Künstliche Intelligenz und darüber hinaus

Künstliche Intelligenz und mehr: Wie Spitzentechnologien industrielle Abläufe neu gestalten

27. Juni 2024

KI-Agenten können die Wirkung großer Sprachmodelle wie ChatGPT verstärken, indem sie ihre Fähigkeit verbessern, Aktionen zu planen, zu priorisieren und auszuführen.

Bild: Getty Images/iStockphoto

Kiva Allgood

Direktor, Zentrum für fortschrittliche Fertigung und Lieferketten, Weltwirtschaftsforum

Daniel Cooper

Geschäftsführer und Senior Partner, BCG (Boston Consulting Group)

Unsere Wirkung

Was unternimmt das Weltwirtschaftsforum, um Maßnahmen im Bereich Fertigung und Wertschöpfungsketten zu beschleunigen?
CROWDSOURCE-INNOVATION
Nutzen Sie unsere digitale Crowdsourcing-Plattform, um eine große Wirkung zu erzielen.
Dieser Artikel ist Teil von: Jahrestreffen der neuen Champions
Das Aufkommen bahnbrechender Technologien wie künstlicher Intelligenz führt zu rasanten Veränderungen in der Industrie und Fertigung auf der ganzen Welt.
KI-Agenten können die Wirkung großer Sprachmodelle wie ChatGPT verstärken, indem sie ihre Fähigkeit verbessern, Aktionen zu planen, zu priorisieren und auszuführen.
Hier erfahren Sie, wie Wissensagenten künftig Arbeiter und Automatisierungsagenten bei der Automatisierung von Aufgaben in industriellen Abläufen unterstützen werden.

Wir stehen an einem entscheidenden Punkt im industriellen Betrieb, der durch die Entstehung bahnbrechender Technologien vorangetrieben wird, die das Feld verändern. Künstliche Intelligenz (KI) steht im Mittelpunkt dieser Transformation und wird durch exponentielle Fortschritte bei der Rechenleistung vorangetrieben. KI verbessert nicht nur bestehende Technologien, sondern ebnet auch den Weg für völlig neue Innovationen.

Ein bedeutender Fortschritt in der künstlichen Intelligenz war die Entwicklung vielschichtiger Basismodelle, die eine breite Palette neuer industrieller Anwendungen eröffnet hat. Multimodalität erweitert die Fähigkeiten der KI und ermöglicht es Modellen, Text, Audio, Video und andere Datentypen in der Produktion zu verarbeiten.

Inzwischen zeigen große Sprachmodelle (LLMs) wie das berühmte ChatGPT-4 das Potenzial der KI, über reine Expertenanwendungen hinauszugehen und fortgeschrittene KI branchenübergreifend für jedermann zugänglich zu machen.

KI-Agenten sind der nächste Schritt in der künstlichen Intelligenz. Diese Faktoren verstärken die Wirkung des LLM, indem sie den Studierenden Zugriff auf Tools verschaffen und ihre Fähigkeit verbessern, Maßnahmen zu planen, zu priorisieren und umzusetzen. In Kombination mit anderen Technologien erschließen KI-Agenten bahnbrechende Technologien im operativen Bereich: Gemeinsam mit der Robotik lassen sie Humanoide Wirklichkeit werden. Mit digitalen Werkzeugen ermöglichen sie autonome Systeme.

Diese Spitzentechnologien führen zu erheblichen Vorteilen hinsichtlich Produktivität, Flexibilität, Stärkung der Belegschaft und Nachhaltigkeit entlang der gesamten Wertschöpfungskette. Das Potenzial ist riesig, aber wie werden diese Programme in der Praxis aussehen? Wie ausgereift sind diese Technologien und welche zentralen Herausforderungen müssen für eine erfolgreiche Implementierung bewältigt werden?

Wie KI und Aufgabenautomatisierung den Betrieb verändern

Von KI-Agenten wird erwartet, dass sie den Betrieb auf zwei Arten verändern. Wissensagenten unterstützen Mitarbeiter, während Automatisierungsagenten Aufgaben im Betrieb automatisieren.

Wissensfaktoren und Automatisierungsfaktoren. Bild: Weltwirtschaftsforum

Wissensfaktoren

Wissensagenten nutzen die gesamte Datenplattform des Unternehmens, um Arbeiter und Ingenieure bei der Entscheidungsfindung zu unterstützen. Diese Agenten helfen den Teams, ihre Ziele zu erreichen, indem sie Erkenntnisse liefern und erforderliche Maßnahmen empfehlen, relevante Datenquellen nutzen und alle digitalen Tools verwenden.

Die Mensch-Agent-Interaktion ist per Sprache oder Schrift möglich, während zur Visualisierung verschiedene Technologien eingesetzt werden können – beispielsweise Smartgeräte wie Tablets und Uhren oder immersive Technologien wie Mixed Reality.

Beispielsweise kombiniert ein Agent für Wartungsempfehlungen vorhandene Fähigkeiten des maschinellen Lernens (ML) zur Fehlervorhersage mit spezifischen Reparaturanweisungen, die er aus verschiedenen Quellen, wie etwa dem Fahrzeughandbuch, erhält.

Darüber hinaus kann es die Grundursache des Fehlers ermitteln, dem Mitarbeiter in der Werkstatt die erforderlichen Maßnahmen mitteilen und eine Bestellung für das erforderliche Teil vorbereiten. Auch für die Produktionsplanung können ähnliche Programme entwickelt werden.

