IoT als Nervensystem der Industrieanlage Schlauer mit KI

Erst KI ermöglicht dem IoT, seine Vorteile zur Gänze auszuspielen.

Künstliche Intelligenz (KI) und IoT sind ein trautes Paar: Mittels KI lassen sich Muster identifizieren und Predictive Maintenance realisieren – und im Verbund mit dem IoT macht KI die Echtzeitverarbeitung großer Mengen von Produktionsdaten erst möglich.

Das zentrale Nervensystem des Menschen besteht aus dem Gehirn, dem Rückenmark und den Nerven. Die Nerven reagieren auf äußere Reize wie Temperatur oder Druck und übertragen Signale an das Gehirn, das über die richtige Reaktion entscheidet. In der Fertigung fungieren die unzähligen vernetzten IoT-Geräte als Nerven, messen Parameter und sammeln Daten, aber was ist das Gehirn hinter all diesen Vorgängen?

Gartner prognostiziert, dass bis 2022 mehr als 80 Prozent der IoT-Projekte in Unternehmen eine KI-Komponente enthalten werden – nach nur 10 Prozent im Jahr 2019. »Die Gründe für dieses Wachstum sind eindeutig: IoT-Geräte erzeugen große Mengen von Betriebsdaten in Industrieanlagen, möglicherweise mehr, als wir verarbeiten können«, erklärt Sophie Hand, UK Country Manager beim Automatisierungskomponenten-Hersteller EU Automation. »Unsere Anlagen sammeln Informationen unter anderem über Temperatur, Druck, Vibration und Strömung, aus denen wir wertvolle Erkenntnisse gewinnen könnten. KI, besonders in Form von Machine-Learning, kann intelligentes Verhalten simulieren und aus Erfahrung lernen, um Sensordaten zu nutzen und so verwertbare Erkenntnisse aus unseren vernetzten Geräten zu gewinnen.«

Auf die Daten kommt es an

Warum bietet KI den IoT-Anwendern solche Vorteile? »Unsere traditionellen Datenanalysemethoden sind nicht mit Blick auf Big Data entwickelt – sie können die riesigen Mengen an Echtzeitdaten, die wir von unseren Maschinen sammeln, nicht effizient verarbeiten«, erläutert Sophie Hand. »Mittels KI lassen sich große Datensätze verarbeiten, um Muster und Erkenntnisse mit minimaler oder gar keiner menschlichen Hilfe zu identifizieren – ein viel einfacherer Ansatz.« Um dies zu ermöglichen, böten immer mehr IoT-Plattformen KI-Fähigkeiten, etwa Google Cloud IoT, Microsoft Azure IoT Platform und AWS IoT.

KI kann Herstellern auch helfen, Probleme bei der Interoperabilität zu lösen. »Die von verschiedenen Herstellern entwickelte Betriebstechnik ist unter Umständen nicht so konzipiert, dass sie untereinander oder mit einer zentralen Plattform kommuniziert, die eine übergreifende Sicht bieten würde«, stellt Sophie Hand fest. »Berücksichtigt man bei dieser Gleichung auch ältere Geräte, wird die Sache noch schwieriger. Das Sammeln aller Daten in einem IT-System kann eine Mammutaufgabe sein, aber KI-Algorithmen können helfen, Systeme zur Analyse von Informationen zu trainieren, um diesen Prozess zu vereinfachen.«

Mithilfe der KI kann die Datenanalyse in Echtzeit erfolgen, sodass Maschinen notfalls schnell auf Ereignisse reagieren können, oder sie kann dazu dienen, Muster in früheren Datensätzen zu identifizieren und mithilfe von Predictive Analytics herauszufinden, was als Nächstes zu erwarten ist. Deloitte hat ermittelt, dass Predictive Maintenance die zur Planung der Wartung erforderliche Zeit um 20 bis 50 Prozent verringern, die Betriebszeit und Verfügbarkeit der Anlagen um 10 bis 20 Prozent erhöhen und die gesamten Wartungskosten um 5 bis 10 Prozent senken kann. Das bedeutet auch, dass Ausfälle von Geräten sich vorhersagen lassen, bevor sie auftreten, sodass man ein Ersatzteil zur Hand haben kann, wenn es am dringendsten erforderlich ist.

Edge auf dem Vormarsch

Ein Trend ist auch, dass KI in Edge-Geräte implementiert wird, um eine sogenannte Intelligent Edge zu erzeugen. So verwendet beispielsweise der Wireless-Gateway-Controller DXM von Banner Engineering einen Machine-Learning-Algorithmus, um Erkenntnisse über den Zustand von Maschinen zu gewinnen, indem er eine Basislinie für den Betrieb sowie Warn- und Alarmschwellen erzeugt.

IoT-Anbieter aktualisieren ihre Tools, um es Anwendern zu vereinfachen, die KI an der Edge zu nutzen. »Microsoft hat beispielsweise Azure IoT Edge vorgestellt, eine Plattform, die es Geräten mit geringem Stromverbrauch ermöglicht, KI lokal durchzuführen, während die Cloud-Verbindung für Management und Modellierung erhalten bleibt«, verdeutlicht Sophie Hand. »Greengrass von Amazon wurde ebenfalls aktualisiert, um Machine-Learning zu integrieren.«

Eine Herausforderung besteht darin, dass für die schnelle Verarbeitung der Daten erhebliche Rechenleistung und Kapazität nötig sind, weshalb Netzwerke aufgebaut werden müssen, die sich speziell für die KI eignen. Unternehmen können hierzu Edge- und Cloud-Connectivity, Skalierbarkeit, Verfügbarkeit, Interoperabilität, Bandbreite und mehr berücksichtigen.

Das menschliche Nervensystem wäre nichts ohne das Gehirn. Auch das IoT braucht „Hirnschmalz“, um effizient zu arbeiten, und die KI ist in der Lage, diese Aufgabe zu übernehmen.