Was ist künstliche Intelligenz?

Viele Menschen fühlen sich von dem Begriff “künstliche Intelligenz” oder „KI“ verunsichert. Zum einen ist dieser Begriff fest mit Industrie 4.0 verknüpft, zum anderen birgt er aber auch die Sorge, dass Automatisierung in zunehmendem Maße menschliche Bediener ersetzen wird. Bei KI handelt es sich nicht um Hardware, sondern um Software und sie bedeutet auch kein düsteres Endzeitszenario, wie es uns häufig von Hollywood suggeriert wird. Lassen Sie uns gemeinsam die Grundlagen von KI untersuchen und diese relativieren, damit wir als gesamte Branche die Möglichkeiten annehmen können, die KI verkörpert, ohne uns dabei von dem Hype überrollen zu lassen.

Was bedeutet KI für uns?

Die Menschen haben zwei sehr unterschiedliche Betrachtungsweisen in Bezug auf KI: Die eine ist die Eroberung unserer Welt durch futuristische Raumschiffe, wie sie Hollywood-Filme verkörpern. Der wichtige Plot-Twist in diesen Geschichten ist, dass nicht die Maschinen die Schäden verursachen, sondern der Software-Algorithmus, welcher die Maschinen steuert, gelernt hat selbst zu denken und außer Kontrolle gerät. Eben diese Fähigkeit des Denkens, ohne dass Denkprozesse hierfür codiert sind, ist die Definition wahrer Intelligenz. Von einigen Ausnahmen abgesehen, gelten Menschen gemeinhin bereits als intelligent. Maschinen werden jedoch ausschließlich von ihrer Software gesteuert, welche aktuell darauf beschränkt ist, auf Situationen zu reagieren, die auftreten und an sie übermittelt werden. Die Maschinen folgen bestimmten Verfahren, die darauf ausgelegt sind, das gewünschte Ergebnis zu erzielen. Es wird behauptet, dass menschliches Verhalten allgemein ebenfalls modelliert werden kann, wenn auch durch einen technisch wesentlich anspruchsvolleren und fortschrittlicheren Prozess. Ein kleines bisschen Intelligenz zu erreichen könnte dann nur eine zusätzliche Art und Weise sein, wie Softwarealgorithmen von Computern arbeiten, denn dies müsste geschehen, wenn Maschinen jemals selbstständig denken müssten. Das lässt viele Menschen argumentieren, dass in unseren vorhandenen Montagemaschinen und der damit verbundenen Software “Intelligenz” vorhanden ist. Solche Aussagen lassen bei den Kunden den Eindruck entstehen, dass die neuesten Produkte viel intelligenter als ihre Vorgänger sind, größeren Mehrwert erzielen und leistungsstärker sind, was in den meisten Fällen einfach nur eine Beschreibung der neusten Maschinen und Roboter ist, die gerade auf den Markt kommen. Die Intelligenz mit jedem neuen Schritt zu erhöhen ist wirklich großartig, aber wie lange wird es noch dauern, bis wir einen wirklich künstlichen intelligenten Prozess erreicht haben, der selbständig für sich denken kann? Die schier endlosen Investitionen in KI werden aus dem Verkauf ständig verbesserter Maschinen und Software finanziert. Bei einem derart rapiden Fortschritt stellt sich die Frage, wann der beste Zeitpunkt ist, um in eine „intelligente“ Lösung zu investieren, ehe dann schon das nächstbessere Nachfolgemodell auf den Markt kommt. Wenn man heute in eine “smarte” Spitzentechnologie investiert, wird diese dann in naher Zukunft bereits veraltet sein?

Die Antwort lautet Nein.

