Die dritte Ausgabe von ‚Industrie 4.0 Forschung in Kürze‘ des Forschungsbeirats Industrie 4.0 widmet sich den Möglichkeiten von Physical Artificial Intelligence (Physical AI) in der Industrie.
Physical AI bezeichnet den Einsatz von künstlicher Intelligenz in cyber-physischen Systemen, die mit der physischen Umwelt interagieren. Sie erfassen Umgebungsinformationen und Daten anderer Systeme, werten diese mittels KI aus, leiten daraus eigenständig Handlungen ab und setzen diese um. In Verbindung mit dem digitalen Zwilling, also dem virtuellen Abbild von Maschinen, Anlagen oder Prozessen, verknüpfen Physical-AI-Systeme Simulationen und Realität durch einen kontinuierlichen Datenfluss und passen ihre Entscheidungen an reale Bedingungen an.
Use Case zeigt Potenziale von Physical AI auf
Die Autorinnen und Autoren der Publikation verweisen darauf, dass sich die Einbindung von KI in physische Systeme derzeit noch im Forschungsstadium befindet und Demonstratoren sowie Modellfabriken die Potenziale verdeutlichen. Mit einem exemplarischen Use Case demonstrieren die Verfasserinnen und Verfasser, wie bei einer Prozessanlage ein digitaler Zwilling und agentische KI zusammenarbeiten: Mit Echtzeitdaten aus der Anlage werden Simulationen durchgeführt, die beste Strategie berechnet und anschließend mithilfe von agentischer KI die Steuerung der Anlage optimiert. Durch die Kombination von digitalem Zwilling und agentischer KI kann die Anlage zunehmend eigenständig Entscheidungen über ihre Betriebsführung treffen.
Damit solche Anwendungen in realen Produktionsumgebungen funktionieren, müssen den Autorinnen und Autoren zufolge die zugrunde liegenden KI-Modelle flexibel auf neue Situationen reagieren können. Ein lernfähiger Roboter sollte beispielsweise nicht für jede einzelne Schraube oder jedes Werkstück vollständig neu trainiert werden müssen. Spezielle Trainingsverfahren wie Continuous Learning oder Transfer Learning sollen KI-Anwendungen anpassungsfähiger machen, damit sie in komplexen Produktionssystemen funktionieren. Die Digitalisierungs- und Automatisierungslösungen von Retarus ermöglichen effiziente Abläufe ohne manuellen Aufwand oder Kompromisse bei der Datensouveränität ‣ weiterlesen
Business Process Solutions
Retarus beschleunigt Datenaustausch in der Produktion
Physical AI braucht Verantwortung und Vertrauen
Damit Physical AI zu einem integralen Bestandteil industrieller Prozesse werden kann, müssen die Systeme vertrauenswürdig, nachvollziehbar und menschzentriert sein. Verantwortlichkeiten sind klar zuzuordnen. Neben technischen Lösungen braucht es dafür prozessuale Standards und Zertifizierungsverfahren.
Die Verfasserinnen und Verfasser sehen auch in der Kommunikation zwischen Mensch und Maschine einen entscheidenden Punkt: Fachkräfte füttern Physical-AI-Systeme mit Prozesswissen, fällen Entscheidungen in Grenzsituationen und überwachen die KI. Gleichzeitig muss die KI von menschlicher Expertise lernen und ihre Entscheidungen für Menschen verständlich machen.
Herausforderungen und offene Fragen
Die Publikation widmet sich zudem Herausforderungen von Physical-AI-Systemen. Eine solche stellt etwa der Unterschied zwischen Simulation und Realität dar: Modelle, die im Labor gut funktionieren, treffen in der realen Fabrik auf Faktoren wie Sensorrauschen, Materialverschleiß, Störungen und andere dynamische Umweltbedingungen. Der digitale Zwilling hilft hier weiter, indem er kontinuierlich Feedback aus der realen Umgebung in das Modell integriert und es verbessert.
Weitere offene Fragen reichen von der Datenqualität über Schnittstellen und technologische Standards bis zur Qualifikation von Mitarbeitenden und der Frage, wie auch kleine und mittlere Unternehmen Zugang zu Physical AI bekommen.
‚Industrie 4.0 Forschung in Kürze‚ steht auf der Webseite des Forschungsbeirats Industrie 4.0 kostenlos zum Download zur Verfügung.
