KI in unserem Alltag<\/strong><\/h4>\nK\u00fcnstliche Intelligenz treibt Menschen schon lange um. Wie l\u00e4sst sich intelligentes Verhalten automatisieren und wie erleichtert maschinelles Lernen unseren Alltag?<\/p>\n
Eine erste Form der K\u00fcnstlichen Intelligenz nutzen wir heute ganz selbstverst\u00e4ndlich: Seit 1990 hilft sie uns, unerw\u00fcnschte E-Mails direkt in den Spam-Ordner zu sortieren. Seid ihr interessiert, welche M\u00f6glichkeiten KI in der Industrie 4.0 er\u00f6ffnet und wie der aktuelle Entwicklungsstand ist, dann schaut in das Technologieszenario der Plattform Industrie 4.0.<\/a><\/p>\nBeispiele f\u00fcr KI<\/strong><\/h4>\nErst seit kurzer Zeit stehen die technischen M\u00f6glichkeiten bereit, riesige Datenmengen zu speichern und diese von extrem leistungsf\u00e4higen Prozessoren verarbeiten zu lassen. Die Online-Pinnwand Pinterest ist ein Beispiel daf\u00fcr, was heute m\u00f6glich ist. Dort nutze ich Grafiken und Fotografien in einem sozialen Netzwerk mit visueller Suchmaschine. Diese baut auf einen Pool von mehr als 175 Milliarden mit Daten hinterlegten Bildern auf. Entdecke ich dort z. B. eine Jacke, die mir gut gef\u00e4llt, wird diese von einem Algorithmus auf dem Foto identifiziert. Diese K\u00fcnstliche Intelligenz sucht mir dann nicht nur die Marke heraus. Gleichzeitig werden meine pers\u00f6nlichen Daten abgeglichen, wie Gr\u00f6\u00dfe oder weitere Vorlieben. So bekomme ich eine Produktvorschlag, den ich vermutlich kaufen werde.<\/p>\n
Ein weiteres Beispiel, das jeder kennt, ist das autonome Fahren. Augen und Ohren des Autos sind spezielle Sensoren, z. B. Kameras. Aktuell gibt es noch Problem bei komplizierter Verkehrsf\u00fchrung oder schlechten Wetterbedingungen. Aber daran wird gearbeitet.<\/p>\n
KI bei Phoenix Contact<\/strong><\/h4>\nDamit k\u00fcnstliche Intelligenz arbeiten kann, bauen Programmierer ein Modell der Wirklichkeit und abstrahieren es. Micha Scharf von Phoenix Contact: \u201eDaf\u00fcr definieren wir das Problem, stellen die notwendigen Daten bereit und w\u00e4hlen ein geeignetes Modell aus. Im Werkzeugbau sagt uns die KI beispielsweise vorher, welche Breite ein Kunststoffbauteil haben wird, wenn ich bestimmte Einstellungen an der Spritzgussmaschine vornehme.\u201c Im Grunde werden anhand sehr vieler Messergebnisse unbekannte Gr\u00f6\u00dfen einer Gleichung in bekannte Gr\u00f6\u00dfen gewandelt. Damit werden bei uns schon viele Arbeitsabl\u00e4ufe optimiert.<\/p>\n
Um bei Protiq, unserer Tochtergesellschaft f\u00fcr additive Fertigung, fertig gestellte Teile den jeweiligen Auftr\u00e4gen zuzuordnen, nutzen die Kollegen k\u00fcnstliche neuronale Netze. Das sind Strukturen f\u00fcr maschinelles Lernen. Sie basieren auf der F\u00e4higkeit, die erforderlichen Merkmale selbst anhand von z. B. Kamerabildern zu lernen. Daf\u00fcr lernen Filter Merkmale wie Farb\u00fcberg\u00e4nge oder Kanten, so wie bei der Gesichtserkennung auf Fotos.<\/p>\n
Thema ist das bei uns in vielen Bereichen. Das beweist auch die interne Veranstaltung \u201eArtificial Intelligence \u2013 Hack Days 2019\u201c. Dort werden Teilnehmer auf Basis unserer Produkte PLCnext Control und Proficloud Software f\u00fcr K\u00fcnstliche Intelligenz programmieren.<\/p>\n
Der Blick in unsere Zukunft<\/strong><\/h4>\n
Beispiele f\u00fcr KI<\/strong><\/h4>\nErst seit kurzer Zeit stehen die technischen M\u00f6glichkeiten bereit, riesige Datenmengen zu speichern und diese von extrem leistungsf\u00e4higen Prozessoren verarbeiten zu lassen. Die Online-Pinnwand Pinterest ist ein Beispiel daf\u00fcr, was heute m\u00f6glich ist. Dort nutze ich Grafiken und Fotografien in einem sozialen Netzwerk mit visueller Suchmaschine. Diese baut auf einen Pool von mehr als 175 Milliarden mit Daten hinterlegten Bildern auf. Entdecke ich dort z. B. eine Jacke, die mir gut gef\u00e4llt, wird diese von einem Algorithmus auf dem Foto identifiziert. Diese K\u00fcnstliche Intelligenz sucht mir dann nicht nur die Marke heraus. Gleichzeitig werden meine pers\u00f6nlichen Daten abgeglichen, wie Gr\u00f6\u00dfe oder weitere Vorlieben. So bekomme ich eine Produktvorschlag, den ich vermutlich kaufen werde.<\/p>\n