Und der Grund hierfür ist, dass es einen wesentlichen Unterschied zwischen den Hardware- und Softwarekomponenten von smarten Lösungen gibt. Da die meisten Tools, welche wir für die Montagefertigung anschaffen, sowohl mit der Hard- als auch der Software ausgestattet sind, ist der Unterschied nur schwer zu erkennen. Es dauert, auf Grund des physischen Produktentwicklungszyklus sehr lange, Hardware zu verbessern unabhängig davon, ob es sich um mechanische oder elektronische Geräte handelt. Die Verbesserung von Software geht jedoch wesentlich schneller. Wir kennen alle die häufigen Softwareupdates, welche die Bedienung von Hardwaregeräten, wie entweder einem Smartphone, Computer, SMT-Bestückung- oder Inspektionsmaschinen modifizieren und verbessern. Das bedeutet allerdings noch lange nicht, dass der Anbieter es verpasst hat, schon von Beginn an einen Mehrwert zu schaffen oder dass es ein Problem mit der ursprünglichen Maschine oder Software gegeben hat; diese Zeiten sind vorbei. Da Software kein greifbares Objekt ist, entwickelt sie sich eher fließend und nicht in schrittweise, wie das bei Hardware der Fall ist. Daher können neue Vorteile sofort angeboten werden. Dies hat die Art und Weise, wie wir Geld in Software investieren grundlegend verändert.

Selbst Microsoft veröffentlicht keine neuen Windows-Versionen mehr, sondern liefert stattdessen ständig inkrementelle Updates, was wir unter dem Begriff Windows 10 kennen. Wenn es sich bei jeder Änderung gleich um eine Hauptversion handelte, wären wir inzwischen wohl bei Windows 42 angelangt und jede neue Version kostet zum einen Geld und verunsichert zum anderen den Anwender. Alternativ dazu werden Verbesserungen langsam veröffentlicht und haben kaum Auswirkungen auf die Nutzung. Hardware entwickelt sich langsam, da sie als Produkte angesehen wird, die sich in voneinander unabhängigen Schritten entwickeln. Software ist im Gegensatz dazu wesentlich flexibler und wird wahrscheinlich auch intelligenter und schneller. Das alles bekommt man für eine einmalige Investition oder ein Abonnement, wir können also genau die Software auswählen, die wir im Laufe der Zeit verwenden möchten. Dies ist heutzutage sehr wichtig, da wir uns schnell Richtung KI zubewegen.

Der Ursprung digitaler Intelligenz

Die Diskussion darüber, ob Software zu Hardware führt oder umgekehrt ist daher überflüssig, wenn wir also in Betracht ziehen, dass Softwareentwicklung fortwährend voranschreitet und Hardware nur schrittweise. Die Verbesserung der Software hat jedoch begonnen, sich von der Hardware zu trennen, wenn es um KI-Anwendungen und intelligente Operationen geht. Die Entwicklung des Smart Warehouse ist hierfür ein faszinierendes und historisches Beispiel. Das ursprüngliche durchschnittliche Warenlagermodell ohne Software bedeutete, Standorte nach Sachnummer zu sortieren, für die jeweils ein bestimmter Behältertyp vorgesehen war. Diese wurden in alphabetischer Reihenfolge durchnummeriert, so dass man das Material für die Herstellung von Bausätzen leichter finden konnte. Dies war allerdings leider schon immer eine sehr ineffiziente Nutzung von Lagerraum. Denn Stauraum musste mit der Einführung neuer Sachnummern geschaffen oder, bei veralteten Sachnummern, geschlossen werden. Viele Behälter waren übervoll oder blieben über einen längeren Zeitraum hinweg ungenutzt, da sich die Bedürfnisse im Laufe der Zeit veränderten. Die Größe von Behältern zu verschieben oder zu wechseln bedeutet aber eine enorme körperliche Anstrengung, daher ist es verlockend die Ausnahmen weitestgehend zu ignorieren, je nachdem, wie flexibel der Mensch damit umgehen kann.

