Im vorliegenden Kapitel wird ein Projekt vorgestellt, in dessen Rahmen eine App zur Erkennung des Verschleißzustands von Getrieben auf Grundlage des aktuellen Stands der Technik entwickelt und erprobt wurde. Dabei werden die einzelnen Methoden vorgestellt und deren Verwendung begründet, bevor abschließend auf die Möglichkeit eines neuen Geschäftsmodells eingegangen wird.
CD
Autor:in · Entrepreneurship der Zukunft
Christian Döbel
DHGE / Steinbeis-Transferzentrum ISD
Kurzbiografie
Professor für Automatisierungs- und Regelungstechnik an der DHGE (Duale Hochschule Gera-Eisenach), Leiter des Steinbeis-Transferzentrums Integrierte Systeme und Digitale Transformation. Promotion im Bereich KI an der TU Ilmenau. Erscheint als Autor in Band 1, 2 und 3 der Reihe. Forschungsschwerpunkte: Regelungstechnik, KI, Industrie 4.0.
Beiträge in der Reihe 3 Beitrage
Band 1 · Digitale Technologien und der Wandel von Geschäftsmodellen
Band 2 · Voraussetzung, Implementierung und Anwendung von Künstlicher Intelligenz im Rahmen datenbasierter Geschäftsmodelle
In diesem Kapitel wird die Realisierung eines wissenschaftlichen Ansatzes gezeigt, der auf einem völlig neuen und selbst entwickelten, KI-basierten Algorithmus basiert und im Smart Home eingesetzt wird. Durch die zentrale Steuerung der elektrischen Verbraucher im Sinne der Bewohner ist eine signifikante Energieeinsparung neben einer deutlichen Steigerung des Wohnkomforts möglich. Insbesondere in einer alternden Gesellschaft werden im nächsten Schritt damit vermarktbare Assistenzsysteme entlang der Strategie dieses Algorithmus’ entwickelt, die ein längeres, selbstbestimmtes Leben in den eigenen vier Wänden ermöglichen. Denn ausgehend von allgemeinen Gewohnheiten der Bewohner, die in Wenn-Dann-Regeln abgebildet und zu allgemeineren Regeln abstrahiert werden, schaltet und überwacht der Algorithmus sukzessive Geräte im Haushalt automatisch.
Band 3 · Nachhaltige Geschäftsmodelle durch digitale Innovation und Transformation
Im Rahmen des international zunehmenden Wettbewerbs im Bereich des Maschinenbaus ist in einem Forschungsprojekt gemeinsam mit dem Werkzeugmaschinenhersteller DMG MORI Seebach GmbH ein KI-basierter Vorhersagealgorithmus für Maschinenverschleiß auf Basis der Produktionsdaten erstellt worden. Damit soll zukünftig die Produktion am Thüringer Standort Seebach dahingehend optimiert werden, dass bestimmte, arbeits- und damit kostenintensive Instandsetzungen beim Kunden durch eine geeignete Auswahl an Maschinenkonfigurationen minimiert werden können, sofern bei der Konfiguration Spielräume bestehen (Weck und Brecher 2006, S. 381). Als Grundlage für diese Prädiktion wird eine im Rahmen des Projekts trainierte KI im Rahmen des Wiener’schen Systemmodells (Wiener 1963) eingesetzt. Dabei werden die Konfigurationsdaten aus der Produktion eingangsseitig und sämtliche Daten über bestimmte Verschleißzustände an der Ausgangsseite für dieselbe Maschine für die Modellerstellung eingeprägt, um in der Anwendungsphase dieses Verschleißvorhersagemodell für die Produktionsoptimierung einzusetzen. Es wird also die trainierte KI gezielt zur Produktionsoptimierung genutzt, womit neben dem Einsatz in der Fertigung auch neue Geschäftsmodelle möglich werden.