Künstliche Intelligenz braucht Kausalität. Dazu forschen aktuell das Fraunhofer IWU und das Institut für angewandte Informatik unter dem Projekttitel „KausaLAssist“. Partner aus der Industrie 4.0 ist unter anderem Schuster Maschinenbau. Ziel des Forschungsprojektes ist es, einen gerichteten Graphen zu entwickeln, der domänenspezifisches Wissen mit KI-Erkenntnissen über Kausalbeziehungen kombiniert. Dieser hat laut einer Pressemeldung das Potenzial, das Fehlermanagement in den Automatisierungsprozessen der Fertigungsindustrie deutlich effektiver zu machen.

„KausaLAssist“ will komplexe Systeme beherrschbarer machen

In einer wettbewerbsintensiven Branche wie der Fertigungsindustrie müssen Unternehmen in der Lage sein, neue Produkte schnell und individuell bei niedrigen Kosten herzustellen. Die voranschreitende Automatisierung hilft dabei – bringt jedoch auch neue Herausforderungen mit sich. Eine davon sind Störungen. Sie führen häufig zu längeren Ausfallzeiten und sind aufgrund der Komplexität der beteiligten Systeme schwer zu beheben. Hier sind intelligente Lösungen gefragt, die Fachkräfte durch gewonnene Erkenntnisse aus Daten und Erfahrungswissen effektiv unterstützen. An dieser Stelle setzt das aktuelle Forschungsprojekt „KausaLAssist“ an, an dem sich renommierte Forschungseinrichtungen wie das Fraunhofer IWU, das Institut für angewandte Informatik sowie führende Industriepartner beteiligen. Darunter auch der Mittelständler Schuster Maschinenbau aus Denklingen bei Landsberg am Lech.

Transparente Ableitung effektiver Maßnahmen zur Störungsbehebung

Ziel von „KausaLAssist“ ist es, einen Graphen zu entwickeln, der domänenspezifisches Wissen mit KI-Erkenntnissen über Kausalbeziehungen kombiniert. Dieser Graph stellt die erlernten Erkenntnisse sowohl für Menschen als auch für Maschinen lesbar dar und ermöglicht eine transparente Ableitung effektiver Maßnahmen zur Störungsbehebung. Dabei können nicht nur Störungen identifiziert, sondern auch deren Ursachen präzise ermittelt werden. Dies ermöglicht es Fachkräften, fundierte Entscheidungen zur Fehlerbehebung zu treffen und effektive Maßnahmen einzuleiten. Gleichzeitig bietet der Graphen-basierte Ansatz ein tiefes Verständnis der Zusammenhänge zwischen den verschiedenen Komponenten und hilft dabei, die Produktionsprozesse gezielt zu optimieren.

Neben der Fähigkeit, kontinuierlich zu lernen und sich anzupassen ist die Erklärbarkeit des Systems ein weiterer Vorteil. Im Gegensatz zu reinen Machine-Learning-Modellen wie ChatGPT können erlernte Erkenntnisse und Empfehlungen des Graphen transparent dargestellt werden. Die Folge: Eine bessere Nachvollziehbarkeit der Ergebnisse und eine fundierte Entscheidungsfindung.

„Wir sind überzeugt, dass der Einsatz von Graphen-basierter KI das Potenzial hat, den Produktionsprozess der Fertigungsindustrie zu revolutionieren. Nicht nur Störungen können schneller erkannt und behoben werden, sondern auch präventive Maßnahmen ergriffen werden, um zukünftige Probleme zu vermeiden. Dies führt zu einer höheren Produktivität, geringeren Ausfallzeiten und letztendlich zu einer verbesserten Wettbewerbsfähigkeit“, erklärt Christian Steidle, Geschäftsführer von Schuster Maschinenbau.

Weitere Informationen gibt es unter www.schuster-maschinenbau.de.