Die erste einfache Lagerverwaltungssoftware rettete die Lage, da man erkannte, dass Computer in der Regel viel besser als Menschen wissen, wo die Materialien aufbewahrt werden, so dass eine alphabetische Gruppierung nicht mehr nötig war. Materialien konnten überall gelagert werden, ein Standard namens “chaotische (auch dynamische) Lagerhaltung”, bei dem einzulagerndes Material auf beliebige, gerade nicht belegte Behälter geladen wird. Der ausgewählte Ort wurde anhand der Sachnummer und der Menge protokolliert, damit die Software später die Materialbetreiber benachrichtigen konnte, sobald die Materialien benötigt werden. Bei der Hardware führte das zu einem Paradigmenwechsel bei der Weiterentwicklung automatisierter Logistik, insbesondere bei fahrerlosen Transportsystemen und Kränen. Indem Materialien einfach zu lokalisieren waren und Standardbehälter oder -regale eingeführt werden konnten, konnte die Automatisierung ermöglicht werden. Die Hardware hat sich seit dieser Zeit immer weiterentwickelt, bis hin zu den hochmodernen Lagerhäusern der größten Online-Händler, die wir heute sehen. Diese Hardware übernimmt heute die Arbeit, die früher viele Menschen erledigen mussten. Es handelt sich hierbei um maschinengesteuerte Automatisierung, basierend auf Standardisierung, im Wesentlichen um Industrie 3.0. Es ist richtig, dass die mechanischen Systeme innerhalb dieser Maschinen intelligenter geworden sind, was wiederum der Entwicklung von Hardware zu verdanken ist, insbesondere Sensoren, die unsere eigenen angeborenen Sinne imitieren sowie der Konnektivität, welche den Maschinen die Möglichkeit gibt, eine größere Anzahl automatisierter Entscheidungen zu treffen. Diese Maschinen sind, solange keine KI-Software hinzugefügt wurde, nicht zwingend intelligent.

Der digitale “sechste Sinn”

Die Entwicklung intelligenter Software ist auf verständliche und zugängliche Daten angewiesen. Der Mensch muss sich mit seinen bereits entwickelten fünf Sinnen ständig durch eine große Datenmenge, wühlen. Möglicherweise muss ein sechster Sinn synthetisch eingeführt werden, wenn Menschen sich einen Tages beispielsweise direkt mit dem Internet verbinden möchten, was bisher unnötigerweise das Bedürfnis voraussetzt, sich zu sehen, zu hören, zu sprechen oder tippen zu können. Im Gegensatz zum Menschen entwickeln und erlangen Maschinen heutzutage ihren sechsten Sinn sehr schnell, beispielsweise mit Hilfe des bahnbrechenden Connected Factory Exchange (CFX) des IPC, der es ermöglicht, dass sämtliche Maschinenarten und Systeme von jedem Anbieter miteinander leicht mittels einer universellen Sprache kommunizieren können. Da menschliche Intelligenz aus den Daten der fünf Sinne abgeleitet wurde, beginnt nun die digitale Intelligenz hauptsächlich mit der Entwicklung des sechsten Sinns.

