{"id":6808,"date":"2019-01-23T08:23:14","date_gmt":"2019-01-23T07:23:14","guid":{"rendered":"https:\/\/staging.blogs.yokogawa.de\/chemical-pharma\/unkategorisiert\/nur-neuer-hype-oder-verstecktes-potenzial\/"},"modified":"2022-06-17T07:53:58","modified_gmt":"2022-06-17T05:53:58","slug":"nur-neuer-hype-oder-verstecktes-potenzial","status":"publish","type":"post","link":"https:\/\/www.yokogawa.com\/eu\/blog\/chemical-pharma\/de\/nur-neuer-hype-oder-verstecktes-potenzial\/","title":{"rendered":"K\u00fcnstliche Intelligenz: Nur neuer Hype oder verstecktes Potenzial?"},"content":{"rendered":"

Ende vergangenen Jahres stellte die deutsche Bundesregierung ihre KI-Strategie<\/a> mit einer F\u00f6rdersumme von insgesamt 3 Milliarden Euro vor. Das Fachmagazin Process<\/em> bezieht sich in einem Artikel<\/a> auf eine Studie der EITO<\/a>, nach der sich Europas KI-Markt bis 2022 verf\u00fcnffachen soll. Das Thema k\u00fcnstliche Intelligenz scheint derzeit in aller Munde zu sein. Doch was genau ist gemeint, wenn wir von k\u00fcnstlicher Intelligenz sprechen? Wer genau profitiert von ihrem Einsatz und wo versteckt sich das Potenzial f\u00fcr die Industrie?<\/p>\n

Angewandte k\u00fcnstliche Intelligenz<\/h2>\n

Das Erste, was einem Laien in den Sinn kommt, wenn man ihn nach k\u00fcnstlicher Intelligenz fragt, ist wohl die aus Science-Fiction und Co. bekannte Superintelligenz, die dem menschlichen Intellekt in allen Belangen \u00fcberlegen ist. Der Fachmann hingegen bezieht sich in der Regel auf die schwache k\u00fcnstliche Intelligenz, die heute bereits Anwendung findet. Diese ist dabei keine universelle Intelligenz, sondern auf einen bestimmten Anwendungsfall beschr\u00e4nkt. Dabei unterscheiden wir k\u00fcnstliche Intelligenz von herk\u00f6mmlichen Algorithmen \u00fcber eine Reihe von Aspekten, die diese leisten sollte. KI sollte zum Beispiel zum Lernen, Planen und zu logischem Denken in der Lage sein.<\/p>\n

Berechtigte Skepsis<\/h2>\n

Die Proce<\/em>ss berichtet, dass 17 Prozent der deutschen Unternehmen mit mehr als 50 Besch\u00e4ftigten eine kritische oder ablehnende Haltung gegen\u00fcber KI-Technologien haben. Eine gewisse Skepsis gegen\u00fcber dem Thema l\u00e4sst sich leicht nachvollziehen. Zun\u00e4chst ist das Thema k\u00fcnstliche Intelligenz an sich nichts Neues. Betrachten wir den Bottom-Up-Ansatz an die KI, n\u00e4mlich k\u00fcnstliche neuronale Netze, die versuchen, die Funktionsstruktur eines organischen Gehirns nachzubilden, werden wir feststellen, dass die Grundlagen bereits in den 1940er Jahren von Warren McCulloch und Walter Pitts erforscht wurden. Auch in der Industrie sind l\u00e4ngst zum Beispiel selbstlernende Regler bekannt. Der Hype um die KI ist historisch immer wieder aufgetaucht. So zuletzt 1997, als es IBMs Deep Blue<\/a> gelang, den damaligen Schachweltmeister Garri Kasparov zu schlagen. Zur wirklichen Marktreife hingegen haben es nur wenige Anwendungen gebracht.<\/p>\n

Was ist dieses Mal also anders?<\/h2>\n

Auch in den letzten Jahren ist der KI-Trend erneut aufgelebt. Mediale Aufmerksamkeit erfuhren vor allem die Go-spielenden KIs von der Google Tochter DeepMind \u201eAlpha Go\u201c und \u201eAlpha Go Zero\u201c<\/a>. Aber auch Technologien wie autonomes Fahren machen in letzter Zeit durch neue KI-Ans\u00e4tze schnellere Fortschritte. Immer leistungsf\u00e4higere Hardware erm\u00f6glicht es mittlerweile, immer tiefere neuronale Netze effizienter zu trainieren. Mittlerweile k\u00f6nnen auch versierte Privatpersonen auf ihren Heimrechnern k\u00fcnstliche Intelligenzen entwickeln und den Fortschritt vorantreiben. Letzteres ist nichtzuletzt auch performanten Open-Source-Projekten wie Tensorflow<\/a>, Keras<\/a> und Torch<\/a> zu verdanken. Mit dem Thema KI k\u00f6nnen sich dieses Mal nicht nur Theoretiker auseinandersetzen.<\/p>\n

