Es ist ein uralter Menschheitstraum: Ein Blick in die Zukunft zu werfen. Jetzt schon sehen, was bald passieren wird. Für Unternehmen würde dies bedeuten, dass man beispielsweise im Voraus weiß, ab wann eine Maschine Ausschuss produziert. Oder ab welchem Zeitpunkt ein Werkzeugteil verschlissen ist, so dass man es noch vor dem Defekt wechselt und damit Stillstandzeiten vermeidet. Auch ein sich anbahnender Bruch in der Lieferkette ließe sich rechtzeitig umgehen – sei er wegen der Corona-Pandemie, auf Grund von Handelsbarrieren infolge politischer Konflikte oder aus sonstigen Unwägbarkeiten wie etwa niedrigen Flusspegeln entstanden.
Der derzeit viele Industrien lahmlegende Chip-Mangel wäre schon im Vorfeld erkannt worden und man hätte frühzeitig gegensteuern können. Betriebe hätten also selbst für Rohstoff-Engpässe oder Naturkatastrophen einen Plan B in der Tasche. Denn solche nicht planbaren Probleme haben einen extrem kostspieligen Produktionsstillstand zur Folge. Wie man ganze Branchen proaktiv besser vor Störungen schützen kann, das erforscht unter der Leitung von Professor Wolfgang Maaß bei „Spaicer“ ein Experten-Team am DFKI – Deutsches Forschungszentrum für Künstliche Intelligenz.
Beim mit rund zehn Millionen Euro geförderten Projekt „Spaicer“ geht es darum, die produzierende Industrie auf allen Ebenen besser auf die unterschiedlichsten Arten von Störungen und Krisen vorzubereiten. Zusammen mit 14 namhaften Partnern aus Wirtschaft und Wissenschaft entwickeln sowohl die Forscher als auch die Praxispartner digitale Tools, die auf Künstlicher Intelligenz basieren. Diese sogenannte Smarte Resilienz Services (SRS) können mithilfe von Algorithmen interne und externe Veränderungen rechtzeitig vorhersehen. Darauf ableitend generieren sie nachvollziehbare Handlungsempfehlungen, die es Bedienern und Entscheidern erlaubt, frühzeitig sinnvolle Stabilisierungsmaßnahmen einzuleiten. Die Kombination von Expertenwissen der Industriepartner aus der Praxis und den datenbasierten Ansätzen der Künstlicher Intelligenz ermöglicht dann einen entspannten Umgang mit herausfordernden Situationen. Damit die Betriebe die SRS bestmöglich anwenden können, werden sie auf einer „Spaicer“-Plattform nach dem Baukastenprinzip aus der Produktentwicklung verankert. „Unser Ziel ist, dass Unternehmen diese SRS dazu nutzen, sich schnell und flexibel an veränderte Gegebenheiten anzupassen und sich widerstandsfähiger zu machen“, erklärt Maaß, der Leiter des DFKI-Forschungsbereichs Smart Service Engineering.
In die Glaskugel sehen können die am Leuchtturmprojekt arbeitenden Forscher nicht – aber sie können die Zukunft planbarer und berechenbarer machen. Sie können sie vorausahnen. Dabei geht es immer darum, sich ein frühzeitiges Wissen anzueignen. „Störungen sind der Normalzustand in der Produktion“, macht Wirtschaftsinformatiker Maaß deutlich und ergänzt: „Wer sie früh erkennt, kann ihre Auswirkungen spürbar beeinflussen.“ Dafür benötigen die Wissenschaftler sehr viele Daten, die sie automatisiert verarbeiten und mit einer Plattform verknüpfen. „Anhand dieser Informationen können wir die Störungen mit Methoden Künstlicher Intelligenz und unterschiedlichen maschinellen Lernverfahren klassifizieren und hiernach passende Maßnahmen empfehlen“, sagt Professor Maaß. Auf der offenen, digitalen „Spaicer“-Plattform werden für Unternehmen dann Services angeboten, die ihre Resilienz steigern und ihre Widerstandskraft stärken. Wichtig dabei ist: Dies geschieht, ohne dass die Nutzer selbst zu Experten für Künstliche Intelligenz werden müssen. Und es muss auch keine Datenhoheit abgeben werden. In ihrer Arbeit konzentrieren sich die KI-Spezialisten auf drei Ebenen: Da wäre die Mikro-Ebene, welche die einzelnen Produktionsmaschinen im Fokus hat. Dazu kommt die Meso-Ebene von Produktionsunternehmen inklusive der zugeordneten Lieferketten. Und als dritter Punkt die Makro-Ebene. Sie behandelt nationale und globale Produktionssysteme. Hier spielen Auswirkungen politischer Entscheidungen, Umweltveränderungen und Katastrophen eine Rolle.
Beim Start von „Spaicer“ war noch unklar, ob sich Resilienz überhaupt auf die Produktion übertragen lässt. In Best Practices lassen sich aber schon deutliche Erfolge vorweisen. Eine Kostprobe: An einer Maschine soll der ideale Zeitpunkt gefunden werden, an dem ein Werkzeug so verbraucht ist, dass die Wartung ansteht. Allerdings bevor ein fehlerhaftes Teil produziert wurde oder es zu einem Werkzeugbruch kommt. Um den Verschleiß zu erkennen, werden Daten gesammelt. Dies geschieht durch das akustische Verfahren der Körperschalldiagnose. Denn eine Anlage ändert im Laufe der Zeit allmählich ihre Schwingungsfrequenz, was die Stadien bestimmter Störungen ankündigt. Hinzu kommen noch weitere Informationen, wie etwa über Ersatzteile und ihre Lebensdauer oder auch Wartungsintervalle. Alle erfassten Werte lassen sich nun in klare Empfehlungen überführen. So kommt die Wartung punktgenau und mit Vorwarnung. Nicht zu früh und nicht zu spät – und mit Minimierung des Schadens. „Resilienz-Management bedeutet aber auch, präventiv die Schwachstellen zu identifizieren und die Stärken auszubauen. Also noch bevor überhaupt der Ernstfall eintritt, dann kann man im Fall der Fälle besser reagieren“, erläutert Maaß. Was die Forschung von „Spaicer“ also sicherlich schon einmal beweisen konnte: Die Zukunft hat bereits begonnen.
An dem durch das Bundesministerium für Wirtschaft und Energie teilgeförderte KI-Leuchtturmprojekt sind neben dem DFKI auch das Werkzeugmaschinenlabor der RWTH Aachen, die Universität Freiburg, die Technische Universität Darmstadt, das Institut für Technologie- und Innovationsmanagement der RWTH Aachen, die Otto Beisheim School of Management, Dezem, Feintool, SAP, Schott, Mendritzki, Seitec, Senseering und die Deutsche Bahn beteiligt.
Darüber hinaus gibt es ein breitgefächertes Netzwerk aus über 40 assoziierten Partnern, die das Projektkonsortium mit wichtigem Praxiswissen unterstützen.
