Industrie 4.0, Data Science, künstliche Intelligenz (AI = Artificial Intelligence), Deep Learning sind Begriffe, die jeder CEO in seiner Firma im Jahr 2019 endlich zur Anwendung bringen möchte, um seine Wettbewerbsfähigkeit zu steigern, Prozesse zu vereinfachen und (Produktions)zyklen zu beschleunigen. Jedoch ist die Realisierung komplex und konkrete Anwendungen sind dementsprechend zurzeit noch eher selten, auch wenn an Fachtagungen Verantwortliche der Digitalisierung und DatenwissenschaftlerInnen häufig diese Themen ansprechen. Für die zögerliche Umsetzung in der europäischen Industrie gibt es verschiedene Gründe: Internetfähigkeit: Die zurzeit im Einsatz stehenden Maschinen durch IoT*-Maschinen zu ersetzen, ist komplex, teuer und längst nicht in allen Betrieben möglich. Kürzlich wollte ein wichtiger Player der Luftfahrtindustrie seine Angestellten in der Montage der Flugzeugrümpfe mit HoloLens-Brillen ausrüsten, um sie in 3D durch den Arbeitsprozess führen zu können, gleichzeitig Informationen über die Produktion zu sammeln und in Echtzeit ein Feedback über die Qualität der Produktion zu geben. Diese Geräte hatten aber mehrere Mängel: Sie waren zu schwer, zu energieverbrauchend, zu schwach bei der Rechenleistung und unfähig, die Datenmengen in Echtzeit zu übermitteln. Datenmengen: Um seine eigenen Anlagen für ein bestimmtes System neu anzupassen, braucht es eine sehr grosse Menge an «Trainingsdaten». Das ist für Unternehmen wie Google oder Amazon nicht weiter schwierig, weil diese in kürzester Zeit mehrere Millionen Durchläufe haben. Eine kleinere oder mittlere Produktionsfirma hingegen kann es sich nicht leisten, mehrere Millionen Durchläufe ab-zuwarten, bevor sie erste Optimierungen vornimmt. Resultate: Diese sind oft noch sehr dürftig, denn der Kontext, in dem die Algorithmen arbeiten, lässt sich nur schwer integrieren. Gewisse Algorithmen erbringen zwar in einem sehr engen Kontext bereits eindrückliche Resultate wie beispielsweise bei der Interpretation von Röntgenbildern oder bei der Gesichtserkennung auf Fotos. In grösseren Zusammenhängen jedoch verschlechtert sich die Performanz von Algorithmen rasch (zum Beispiel selbstfahrende Fahrzeuge, Stimmerkennung etc.). Datenanalyse statt übereilte Automatisierung Statt übereilt künstliche Intelligenz in allen Prozessen einführen zu wollen, ist es heute schon möglich, schnell interessante Resultate zu bekommen, indem man die spezifischen Bereiche eines Produktionsunternehmens einer systematischen Analyse unterzieht, die gewinnbringenden Margen beim Anlagenbau anhand der in den letzten Jahren gebauten Anlagen vergleicht. Die IMSD GmbH hat im Jahr 2017 ein solches Projekt durchgeführt. Sowohl in der Lebensmittelindustrie wie auch in der Schwerindustrie hat der Kunde der zukünftigen Anlage bereits eine genaue Vorstellung vom Produkt, das er damit produzieren will, also zum Beispiel, dass seine Spaghetti keine Luftbläschen haben sollen. Die Schwierigkeit für den Anlagenbauer ist darum, dass er erst zu einem späten Zeitpunkt, also wenn die Anlage bereits geliefert und abgenommen worden ist, wissen kann, ob die Anlage den gewünschten Anforderungen entspricht. Dabei spielen viele verschiedene Parameter eine Rolle. Bei einer spezifischen Datenanalyse eines Anlagenbauers durch die IMSD GmbH kamen überraschende Resultate zu Tage: Kunden, die mit ihrer Produktion noch keine langjährigen Erfahrungen hatten, stellten sich als signifikant flexibler bezüglich der gewünschten Resultate heraus, was gleichzeitig nicht bedeuten muss, dass diese Produkte schlechter wären. Einen Einfluss hat auch der finanzielle Bereich: Besteht eine Bankgarantie für die Bezahlung der Anlage, stellte es sich bei der Analyse heraus, dass der Anlagenbauer eine gewinnbringende Marge erzielen kann. Diese Resultate sind zwar statistisch signi­fikant nachweisbar, hingegen ist der Mechanismus dahinter nicht immer nachvollziehbar. Als statistische Methoden wurden nicht nur rechnerische Methoden, sondern auch visuelle verwendet, um Ausreisser und Zufälle zu verhindern. Es handelt sich also um interessante Resultate für den Anlagenbauer, die die IMSD GmbH ihm liefern konnte. Eine Standard-Aussage ist jedoch nicht möglich, dafür sind die Zusammenhänge zu komplex. Wegen dieser Komplexität können solche Analysen nicht mit Standard-Datenanalyseprogrammen durchgeführt werden, sondern die Datenanalyseverfahren müssen von Fall zu Fall der Situation des Kunden angepasst werden. *Autoren: Sandra Tinner, Rodolphe Dewarrat * Internet of Things; Sammelbegriff für Technologien, die es ermöglichen, physische und virtuelle Gegenstände miteinander zu vernetzen und sie durch Informations- und Kommunikationstechniken zusammenarbeiten zu lassen.