Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Da t a Sc i e n c e 24 | w w w c o m p u t e r - a u t o m a t i o n d e · 10 -21 Machine Learning automatisiert Ohne Vorkenntnisse in Data Science Analysefunktionen nutzen um Betriebsabläufe zu optimieren die Produktqualität zu verbessern und neue Geschäftsmodelle zu erstellen? Machine-Learning-Modelle entwickeln und betreiben ohne Datenexperte zu sein? Eine Software macht’s möglich Bislang wird von den durch die Digitalisierung in Fertigungsanlagen zur Verfügung stehenden Daten nur ein Bruchteil gezielt ausgewertet Dabei kann die Nutzung von Künstlicher Intelligenz für die Auswertung der Daten beispielsweise dabei helfen die Qualität von Produkten zu verbessern Prozessabläufe zu optimieren oder den Zustand einer Maschine kontinuierlich zu überwachen Was aber folgt daraus für Maschinenbauer und Anlagenbetreiber? Wie tief und in welcher Form müssen sie sich mit Künstlicher Intelligenz KI beschäftigen? In der Regel ist die Erstellung von Machine Learning-Modellen ML zeitaufwendig und die Umsetzung kostenintensiv In der klassischen Herangehensweise zur Entwicklung eines ML-Modells ist ein komplexer manueller Prozess zu durchlaufen der einen Datensatz über verschiedene Prozessschritte verarbeitet und erst anschließend zum ML-Modell führt Der hierfür genutzte Datensatz besteht aus historischen Daten der Maschine oder der betrachteten Prozesse Ausgeführt werden diese aufwendigen Prozesse gewöhnlich von Data Scientists Weidmüller verfolgt hier einen anderen Ansatz Die ‚Industrial AutoML‘-Software setzt auf das Wissen der Domänenex-Bi ld er Weid m ül ler von Silke Lödige