Die Evolution digitaler Intelligenz

Sobald die Hardware von Industrie 3.0 in Betrieb genommen wurde, kam die KI-Software im Sinne von Industrie 4.0 auf den Markt, um die intelligente Lagerlösung weiterzuführen. Bei dem Wort “chaotisch” denken sich die Leute sofort, wie effizient ein System denn sein kann, welches chaotisch ist. Es ist vollkommen überflüssig, dass die Bediener überall nach einem freien Platz suchen müssen, um Materialien zu lagern. Ob digitale Lagersysteme geeignet sind oder nicht, erkennt man spätestens dann, wenn man sich mit derartigen Situationen befassen muss. Die Lagersoftware weiß genau, was wo enthalten ist und kann bestimmte Orte anweisen, an denen Materialien entweder durch Menschen oder durch Maschinen aber nicht chaotisch eingelagert werden sollen. Die Intelligenz zeigt sich in der Auswahl des Ortes. Wenn der Softwareentwickler weiß, wie weit der Abstand zwischen den Behältern ist und die Materialausgabe ein Problem darstellt, kann eine Software entwickelt werden, die beispielsweise untersucht, welche Materialien am häufigsten verbraucht werden und für diese einen Ort bestimmen, der nicht so weit von der Materialausgabe entfernt ist und sie kann bei Bedarf sogar die Route optimieren, die zum Erfassen von Materialsätzen genommen wird. Dies beschleunigt die Verfügbarkeit von Materialien und verringert die Zeit zum Auffüllen von Materialien. Es können die Abmessungen, Formen und Materialarten berücksichtigt werden ebenso wie besondere Lagervoraussetzungen, beispielsweise bei elektrostatischen oder feuchtigkeitsempfindlichen Materialien. Die Entscheidung darüber, wo Materialien gelagert werden kann auch noch von anderen Faktoren abhängig gemacht werden, wie beispielweise Eigentumsverhältnisse, Kosten, ob die Materialien neu oder gebraucht sind, ob sie sich auf einem Träger, wie einem Feeder befinden, ob sie von der Steuer befreit sind oder für bestimmte Branchen überlebenswichtig sind usw. Ein KI-Prozess, bei dem es sich einfach um einen Softwarealgorithmus handelt, der Entscheidungen basierend auf dem Wissen eines Programmierers trifft, ermögliche es, Materialien optimal zu lagern anstatt chaotisch.

Ursprünglich waren Softwarealgorithmen für die meisten diskreten Anwendungen so entwickelt worden, dass sie die Art und Weise, wie ein Mensch ein Problem lösen würde, kopierten und dieses Problem dann schneller und präziser lösten. Da man die immer komplizierter werdenden Optimierungsprobleme nicht mehr auf diese diskrete Art und Weise bewältigen wollte, kam schließlich die digitale Modellierung von Operationen hinzu. Anstatt eine explizite logische Vorgehensweise in der Software festzulegen, die mit so genannten "genetischen" Algorithmen beginnt, wurde Software entwickelt, welche mehrere Regeln festlegt, die dann die Effizienz einer Lösung misst, indem sie das, was erfolgreich war und was nicht, mit dem Ziel abgleicht. Es wurden unterschiedliche Kombinationen für Lösungskriterien unsystematisch entwickelt, die alle von der Software ausgewertet wurden. Dieser Prozess wurde mit unterschiedlichen Kombinationen solange wiederholt, bis das beste Ergebnis erzielt wurde. Diese Methode hat bei komplexeren Problemen allerdings nicht so gut funktioniert. Jedes Mal, wenn dem Problem ein neuer Faktor hinzugefügt wurde, hat das die Anzahl der Wiederholungen erheblich erhöht, die erforderlich sind, um das beste Ergebnis zu erzielen. Es wurde jedoch einfacher, Messsoftware zu entwickeln, weil man mit ihr nur das Messsystem für unterschiedliche Probleme modifizieren musste. Es wurden Verfahren entwickelt, um die Unsicherheit der Anordnungen von Kriterien zu reduzieren, um den Prozess zu beschleunigen. Dennoch dauerte es Stunden bis die effektivste Optimierung eines SMT-Maschinenprogramms abgeschlossen war. Um früher fertig zu werden wurden Zugeständnisse gemacht, damit der Kunde einer einigermaßen guten Optimierung innerhalb eines akzeptablen Zeitrahmens zustimmen konnte.

Der frustrierende Stand der Technik

Im Warenlager können wir nicht einmal Sekunden abwarten bis eine smarte Software eine Auswahl trifft, selbst dann nicht, wenn die leistungsstärkste Computerhardware hinzugefügt wird, um den Anschein von Echtzeit zu erwecken. Entscheidungsfindung im Sinne von Industrie 4.0, wie beispielsweise die Einlagerung von Materialien in ein Lager, die Prüfung der Ergebnisse visueller Inspektionen usw, zwingt uns zu einem anderen Ansatz, bei dem wir die diskreten Algorithmen, mit denen aus der Trial-and-Error-Methode vermischen. Bis wir allerdings Zeige davon werden können, wie Software schnelle und komplizierte intelligente Entscheidungen in einer automatisierten Industrie 4.0 für die gesamte Fabrik treffen kann, wird es noch eine ganze Weile dauern. Der Investitionsaufwand hierfür muss vernünftig sein und hängt von der Steigerung des Kundennutzens ab.

