Künstliche Intelligenz and Big Data CSA für die Prozessindustrie, die Unternehmensentwicklung und -Optimierung

Einsatz von KI in den zehn industriellen Prozessindustriesektoren des SPIRE*

Das Forschungsprojekt AI-CUBE analysiert den Einsatz und die Nutzung von Künstlicher Intelligenz innerhalb der Prozessindustrie. Gefördert und ins Leben gerufen durch das EU Horizon 2020 Research and Innovation Programme, geht es bei AI-CUBE vor allem um den Aufbau einer Roadmap für den Einsatz von KI in der Prozessindustrie. Es soll dabei ein Verständnis entwickelt werden, welche digitalen Technologien mit Schnittpunkten zu KI und Big Data aktuell bereits in der Prozessindustrie zum Einsatz kommen und welche der Technologien potenziell gut auf andere Sektoren übertragbar sind. Der Fokus liegt auf den zehn SPIRE-Sektoren: Stahl, Chemie, Mineralstoffe, Nichteisenmetalle, Wasser, Keramik, Zement, Ingenieurwesen, Raffinierie sowie Zellstoff und Papier.

Bestehende Herausforderungen für den Einsatz von KI- und Big Data-Technologien in der europäischen Prozessindustrie

Trotz der Zunahme von generierten und verfügbaren Daten entlang von Wertschöpfungsketten werden diese Datenmengen in vielen Unternehmen der Prozessindustrie noch nicht ausgeschöpft. Beispielsweise fehlen häufig quantitativ und qualitativ ausreichende Datenpools, um anspruchsvolle Machine Learning Verfahren in angemessener Genauigkeit nutzen zu können. Bereits bestehende
KI-Anwendungen in einzelnen Unternehmen oder Sektoren mit hohen Reifegraden sind nicht transparent erkennbar und können somit nicht als Referenz für andere Bereiche genutzt werden.

 

Aufbau des Cubes – Durchdringung von KI- und BD-Technologien in allen SPIRE Sektoren

Das Konzept von AI-CUBE baut auf einem dreidimensionalen Modell auf, welches entlang der Ebenen der eingesetzten Technologien, den SPIRE-Sektoren der Prozessindustrie und den Hauptprozessen der Implementationen aufgespannt wird. Bezogen auf die unterschiedlichen Technologien werden sowohl verschiedene Basistechnologien der künstlichen Intelligenz als auch hierfür notwendige Big Data Technologien unterschieden. Die Prozesse, in welchen jeweils konkrete KI oder Big Data Applikationen eingesetzt werden, sind entlang der Wertschöpfungsprozesse von der Marktanalyse, von Trends und Innovationen, der Produktkonfiguration über das Management und Handling von Lieferketten, der Instandhaltung bis hin zur Prozessüberwachung, Forschung und Innovation abgebildet.

Die Berücksichtigung der drei Dimensionen ermöglicht die Darstellung der aktuellen Nutzung sowie der jeweiligen Reifegrade der eingesetzten Anwendungen in den verschiedenen Sektoren. Für diese reifegradbezogene Darstellung wird im Rahmen des Forschungsprojekts ein eigenes Reifegrad-modell für die Bewertung von KI- und Big Data Anwendungen entwickelt.

Vorrangiges Ziel des AI-Cube Projekts ist die Identifizierung und Reifegradbewertung von KI-Lösungen, welche in den verschiedenen Sektoren und Prozessen der Prozessindustrie eingesetzt werden. Zusätzlich werden bestehende Barrieren für den Transfer bestehender Technologien in andere Sektoren oder Prozesse und Herausforderungen für die tiefergehende Integration von Lösungen erforscht. Die daraus resultierende Roadmap soll Forschern, Managern und Industrieexperten aus der Prozessindustrie als Hilfestellung dienen, um zukünftige Implementierungen von KI oder Big Data Anwendungen zu erleichtern und einen Überblick über den aktuellen Stand und Reifegrad der verschiedenen Technologien zu ermöglichen. Eine enge Zusammenarbeit mit Industriepartnern und Technologieanbietern ist eine wichtige Voraussetzung für das Verständnis und den Einblick von KI Anwendungsbereichen sowie deren Reifegradbemessung. Aus diesem Grund werden die verschiedenen Stakeholder im Rahmen des Projekts intensiv eingebunden und in die verschiedenen Projektphasen integriert.

 

 

*SPIRE Sektoren

© Fraunhofer IML
Reifegradbewertung und Folgenabschätzung von BD und AI Technologien in der Prozessindustrie der 10 SPIRE Sektoren

Von der Reifegrad-Bewertung bis hin zu zukunftsfähigen KI und BD-Modellen

Mit dem Ziel der Entwicklung und Etablierung des Cube-Konzepts für die Reifegradbewertung von KI- und Big Data Technologien in der europäischen Prozessindustrie werden die folgenden Schritte im Forschungsprojekt untersucht:

  • Entwicklung von Technologie- und Prozesstaxonomien für die verschiedenen Dimensionen des Modells
  • Reifegrad-Bewertung: Entwicklung und Validierung eines Modells für die Reifegradbewertung von KI- und Big Data Technologien
  • Einsatz des AI Cubes: Erhebung von aktuellen Implementationen und Reifegradbewertung entlang der verschiedenen Dimensionen des Cube-Modells und Identifikation von Entwicklungspfaden und Transferpotenzialen
  • Analyse von weiteren Transfer- und Entwicklungspotenzialen entlang der Sektoren und Prozesse sowie Entwicklung von Möglichkeiten zur Verminderung bestehender Implementationshürden nach Sektoren und Prozessen.
  • Erhebung von Daten-, Fähigkeits- und Forschungsanforderungen für die weitere Förderung des KI-Einsatzes in der Prozessindustrie
  • Entwicklung beispielhafter Geschäftsvorfälle, Roadmaps und eines Business Model Games für die Förderung des Verständnisses der zukünftigen Potenziale einer verstärkten Integration von KI und Big Data. Hierdurch werden zwei Pfade aufgezeigt:
    • Die Übertragung bewährter KI- und BD-Praktiken von einem SPIRE-Sektor auf einen anderen, oder
    • Die Weiterentwicklung und Übernahme von Technologien und Businessmodellen für neue Prozesse oder Sektoren

Im Vordergrund steht hierbei die Entwicklung von bewährten AI- und BD-Businessmodellen, welche industrieübergreifend funktionieren und sich in die Linie der A.SPIRE 2050 Vision einfügt.

 

Die Rolle des Fraunhofer IML

Das Fraunhofer IML hat die Führungsrolle für den Bereich der Identifikation von KI und Big Data Technologien inklusive der Reifegradmessung übernommen. Teil dieser Aufgabe ist die Einordnung von aktuellen KI- und Big Data -Anwendungen in das entwickelte CUBE-Konzept unter Berücksichtigung ihres aktuellen Reifegrades. Durch diese prozess- und sektorübergreifende Analyse der einzelnen Technologien wird eine systematische Identifikation von Fokusbereichen und aktuell noch wenig beachteten Einsatzbereichen ermöglicht und es können hierauf basierende Weiterentwicklungsstrategien und -pfade entwickelt werden.

 

Partner:

CIAOTECH S.R.L / PNO GROUP B.V.

ZARAGOZA LOGISTICS CENTER

IRIS TECHNOLOGY SOLUTIONS S.L.

CNR-IEIIT

 

 

Das könnte Sie auch interessieren

 

Zur Hauptseite zurückkehren