Ein weiteres Beispiel, das jeder kennt, ist das autonome Fahren. Augen und Ohren des Autos sind spezielle Sensoren, z. B. Kameras. Aktuell gibt es noch Problem bei komplizierter Verkehrsf\u00fchrung oder schlechten Wetterbedingungen. Aber daran wird gearbeitet.<\/p>\n
KI bei Phoenix Contact<\/strong><\/h4>\nDamit k\u00fcnstliche Intelligenz arbeiten kann, bauen Programmierer ein Modell der Wirklichkeit und abstrahieren es. Micha Scharf von Phoenix Contact: \u201eDaf\u00fcr definieren wir das Problem, stellen die notwendigen Daten bereit und w\u00e4hlen ein geeignetes Modell aus. Im Werkzeugbau sagt uns die KI beispielsweise vorher, welche Breite ein Kunststoffbauteil haben wird, wenn ich bestimmte Einstellungen an der Spritzgussmaschine vornehme.\u201c Im Grunde werden anhand sehr vieler Messergebnisse unbekannte Gr\u00f6\u00dfen einer Gleichung in bekannte Gr\u00f6\u00dfen gewandelt. Damit werden bei uns schon viele Arbeitsabl\u00e4ufe optimiert.<\/p>\n
Um bei Protiq, unserer Tochtergesellschaft f\u00fcr additive Fertigung, fertig gestellte Teile den jeweiligen Auftr\u00e4gen zuzuordnen, nutzen die Kollegen k\u00fcnstliche neuronale Netze. Das sind Strukturen f\u00fcr maschinelles Lernen. Sie basieren auf der F\u00e4higkeit, die erforderlichen Merkmale selbst anhand von z. B. Kamerabildern zu lernen. Daf\u00fcr lernen Filter Merkmale wie Farb\u00fcberg\u00e4nge oder Kanten, so wie bei der Gesichtserkennung auf Fotos.<\/p>\n
Thema ist das bei uns in vielen Bereichen. Das beweist auch die interne Veranstaltung \u201eArtificial Intelligence \u2013 Hack Days 2019\u201c. Dort werden Teilnehmer auf Basis unserer Produkte PLCnext Control und Proficloud Software f\u00fcr K\u00fcnstliche Intelligenz programmieren.<\/p>\n
Der Blick in unsere Zukunft<\/strong><\/h4>\n
Damit k\u00fcnstliche Intelligenz arbeiten kann, bauen Programmierer ein Modell der Wirklichkeit und abstrahieren es. Micha Scharf von Phoenix Contact: \u201eDaf\u00fcr definieren wir das Problem, stellen die notwendigen Daten bereit und w\u00e4hlen ein geeignetes Modell aus. Im Werkzeugbau sagt uns die KI beispielsweise vorher, welche Breite ein Kunststoffbauteil haben wird, wenn ich bestimmte Einstellungen an der Spritzgussmaschine vornehme.\u201c Im Grunde werden anhand sehr vieler Messergebnisse unbekannte Gr\u00f6\u00dfen einer Gleichung in bekannte Gr\u00f6\u00dfen gewandelt. Damit werden bei uns schon viele Arbeitsabl\u00e4ufe optimiert.<\/p>\n
Um bei Protiq, unserer Tochtergesellschaft f\u00fcr additive Fertigung, fertig gestellte Teile den jeweiligen Auftr\u00e4gen zuzuordnen, nutzen die Kollegen k\u00fcnstliche neuronale Netze. Das sind Strukturen f\u00fcr maschinelles Lernen. Sie basieren auf der F\u00e4higkeit, die erforderlichen Merkmale selbst anhand von z. B. Kamerabildern zu lernen. Daf\u00fcr lernen Filter Merkmale wie Farb\u00fcberg\u00e4nge oder Kanten, so wie bei der Gesichtserkennung auf Fotos.<\/p>\n
Thema ist das bei uns in vielen Bereichen. Das beweist auch die interne Veranstaltung \u201eArtificial Intelligence \u2013 Hack Days 2019\u201c. Dort werden Teilnehmer auf Basis unserer Produkte PLCnext Control und Proficloud Software f\u00fcr K\u00fcnstliche Intelligenz programmieren.<\/p>\n
![\"kollaborativer-roboter\"](\"http:\/\/blog.phoenixcontact.com\/hr-de\/wp-content\/uploads\/sites\/2\/2019\/07\/a_0087054.jpg\")
<\/a>In Zukunft wird K\u00fcnstliche Intelligenz vermehrt Einzug bei uns halten. In der Produktion k\u00f6nnten Roboter eigenst\u00e4ndig ihre Arbeitsabl\u00e4ufe verbessern. Daf\u00fcr lernt der Roboter mit KI beispielsweise, wie schnell oder langsam ein Teil an den Menschen weiter gegeben werden muss. Oder in der Verwaltung kommt eine E-Mail mit einem Produktbild an. Die KI erkennt, dass an dem Produkt etwas abgebrochen ist. Der Kunde bekommt das Teil automatisch zugesandt. Ausgewertet w\u00fcrde auch, ob dieses Teil h\u00e4ufiger reklamiert wird. Eine Information ginge dann an die entsprechende Abteilung, um den Fehler kurzfristig abzustellen.<\/p>\n