Wahre digitale Intelligenz

Um zu dem Punk zu gelangen, an dem Softwareentwickler sich entspannt zurücklehnen können und die wahre intelligente Software die Arbeit machen lassen, braucht es wiederum Menschen, insbesondere junge Menschen. Kinder lernen durch Trial-and-Error. Unsere fünf Sinne helfen uns dabei Schmerzen und Glücksempfindungen zu verstehen. In den meisten Situationen favorisiert unser menschlicher Algorithmus die zweite Empfindung und wir lernen und ändern unser Verhalten konstant als Ergebnis unserer Erfahrungen. Wenn Software in der Lage ist, mehr und mehr Daten zu erfassen, indem sie ihre Verbindung mit dem sechsten Sinn nutzt, werden ähnliche Aktivitäten möglich. Der Wunsch Dinge auf andere Art und Weise anzugehen und herauszufinden, ob dadurch ein Glücksgefühl ausgelöst wird, ist der Anfang des wahren KI-Algorithmus. Die Softwareentwickler von KI müssen festlegen was gut und was schlecht ist, das heißt, den Anreiz für ein bestimmte digitale Lösung. Weltweit verfügen Fabrikmanager bereits über Unmengen an Wissen und dieses werden sie ehrlich gesagt über viele Trial-and-Error Versuche erlangt haben. Anders als der menschliche Manager muss AI im digitalen Zeitalter Erfahrungen nicht erneut lernen, wenn sie die Rollen ändern. Auch wenn es auf den ersten Moment verrückt erscheint einem “Baby” die Kontrolle über ein Werk anzuvertrauen, so muss dies doch nur ein einziges Mal geschehen. Vielleicht muss dies nicht einmal in der realen Welt beginnen.

Schlussfolgerung

Teil der Entwicklung von KI sein zu dürfen ist für Fabrikoperationen sowohl hilfreich als auch faszinierend. Die Herangehensweise an intelligentere Softwarealgorithmen und selbst zu realer KI unterscheidet sich bereits in der Art, wie Mehrwert erzeugt wird von Hardware. Eine Investition in eine progressive, digitale MES-Softwareplattform bietet heute mehr Vorteile als eine breite MES-Software. Heutzutage ein digitales MES einzusetzen wird eine der lohnendsten Investitionen sein, die eine Fabrik tätigen kann. Denn wir stehen am Beginn dessen wie Fertigungsintelligenz in immer mehr Facetten betrieblicher Entscheidungen innerhalb einer Fabrik miteinbezogen wird zusätzlich zur Erweiterung der Bedienerprozesse. Software, die diese Funktionalität aufweist, muss sorgfältig ausgewählt werden und man kann sich die Branchenführer hier in Bezug auf technologische Weitsicht gerne zum Vorbild nehmen. Die Einführung von Technologien wie dem CFX des IPC erweckt bei vielen den Eindruck einer “intelligenteren” und günstigeren Schnittstelle. CFX bietet jedoch die Möglichkeit, einen viel größeren Schritt Richtung AI zu machen, für den einige von uns bereit sind. Dies ist das klare Unterscheidungsmerkmal zwischen den Unternehmen, die als Influencer und Schlüsselfiguren die Entwicklung von CFX gefördert haben und denjenigen, die lediglich eine aktualisierte Schnittstelle für ihre alte Software liefern werden. Es ist leicht zu erkennen, welcher Weg zum Erfolg führen wird.