Studie Mit KI nachhaltiger produzieren

Anbieter zum Thema

Fsas Technologies GmbH

INFOMOTION GmbH

Künstliche Intelligenz kann nicht nur Produktionsprozesse wirtschaftlicher machen, sondern auch die Nachhaltigkeit steigern. Eine Studie des KI-Fortschrittszentrums in Stuttgart gibt Firmen einen guten Überblick, wie sie mit KI nachhaltiger und dadurch auch wirtschaftlich erfolgreicher agieren können. Es folgen Auszüge aus der Studie.

Am Thema Nachhaltigkeit führt heute kein Weg mehr vorbei. „Unternehmen müssen sich meist auf mehreren Ebenen damit auseinandersetzen: Da sind einmal die Kunden, die nachhaltige Produkte wünschen. Hinzu kommen die politischen Rahmenbedingungen: Der Gesetzgeber fordert eine Reduktion der Treibhausgas-Emissionen um 37 Prozent zwischen 2020 und 2030. Und last, not least erzeugen steigende Preise für Energie und Materialien einen wirtschaftlichen Druck, der zu einem effizienten Umgang mit den Ressourcen zwingt“, betont Studienautor David Koch.

Künstliche Intelligenz (KI) kann helfen, die Nachhaltigkeit zu steigern, davon ist der Wirtschaftsingenieur am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA überzeugt. Gemeinsam mit einem Team aus dem Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO und dem IPA hat er die kürzlich erschienene Studie „Nachhaltigkeit durch KI – Potenziale und Handlungsleitfaden für produzierende Unternehmen“ erstellt. Haben Unternehmen KI bisher vor allem genutzt, um möglichst effizient und wirtschaftlich zu produzieren, rückt die Studie nun erstmals die Nachhaltigkeit in den Vordergrund.

Bildergalerie

Bildergalerie mit 6 Bildern

Gefördert wurde die Studie vom baden-württembergischen Wirtschaftsministerium im Rahmen des KI-Fortschrittszentrums „Lernende Systeme und Kognitive Robotik“. Die Studie und der Leitfaden geben Firmen einen guten Überblick, wie sie mit KI nachhaltiger und dadurch auch wirtschaftlich erfolgreicher agieren können.

Für die Studie haben die Forscherinnen und Forscher Veröffentlichungen ausgewertet und Interviews bei produzierenden Unternehmen geführt. Das Ergebnis ist ein umfangreicher Bericht über die theoretischen Möglichkeiten und den praktischen Nutzen von KI zur Steigerung der Nachhaltigkeit. Die Liste der möglichen Anwendungen reicht von der Entwicklung bioabbaubarer beziehungsweise recyclingfreundlicher Produkte über material- und energiesparende Fertigungsprozesse, Effizienzsteigerungen durch frühzeitiges Aufspüren und Aussortieren defekter Bauteile, eine optimierte Steuerung von Klimaanlagen bis hin zu einer ökologischen Logistik mit maximal ausgelasteten Lieferfahrzeugen oder neuen Recyclingkonzepten, die eine Weiterverwertung der Produkte ermöglichen.Unternehmen, die KI zur Verbesserung der Nachhaltigkeit nutzen wollen, bietet die Studie außerdem einen Leitfaden für die Umsetzung in die Praxis. Dieser beschreibt, wie sich in sieben Schritten Ziele definieren und prozess- sowie IT-technische, personelle und strategische Voraussetzungen prüfen lassen. Berücksichtigt wird hier auch der – mitunter nicht unerhebliche – Energiebedarf der KI:

Handlungsleitfaden für Unternehmen

Zu den größten Potenzialen in der Produktion mittels Einsatzes von KI und maschinellem Lernen zählen Innovationssteigerung, Prozessoptimierung, Ressourcenoptimierung und Qualitätsverbesserung. Nachhaltigkeitsbestrebungen rücken dabei zunehmend in den Fokus, wobei eine intelligente Fertigung außerdem das Potenzial besitzt, Ressourcenknappheit und Produktivitätsverbesserungen anzugehen. KI und maschinelles Lernen können dabei helfen, z. B. durch die intelligente Nutzung von Materialien, Reduzierung des Energieverbrauchs und der Schadstoffemissionen, Überwachung und Bewertung des ökologischen Fußabdrucks usw.

Instandhaltung und Produktion

Im Produktionskontext kann KI zur vorausschauenden Instandhaltung (Predictive Maintenance) eingesetzt werden: Mit einer exakten Prognose lässt sich der optimale Zeitpunkt der Instandhaltungsaktivitäten festlegen, um so unerwartete Ausfälle und Schäden an Maschinen und Anlagen zu vermeiden. Ein Anwendungsfall der vorausschauenden Instandhaltung ist die Erkennung von nahenden Pumpenausfällen, z. B. in der Halbleiterindustrie. Häufig werden solche Pumpen zur Erzeugung eines Vakuums auf Verschleiß gefahren, jedoch können gerade prozessierte Silizium-Wafer zerstört werden, wenn eine Pumpe ausfällt. Solche Wafer sind allerdings teuer, daher sollen zum einen weder unnötig Pumpen ausgetauscht werden, die noch funktionieren, zum anderen verursacht der Ausfall einer Pumpe selbst hohe Kosten. Weitere Anwendungsfälle und deren Nachhaltigkeitspotenzial finden Sie in Tabelle 1.

Qualitätsmanagement in der Produktion

Das Qualitätsmanagement kann einen erheblichen Einfluss auf die Energie- und Ressourceneffizienz eines Unternehmens haben, indem es zum einen die Produktionsqualität sicherstellt und dadurch energieintensive Nacharbeiten und Ausschuss verhindert. Zum anderen kann es durch die frühzeitige Erkennung von Produktionsmängeln in der Prozesskette verhindern, dass mangelhafte Produkte zunächst weiterverarbeitet werden, was zusätzlichen Aufwand an Energie und Roh- und Hilfsstoffen bedeutet, bevor sie schließlich entsorgt werden müssen. Typische Anwendungsfälle für KI-Methoden in diesem Zusammenhang sind beispielsweise optische Überwachungssysteme, die durch KI-basierte Bildverarbeitungssysteme Produktionsanomalien erkennen können. Tabelle 2 fasst ausgewählte Anwendungsfälle und ihr Nachhaltigkeitspotenzial zusammen.

Produktionsoptimierung

Ein Anwendungsfall in der Produktionsprozessoptimierung ist die Unterstützung der Maschinenbedienerinnen und -bediener bei der Konfiguration von Maschinenparametern an einer oder an mehreren miteinander verknüpften Maschinen. Aufgrund von Materialwechseln in der Produktionslinie oder Schwankungen der Materialeigenschaften sind Prozessanpassungen und, damit verbunden, geänderte Parametereinstellungen notwendig. Dies kann sich zu einem komplexen Vorgang ausweiten. Die richtige Parametrierung kann dabei eine halbe bis eineinhalb Stunden dauern, ohne Garantie auf eine gute Rezeptmischung. Meist erfordert dieser Prozess außerdem Erfahrungswissen und gerade Neueinsteigerinnen und Neueinsteigern fallen solche Tätigkeiten schwer. Tabelle 3 fasst Anwendungsfälle und ihr Nachhaltigkeitspotenzial zusammen.

Dieser Artikel stammt von unserem Partnerportal MaschinenMarkt.

(ID:48839862)