In der modernen Industrie 4.0 sind Maschinen und Abläufe mehr und mehr digital vernetzt.Systeme interagieren und kommunizieren, treffen Entscheidungen und versuchen Aufgaben zu lösen. Insbesondere in zeitkritischen Produktionsabläufen führt dies zu komplexen Herausforderungen, wodurch vermehrt Optimierungs- und Planungsfehler auftreten können. Dadurch werden Leistungskennzahlen (Key Performance Indicator, KPI), wie zum Beispiel die Effizienz oder Resilienz, in Mitleidenschaft gezogen.
Bereits jetzt gibt es mit den Konzepten des „Maschinellen Lernens“ (ML) und der Schwarmintelligenz für diese Bereiche erfolgreiche Lösungsansätze. Die Lakeside Labs forscht gemeinsam mit dem Fraunhofer Innovationszentrum für Digitalisierung und Künstliche Intelligenz KI4LIFE in Klagenfurt an der Kombination beider Methoden zur Optimierung von Produktionsprozessen in der Industrie 4.0.
Vorteile von ML und Schwarmintelligenz verstehen
Maschinelles Lernen und Schwarmintelligenz sind konzeptionell sehr unterschiedliche Methoden der Künstlichen Intelligenz. Bei Ersterem erkennen spezielle Algorithmen Muster und Gesetzmäßigkeiten in Datensätzen und können daraus Lösungen entwickeln. Schwarmintelligenz wiederum, oder auch „Verteilte Künstliche Intelligenz“ versucht, komplexe vernetzte Systeme nach biologischen Vorbildern wie z.B. staatenbildender Insekten wie Ameisen oder Bienen zu modellieren.
Beide Methoden haben sich bei unterschiedlichen Problemstellungen der modernen Produktion bereits als erfolgreich erwiesen. Eines der Hauptziele des EFRE-Förderprojektes „Machine Learning & Swarms“, ist es, ein klares Bild über die Merkmale, Grenzen, Vor- und Nachteile beider Ansätze zu gewinnen. Das Projekt wird aus Mitteln aus REACT-EU kofinanziert.
Neue Methodik durch Kombination der Ansätze
Das Projektteam aus Wissenschaftlerinnen und Wissenschaftler der Lakeside Labs und des Fraunhofer Innovationszentrum KI4LIFE erforschen, wie sich aus der Kombination von Maschinellem Lernen und Schwarmintelligenz Optimierungsmöglichkeiten in der Produktion ergeben können. Es wird ein „Portfolio-Solver“ entwickelt, der durch Anwendung eines maschinellen Lernverfahrens dynamisch den besten Schwarmalgorithmus für eine spezifische Situation auswählt.
Hoher praktischer Nutzen für heimische Industrie
Von den Forschungsergebnissen, die für Mitte 2023 erwartet werden, profitiert in erster Linie die Industrie, indem im Produktionsprozess Fehler, Störungen und Ausfälle reduziert werden, Ressourcen effizient genutzt und auch Wartungskosten eingespart werden können. Der Einsatz dieser neuen KI-Methoden kann somit zu einer höheren Wettbewerbsfähigkeit und zu einem stärkeren Wachstum heimischer Industriebetriebe führen.
Neues Forschungsfeld stärkt den Forschungsstandort
Teil des Projektes ist auch, den Grundstein für einen neuen Bereich der angewandten Forschung zu legen, der von den Forschungspartnern in Folgeprojekten weiterentwickelt werden soll. Dieses neue Feld soll unter anderem bei Mobilität, Logistik und Robotik weitreichendere Anwendungsmöglichkeiten der KI-Methoden und dadurch vermehrt innovative Lösungen ermöglichen. Die Kärntner Wissenschaft erhält damit die Chance, sich als internationaler Partner bei Themen der Künstlichen Intelligenz zu etablieren und so den Forschungsstandort weiter stärken.
