Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Di e El e k t r o n i k - Tr e n d s 2 0 2 5 E - Pa P Er In t Er a c t Iv E 1 3 Künst liche Intelligenz Was kann KI in einer Feinplanungssoftware leisten? Mira Grünhaupt Head of Customer Success bei Pailot informiert im Video Video Pailot und MES-System Manufacturing Execution System angesiedelt ist und die Produktionsfeinplanung übernimmt »Alle vorliegenden Fertigungsaufträge werden optimal auf die vorhandenen Anlagen und Maschinen nach vorgegebenen Restriktionen und unter Berücksichtigung von Ressourcenknappheit verteilt« erklärt Dr Christian Scherrer Co-Founder von Pailot »Und wenn eine Maschine ausfällt wird neu geplant Oder wenn ein Mitarbeiter nicht zur Verfügung steht können wir in Sekundenschnelle umplanen Das führt dann dazu dass die wertvollen Ressourcen der Produktion besser genutzt werden um günstiger schneller und zuverlässiger produzieren zu können « Die mathematische Komplexität dahinter sei enorm »Wenn ich drei Produktionslinien habe und zehn verschiedene Produkte die auf jeder Linie gefertigt werden können dann gibt es eine Vielzahl an möglichen Plänen in welcher Reihenfolge wir die Aufträge abarbeiten Diese Vielzahl an Kombinationen ist so komplex dass kein Mensch egal wie erfahren sie optimal lösen könnte – und schon gar nicht in einer solch kurzen Zeit Unsere Algorithmen hingegen können diese riesige Informationsmenge in Sekundenschnelle verarbeiten und den optimalen Plan bieten Dabei berücksichtigen sie alle Eventualitäten und Anforderungen wie Maschinenstillstände oder kurzfristige Änderungen durch den Vertrieb « ML-Modelle im Feldeinsatz nutzen Auf einer anderen Ebene angesiedelt nämlich an der Edge von Maschinennetzwerken ist Tiny Machine Learning kurz TinyML TinyML ermöglicht es Machine-Learning-Modelle in stromsparenden ICs wie etwa MCUs oder Hardwarebeschleunigern in Edge-Geräten zu implementieren »TinyML ist eine Art des maschinellen Lernens die sich auf die Bereitstellung von Modellen für Mikrocontroller und andere Edge-Geräte mit geringem Stromverbrauch konzentriert« verdeutlicht Christoph Stockhammer Application Engineer AI bei MathWorks »Es bringt KI ans Edge eines vernetzten Systems und ermöglicht performante und energieeffiziente Inferenz direkt in lokalen Geräten ohne auf Cloud-Connectivity angewiesen zu sein Hierbei spielen die Auswahl geeigneter Modelle sowie Techniken zur Kompression und Performance-Optimierung eine große Rolle weil die Rechenressourcen typischerweise stark limitiert sind « Generell umfasse ein TinyML-Workflow dieselben Schritte wie ein allgemeiner KI-Workflow Erstens Datenerfassung und -aufbereitung zweitens Auswahl des TinyML-Modelltyps drittens Training des TinyML-Modells üblicherweise nicht in der Zielhardware und viertens Portieren des Algorithmus einschließlich des TinyML-Modells in die Zielhardware »MathWorks bietet die komplette Tool-Kette von der Datenerfassung und -aufbereitung über das Modelltraining bis hin zur Bereitstellung auf verschiedensten Zielplattformen an Alle Tools kommen aus einer Hand damit gibt es keinerlei Brüche in der Tool-Kette « KI kann also an vielen Stellen in der Industrie viele verschiedene Aufgaben erledigen Unternehmen können also jederzeit loslegen wenn sie zu dem Schluss gekommen sind dass KI bestimmte Probleme auf eine wirtschaftlich sinnvolle Art und Weise lösen kann Und das wird dank des technischen Fortschritts immer häufiger der Fall sein mk