Das Seminar beschäftigt sich mit den Möglichkeiten und technischen Umsetzungen von KI-Anwendungen in der Fertigung. Sie lernen, vorhandene Daten aus Maschinen, Prozessen und Produktqualitäten effizient zu nutzen. KI verspricht Muster in Daten zu erkennen, die von Maschinen und Sensoren generiert werden, um Prozesse nachhaltig zu optimieren und teure Stillstände sowie Ausschuss zu vermeiden. Die erreichbare Automatisierung führt zu einer höheren Produktqualität, optimierter Prozesseffizienz und letztendlich zu wettbewerbsfähigeren Unternehmen.
Doch welche Anwendungsfälle gibt es und welche Technologien werden benötigt und warum? Die Antwort darauf ist vielschichtig. Wenn es darum geht, den richtigen Zugang zu den benötigten Daten zu gewährleisten, spielen Schnittstellen und Plattformen eine wesentliche Rolle. Standardisierte Schnittstellen sind von großer Bedeutung, da sie eine reibungslose Kommunikation zwischen verschiedenen Komponenten und Geräten ermöglichen.
Die richtige Hardware ist ebenfalls unerlässlich, um eine nahtlose Integration in die IT-Landschaft zu gewährleisten. Die Erfassung von Daten aus bestehenden Anlagen, die auch als Brownfield-Anlagen bezeichnet werden, steht im Fokus des Seminars. Hierbei handelt es sich um bereits existierende Anlagen, die oft ältere Technologien verwenden. Um eine reibungslose Integration mit modernen Datenerfassungssystemen zu gewährleisten, werden Möglichkeiten zur Anpassung von Schnittstellen und die Nutzung von Brückentechnologien vorgestellt. Am Vergleich zwischen Big Data und konventioneller Datenhaltung wird deutlich gemacht, welche Auswirkungen die Wahl von Plattform und Schnittstelle bei der Verarbeitung großer und komplexer Datensätze hat.
Anhand von Beispielprojekten und praxisnahen Übungen für die Bereiche Qualitätssicherung, Produktion und Instandhaltung erfahren Sie, wie Sie Ihre Maschinen-, Prozess und Qualitätsdaten nutzen können, um KI einzusetzen, ohne vorhandene Systeme grundlegend zu verändern. Dabei wird ein durchgehender Referenzfall vorgestellt, anhand dessen die Entwicklung, Integration und Wartung von KI-Modellen methodisch eingeführt wird. Dies umfasst zudem eine Einführung in die Datenanalyse sowie grundlegende Konzepte des maschinellen Lernens. Weitere Schwerpunkte liegen auf dem Feature Engineering für überwachtes KI-Training, der Präsentation von Modell-Teaching für Klassifikation und Regression sowie dem Modelleinbau und der Modellautomatisierung mittels verschiedener Schnittstellen und Plattformen.
Die im Seminar behandelten Anwendungsfälle reichen von der Echtzeitüberwachung von Anlagen und Prozessen, was zu einer proaktiven Wartung und optimierten Betriebsabläufen führt, bis hin zu KI-gestützten Anfahrprozessen zur Reduzierung von Kunststoffabfällen und den verstärkten Einsatz von recycelten Materialien. Als Szenario dient ein Produktionsstandort der Kunststoffindustrie. Verdeutlicht werden die wichtige Rolle von Stakeholdern, Datenintegration und technischer Expertise für den Erfolg solcher Projekte. Eine Rentabilitätsvorschau anhand von Szenarien ermöglicht es, potenzielle finanzielle Auswirkungen abzuschätzen. Sie lernen die richtigen Leistungskennzahlen zu erheben und zu dokumentieren, um den Erfolg der digitaler Initiativen zu messen.