Potenzial f\u00fcr die Prozessautomatisierung<\/h2>\n

Welche Chancen bietet die Anwendung der KI also in der Prozessindustrie und welche konkreten Anwendungsf\u00e4lle w\u00fcrden besonders profitieren? Eine Grundregel f\u00fcr lernende Algorithmen ist: Je mehr Trainingsdaten vorhanden sind, desto besser ist es. In der automatisierten Anlage fallen t\u00e4glich gro\u00dfe Datenmengen an, welche aufbereitet, dargestellt und abschlie\u00dfend \u00fcber Jahrzehnte archiviert werden. Im besten Fall werden diese Daten bereits zur Optimierung der Anlage verwendet. Das Erkennen dieses Optimierungspotentials in hochdimensionalen Datens\u00e4tzen, welche vom Menschen nicht mehr durchschaubar sind, ist f\u00fcr KI-Algorithmen in Echtzeit machbar. Die Anwendungsf\u00e4lle hierf\u00fcr sind zahlreich. Eine exemplarische KI k\u00f6nnte mit historischen Daten trainiert werden, um den zeitlichen Ablauf eines Batchprozesses zu optimieren. Der Einsatz im Alarmmanagement<\/a> zur Sortierung und Filterung der dem Anlagenfahrer angezeigten Alarmmeldungen w\u00e4re ebenfalls vorstellbar. Auch zum Beispiel im Bereich der IT-Security ist der Einsatz von KI zur \u00dcberwachung von Kommunikationsstrukturen in der Anlage und dem Erkennen von Cyber-Attacken m\u00f6glich.<\/p>\n

Lernen ohne Daten<\/h2>\n

Sogar f\u00fcr den Fall, dass eine Anlage noch in Planung ist und es keine vergleichbaren Daten zum Training einer KI gibt, die zum Beispiel beim Designprozess unterst\u00fctzen w\u00fcrden, kann der Einsatz dieser sinnvoll sein. Auch Googles \u201eAlpha Go Zero\u201c ist ohne Daten ausgekommen. Allein durch die Beschreibung der Spielregeln und dem Ansatz des best\u00e4rkenden Lernens war sie in der Lage, ihren Vorg\u00e4nger 100:0 zu schlagen. Das best\u00e4rkende Lernen lie\u00dfe sich vom Go-Spiel auch auf eine Prozessanlage \u00fcbertragen. Nur die Beschreibung der Spielregeln w\u00e4re komplexer und k\u00f6nnte zum Beispiel durch rigorose Prozesssimulationen \u00fcbernommen werden.<\/p>\n

Risiken<\/h2>\n

W\u00e4hrend der richtige Einsatz von KI, die Wahl von geeigneten Algorithmen und Parametern f\u00fcr den Anwendungsfall und geschicktes Feature Engineering gro\u00dfes Potenzial haben, so birgt dieser doch Risiken. Es k\u00f6nnen sich zum Beispiel systematische Fehler des Menschen im Rahmen der Trainingsdaten dauerhaft auf den gelernten Algorithmus auswirken. Auch ist die Denkweise einer hinreichend komplexen KI nicht mehr vom Menschen nachzuvollziehen und stellt damit eine Black-Box dar.<\/p>\n

Beim Einsatz der KI muss zwischen Chancen und Risiken abgewogen werden. Vor allem in der Prozessautomatisierung, wo Zuverl\u00e4ssigkeit einer der wichtigsten Faktoren ist, ist die Etablierung von KI-Technologien mit Vorsicht umzusetzen. Gleichzeitig ist gerade in dieser Branche viel ungenutztes Potenzial zu finden, was den Einzug der k\u00fcnstlichen Intelligenz in den kommenden Jahren unvermeidbar macht.<\/p>\n

\n

Eine Zusammenarbeit, viele Erfolge<\/a><\/p><\/blockquote>\n