KI- Autonome Produktion

Die Produktionstechnik wird zunehmend geprägt vom Einsatz computergestützter Wissensmanagementsysteme. Dabei differenziert man zwischen Expertensystemen, die einen deduktiven, auf Erfahrungswissen beruhenden, Lern-Ansatz verfolgen und induktiven Optimierungsmethoden, die auf mathematischen Modellen (Algorithmen) zunächst ohne Expertenwissen auskommen und auf ein klar umrissenes Optimierungsziel selbstlernend funktionieren. Der Einsatz der induktiven Lernmethoden (deep learning, maschinelles lernen) hat das Potenzial zukünftig die maßgebliche Technologie im Rahmen einer autonomen Produktion darzustellen. Unter Autonomie soll hierbei verstanden sein, dass die zukünftige Produktionseinheit (Maschinenverbund inkl. Automationstechnik über die gesamte Fertigungskette hinweg) völlig autark ohne menschliches Eingreifen von einem Computer im Hinblick auf Produktivität, Qualität und Wirtschaftlichkeit höchst effizient und effektiv vollautomatisch gesteuert und geregelt wird.

Selbstlernende elektronische Datenverarbeitungssysteme beherrschen aufgrund der aktuell weit verbreiteten verfügbaren Rechenleistungen der zugehörigen Hardware die zunehmende Komplexität im Umfeld dynamisch agierender Fertigungssysteme deutlich besser als es der einzelne Mensch und sogar ganze Gruppen von Menschen vermag. Sie arbeiten im Gegensatz zum einzelnen Menschen ständig, zunehmend fehlerfrei, zuverlässig und erzielen mit Hilfe predictiver, also vorausschauender Assistenzsysteme eine maximale Fertigungsrobustheit bei gleichzeitiger Maximierung der Produktivität. Dabei wird der Personaleinsatz in der Produktion nicht zwingend reduziert, sondern der Mensch wird dieses System durch seine vielfältigen Möglichkeiten weitestgehend unterstützen können. Der Mensch wird im System dieser Ausprägung entweder als Arbeitskraft ohne Weisungsbefugnisse oder aber, als ausgewiesener Fachexperte, die Plausibilitätsprüfer der numerisch getroffenen Entscheidungen fungieren können.  

Eine computergesteuerte Fertigung benötigt konkrete Optimierungsziele, sonst können die klassischen Lernmethoden der künstlichen Intelligenz, oder des maschinellen Lernens nicht angewendet werden. Solche Ziele können lauten:

1. Maximierung der Anzahl von Gutteilen / Stunde = max {production output}
2. Maximierung der Wirtschaftlichkeit (€) = max {earnings per hour}

Dabei müssen Prioritäten vergeben werden. Oberstes Ziel kann also bspw. sein, die Stückkosten zu senken. Ohne die gleichzeitige Sollwertvorgabe wie hoch die Stückzahl, die je Zeiteinheit hergestellt werden sollen wird das System unter Umständen nicht zielführend arbeiten.