Sie sind hier: HomeTelekommunikation

Maschinelles Lernen und Zeitreihen: Von Big Data zu Smart Insights

Die Erfassung und Analyse massiver Datenmengen ist im industriellen Internet of Things zu einem entscheidenden Faktor für die effiziente Produktion geworden. Nur ist die Bewältigung von "Big Data" zwar die Voraussetzung, aber noch lange nicht ausreichend für eine intelligentere Fertigung.

Bildquelle: © denisismagilov/fotolia.com

Vielmehr gilt es, aus den Millionen von Daten geeignete Informationen zu generieren, die den gesamten Geschäftsprozess optimieren. Dies erfordert zunehmend den Einsatz von Techniken und Algorithmen des maschinellen Lernens und der Künstlichen Intelligenz.

s mangelt nicht an Zukunftsvisionen für die vollständig datengetriebene, autonome Fabrik. In der Idealvorstellung laufen die Prozesse reibungslos, ohne manuelle Eingriffe, und ermöglichen so nicht nur eine ressourceneffiziente und qualitativ hochwertige Bereitstellung der Produkte, sondern auch die Integration der gesamten Verfahrenslandschaft von den Human Resources über die Fertigung bis hin zu Sales und Marketing. So reizvoll diese Vision klingt, so viele Aspekte müssen auf dem Weg berücksichtigt werden. Die Technik ist viel zu komplex oder nicht ausgereift, die Umsetzung mit zu viel Aufwand verbunden. Es stellen sich zudem Fragen der Sicherheit und Beherrschbarkeit. Und last but not least gilt es, den menschlichen Faktor zu berücksichtigen – im Hinblick auf Kreativität, persönliche Interaktion und Zufriedenheit der Mitarbeiter.

Die Praxis im Blick
Es hilft an dieser Stelle, den Blick auf die Realität zu richten. Im Rahmen einer Auftragsstudie hat Forrester Consulting ermittelt, dass fast alle innovativen Produktionsunternehmen den Einsatz intelligenter Technologien als notwendig zur Erreichung ihrer Digitalen Transformationsziele ansehen. Das reicht von Big Data und Analytics (98 Prozent) über das Internet of Things (94 Prozent) bis hin zu Machine Learning (91 Prozent) und Spracherkennung (87 Prozent). Tatsache ist aber auch, dass diese Technologien nicht etwa in einem Wurf die gesamte konventionelle Produktion ersetzen, sondern in der Regel selektiv zur Optimierung bestehender Prozesse in Bezug auf ihre Effizienz und Zuverlässigkeit zum Einsatz kommen.

Im industriellen Sektor basiert die Umsetzung innovativer Technologien vor allem auf der Verfügbarkeit enormer Datenmengen, die durch zunehmende Vernetzung intelligenter Maschinen, Geräte und Sensoren produziert und über das Internet der Dinge (IoT) verbunden sind. Big-Data-Analysen und Künstliche Intelligenz ermöglichen es, diese massiven Daten zu verstehen und in sinnvolle Entscheidungen umzusetzen. Mit der Anwendung des maschinellen Lernens und der Künstlichen Intelligenz auf die Konnektivität des Internets der Dinge können Hersteller ihre Geschäftsprozesse über alle Instanzen hinweg orchestrieren und rationalisieren.

Die Gründe für den Einsatz von Algorithmen, Anwendungen und Plattformen für das maschinelle Lernen sind vielfältig. Hersteller stehen vor dem Problem, immer kürzere Fertigungszeiten für ihre Kunden realisieren zu müssen. Vor dem Eindruck eines verstärkten internationalen Wettbewerbs muss die Performance der Fertigungslinien optimiert werden, auch unter Einbeziehung von ERP- und CRM-Systemen. Es gilt, die Produktqualität kontinuierlich zu verbessern und den Ausschuss zu minimieren. Zur Sicherstellung der Produktionskontinuität bedarf es einer prädikativen Wartung der Einrichtungen. Und schließlich kann Machine Learning dazu beitragen, den Mangel an ausgebildeten Fachkräften zu lindern, indem Entscheidungen und Aktionen zur Problembehandlung automatisiert vorgegeben werden und so etwa auch Trainingszeiten reduziert werden.