierung » Seite 32 KI-gestützte Werkerführung » Seite 33 Montagetechnik & Predictive Maintenance » Seite 35 Neuheiten Lineartechnik » Seite 36 Bild: P. E. Schall Optimiertes Kettenfördersystem » Seite 37 Neuheiten der Sortier- und Zuführungstechnik sind auch auf der Motek zu sehen. Die Lösungen für die Montageautomation sind zukunftsfähig und einfach anwendbar. Industrieanzeiger » 12 | 2023 29
