1. Flexiblere Produktions- und Automatisierungstechnik 2. Ursprung des Betriebssystems für die Produktion 3. Aus der Vision wird Wirklichkeit
Mit dieser Idee konnten sich die 26 beteiligten Projektpartner, zu denen unter anderem das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA gehört, beim KI-Innovationswettbewerb des Bundesministeriums für Wirtschaft und Energie durchsetzen.
Flexiblere Produktions- und Automatisierungstechnik
Im Forschungsprojekt wollen die Projektpartner die Produktions- und Automatisierungstechnik genauso flexibel gestalten wie IKT heute schon ist. „Momentan sind das zwei getrennte Welten“, sagt Daniel Stock vom Kompetenzzentrum DigITools am Fraunhofer IPA, „aber hochwertige Daten für KI-Anwendungen und die nötigen Synergieeffekte in der Anwendung erhalten wir nur, wenn wir beide zusammenbringen und harmonisieren.“ Den Forschern schwebt deshalb eine Plattform für Werker und Datenanalytiker gleichermaßen vor, die eine offene, verteilte, echtzeitfähige und sichere IT-Architektur besitzt.
Sie soll die wandlungsfähige Automatisierung von Fabriken ermöglichen und die Grundlage eines Ökosystems für datengetriebene Dienste und KI-Anwendungen bilden. Entsprechend den Prinzipien bekannter Betriebssysteme für Computer oder Smartphones, Hardware mit Apps und Programmen zu verknüpfen, soll FabOS eine Plattform für Maschinen, Infrastruktur und KI-Dienste einer kompletten Fabrik werden. Um zu verhindern, dass sich Industrieunternehmen von einem Hersteller abhängig machen, wollen die Forscher dafür teilweise Open-Source-Komponenten sowie Ansätze von Community- und Crowdsourcing in FabOS integrieren.
Ursprung des Betriebssystems für die Produktion
Es gibt zwei wichtige Gründe, weshalb sich die deutsche Industrie bei der Nutzung von Künstlicher Intelligenz in der Produktion bisher weitgehend zurückhält: Erstens ist die Produktionstechnik vor allem darauf ausgerichtet, ihre Kernaufgabe zuverlässig zu erfüllen: Sie fertigt Ware. Das Sammeln von Daten geschieht dabei meist ohne zugehörigen Kontext. Die Produktionsdaten nachträglich einem maschinellen Lernverfahren zugänglich zu machen wäre sehr aufwendig. „Die Systemlandschaft in der Produktion ist aktuell immer noch sehr heterogen und unflexibel“, sagt Daniel Stock.
Zweitens ist die Furcht vieler Unternehmen, unbedacht Daten für KI-Anwendungen bereitzustellen, teilweise berechtigt: Anbieter von Cloud- oder KI-Dienstleistungen könnten die anfallenden Produktionsdaten für ihre eigenen Zwecke nutzen. „Etablierte Plattform-Anbieter aus dem Ausland könnten sich so das einmalige Prozesswissen der deutschen produzierenden Unternehmen aneignen und dieses Alleinstellungsmerkmal angreifen“, warnt Stock. „Deutsche Unternehmen müssen ihre digitale, technologische Souveränität schützen und in die Lage gebracht werden, eine eigene Infrastruktur für KI zu entwickeln und zu nutzen.“
