Was ist das Ziel dieser Arbeitsgruppe?
In den Medien repräsentiert „Maschinelles Lernen“ einen neuen, stetig wachsenden Trend. Die Einsatzgebiete und Fähigkeiten von Maschinellem Lernen sind vielfältig und teilweise diffus. Ist Maschinelles Lernen zukünftig die Lösung für alle Probleme? Wir legen den Fokus auf das Wesentliche: „Wie können Sie Maschinelles Lernen mehrwertbringend im eigenen Unternehmen anwenden?“ Gemeinsam mit der Leuphana Universität Lüneburg, der IHK Lüneburg-Wolfsburg sowie der IHK Elbe-Weser organisiert das Institut für Fabrikanlagen und Logistik (IFA) der Leibniz Universität Hannover eine Arbeitsgruppe mit kleinen und mittleren Unternehmen, um dieser Frage auf den Grund zu gehen.
Unser Ziel ist es, konkrete Ideen zur Hebung von ungenutzten Potenzialen aufzuzeigen und zu diskutieren. Potenziale der Anwendung von Maschinellem Lernen führen zu Effizienzsteigerung, Kostenreduktionen und neuen Geschäftsmodellen. In der Arbeitsgruppe wird eine umfangreiche Palette möglicher Anwendungen des Maschinellen Lernens von Gastredner*innen aus der Praxis vorgestellt und anschließend gemeinsam diskutiert. Dabei steht stets der Bezug zu bereits etablierten Lösungen und den verfügbaren Ressourcen im Mittelstand im Fokus.
Was ist eigentlich Maschinelles Lernen?
Maschinelles Lernen ist eine Subdomäne der Künstlichen Intelligenz (KI). KI befähigt einen Computeragenten zum rationalen Handeln, wie wir es dem Menschen zuschreiben. Mit Hilfe von unterschiedlichsten Algorithmen ist der Computeragent also in der Lage, Probleme zu lösen, Muster zu erkennen, Entscheidungen zu treffen oder Sprache zu verarbeiten. Indem der Computeragent auf einer Datengrundlage trainiert, lernt er, sich an neue Situationen anzupassen. Maschinelles Lernen zeichnet sich vor allem dadurch aus, dass der Computeragent zum Lösen einer ganz spezifischen Aufgabe befähigt wird, indem er aufgabenbezogenes Wissen lernt und anwendet. Algorithmen des Maschinellen Lernens beruhen dazu grundsätzlich auf der Optimierung eines Leistungskriteriums. Dieses weist aus, wie gut der Computeragent seine Aufgabe bereits lösen kann.
Methoden des Maschinellen Lernens lassen sich anhand des Lernverhaltens in überwachtes, unüberwachtes oder aber bestärkendes Lernen unterscheiden. Beim überwachten Lernen trainiert der Computeragent anhand von gekennzeichneten Daten, das heißt der Dateneingabe und der dazugehörigen Ausgabe, um Vorhersagen oder Klassifikationen für neue unbekannte Daten zu treffen. Beim unüberwachten Lernen erhält der Computeragent ungekennzeichnete Daten, in denen er eigenständig Muster oder Strukturen, wie Cluster oder Anomalien sucht. Beim bestärkenden Lernen interagiert der Computeragent mit einer Umgebung und lernt durch Versuch und Irrtum sinnvolle Entscheidungen zu treffen, indem er für seine Aktionen belohnt oder bestraft wird.
Wo kann Maschinelles Lernen im Produktionsumfeld eingesetzt werden?
Produzierende Unternehmen sind einer der Hauptprofiteure der digitalen Transformation, da sie Zugriff auf immer größere Produktionsdatenmengen gewinnen und dadurch zahlreiche Chancen zur Effizienzsteigerung, Qualitätsverbesserung und Kostenreduzierung haben. Die Anwendung von Maschinellem Lernen stellt einen wesentlichen Hebel zur Nutzung der Produktionsdaten und der aufgezeigten Chancen dar. Dabei besteht in der gesamten unternehmensinternen Lieferkette das Potenzial zum Einsatz von Maschinellem Lernen (siehe Bild 2).
Die unternehmensinterne Lieferkette setzt sich aus den Kernelementen der Beschaffung, der Produktion, dem Lager und dem Versand zusammen. Zudem sind die Kernelemente eng mit dem Produktionsmanagement verknüpft, dem unter anderem Aufgaben der Produktionsplanung und -steuerung zufallen. Im Einkauf und der Beschaffung ermöglicht Maschinelles Lernen zum Beispiel eine aussagekräftige Vorhersage von zukünftigen Bedarfen oder Preisentwicklungen sowie die automatisierte Lieferantenbewertung und -auswahl. Predictive Maintenance ist ein bekanntes Einsatzfeld von Maschinellem Lernen in der Produktion, wo Maschinenverschleiß und -ausfälle prognostiziert werden, um Wartungen rechtzeitig auszuführen und Stillstandszeiten zu vermeiden. In der Qualitätskontrolle können mit Hilfe von mit Maschinellem Lernen gestützter Bildverarbeitung zum Beispiel fehlerhafte Produkte in Echtzeit erkannt werden. Zudem kann sie der Auswertung von Sensordaten dienen, um Anomalien im Produktionsprozess zu identifizieren. Im Versand lässt sich mit Maschinellem Lernen eine treffsichere Lieferterminprognose realisieren, um Kundenanforderungen an eine schnelle und pünktliche Lieferung gerecht zu werden. Im Produktionsmanagement bietet die Eigenfertigungssteuerung einen passenden Anwendungsfall für das bestärkende Lernen, wo der Computeragent lernt, Produktionsaufträge rechtzeitig einzulasten und eine sinnvolle Abarbeitungsreihenfolge zu bringen.
Allgemein hat sich das IFA das Ziel gesetzt, die Anwendungsfelder von Maschinellem Lernen in der unternehmensinternen Lieferkette zu erforschen und neu entwickelte Lösungen in die Praxis zu transferieren.
Wann findet das nächste Treffen der Arbeitsgruppe statt?
Haben Sie Maschinelles Lernen schon erfolgreich in Ihrem Unternehmen anwendet, möchten Sie Maschinelles Lernen zukünftig in Ihrem Unternehmen erproben oder haben Sie einfach nur Interesse an diesem Zukunftstrend? Dann möchten wir Sie einladen an unserer Arbeitsgruppe teilzunehmen, um spannende praxisnahe Impulse zu sammeln und in den diskursiven Austausch mit uns und anderen Unternehmen zu gehen. Dabei besteht auch die Möglichkeit, die eigenen Erfahrungen bei einem Impulsvortrag zu teilen. Nehmen Sie dazu gerne Kontakt zu uns auf.
Die Teilnahme an der Arbeitsgruppe, die vier Mal im Jahr stattfindet, ist unverbindlich und kostenlos. Der nächste Termin findet online am 29. Januar 2025 zwischen 16:00 und 17:30 Uhr statt. Um den Austausch weiter zu fördern, findet der darauffolgende Termin in Präsenz statt. Wenn der nächste Online-Termin Ihr Interesse weckt, freuen wir uns, Sie bei unserer Präsenzveranstaltung begrüßen zu dürfen.