Automatisierungsfaktoren

Automatisierungsagenten können Automatisierungsaufgaben auf der Grundlage ihrer Argumentations- und Führungskompetenzen selbstständig ausführen und so virtuelle und virtuelle Automatisierungsagenten ermöglichen. Laut dem BCG-Bericht können autonome Agenten anderen Unternehmenssystemen direkt mitteilen, was sie tun sollen. Dadurch werden die Betriebsabläufe in Unternehmen grundlegend verändert, eine umfassendere Automatisierung ermöglicht und die Arbeitskosten deutlich gesenkt.

Virtuelle Automatisierungsagenten

Diese Agenten automatisieren Software durch ihre Fähigkeit, unabhängig auf verschiedene Tools zuzugreifen und diese zu verwenden. Ein weithin bekanntes Beispiel ist ein automatisiertes Reisebuchungsbüro. Im Betrieb können Programme eine Sollwertoptimierung umfassen, bei der ein bestimmter Maschinenparameter vom Agenten automatisch angepasst wird, um die Leistung zu optimieren.

Dieses System kombiniert ML und auf maschinellem Sehen basierende Leistungsanalysen aus dem Qualitätssystem mit automatischen Aktualisierungen der Maschinenparameter, die die Produktion in Echtzeit verbessern. Diese Faktoren können auch in der Produktionsplanung verwendet werden, um Produktionsplanszenarien basierend auf Kundennachfrage, Lagerbestand und Fabrikleistung automatisch zu testen.

Verkörperte Automatisierungsagenten

Diese Faktoren verändern die physische Automatisierung, indem sie Roboter mit Situationsbewusstsein, Denkvermögen und Umsetzungsfähigkeiten kombinieren. Diese neuen Funktionen erweitern den Umfang der Automatisierung erheblich.

Sie halten durch und überwinden bestehende Herausforderungen.

Agenten künstlicher Intelligenz verleihen Robotern die Flexibilität, sich an unterschiedliche Umgebungen anzupassen, und die Fähigkeit, mit jedem Objekt umzugehen. Unternehmen wie Covariant haben erfolgreich Roboter in Vertriebszentren implementiert, die komplexe Aufgaben wie das Zusammenstellen, Kommissionieren und Platzieren beliebiger Artikel mit hoher Genauigkeit ausführen können.

Über Gelenkroboter hinaus verbessern verkörperte KI-Agenten die Fähigkeiten vieler Robotertypen, darunter autonome mobile Roboter (AMRs) für die Materialhandhabung und Drohnen. Ein weiterer Fortschritt ist die Entwicklung humanoider, zweibeiniger Roboter, die menschenähnliche Aufgaben ausführen können.

Startups wie Agility Robotics mit Digit und Boston Dynamics mit Atlas haben diese Entwicklungen in den letzten Jahren auf den Weg gebracht. Während die aktuellen Anwendungen größtenteils Demonstrations- und Versuchscharakter haben, sind für eine breitere Verbreitung weitere Entwicklungen erforderlich.

Technologien, die für den Einsatz von KI-Agenten im Betrieb erforderlich sind

KI-Agenten funktionieren nur erfolgreich in Kombination mit anderen Technologien und darunterliegenden Schichten:

Datenebene: Eine einheitliche Datenplattform ermöglicht horizontale Datenintegration und automatisierte Tests über eine heterogene industrielle Toolkette hinweg. Diese Suite kombiniert alle Betriebsdaten, von der Entwicklung bis hin zu Echtzeit-Produktionsdaten. Die Datenebene enthält auch synthetische Daten, die für ein effektives Training von KI-Modellen generiert werden.
Intelligenzebene: Künstliche Intelligenz ist der Kern dieser Ebene. Dabei werden Modelle in simulierten physischen Umgebungen trainiert, um ihre Leistung deutlich zu verbessern. Die Verbesserung der KI-Modelle wird den Agenten erhebliche Vorteile bringen.

Über diese Schichten hinaus sind ausreichende Rechenleistung (sowohl in der Cloud als auch am Edge), Netzwerkkonnektivität und Cybersicherheit wesentliche Schlüsseltechnologien.

Basisebenen für Automatisierungsagenten. Bild: Weltwirtschaftsforum

Überlegungen zur Bereitstellung von Automatisierungsagenten

Bei der Bereitstellung von Automatisierungsagenten bleiben einige Herausforderungen bestehen. Die Zuverlässigkeit und Sicherheit dieser Systeme sind Aspekte, mit denen sich Technologieunternehmen auseinandersetzen müssen, bevor sie sie in großem Maßstab einsetzen. In der Zwischenzeit müssen sich die Unternehmen noch vorbereiten und diese Technologien in ihren mittelfristigen Strategien berücksichtigen.

Um eine erfolgreiche und verantwortungsvolle Transformation im Industriesektor voranzutreiben, ist es entscheidend, ihre potenziellen Auswirkungen auf die jeweiligen Branchen zu verstehen und zu wissen, wie sie in großem Maßstab entlang der gesamten Lieferkette eingesetzt werden können.

Um Hersteller dabei zu unterstützen, die transformativen Auswirkungen zukünftiger Spitzentechnologien zu verstehen, hat das Weltwirtschaftsforum in Zusammenarbeit mit der Boston Consulting Group die globale Initiative „Frontier Technologies for Operations: Artificial Intelligence and Beyond“ ins Leben gerufen. Sie baut auf den Erkenntnissen einer früheren Initiative zur KI-gestützten Industrie auf. Betrieb.

Ziel dieser neuen Initiative ist es, einen Überblick über die Spitzentechnologien zu schaffen, die den Betrieb verändern, tief in die KI einzutauchen, mit der AI Governance Alliance zusammenzuarbeiten und andere fortschrittliche Technologien zu testen, um durch die Entwicklung von Zielszenarien ihr Wertpotenzial und ihre Reife zu bewerten. 2030.

Das Weltwirtschaftsforum lädt Fertigungsunternehmen ein, sich dieser Initiative anzuschließen, um gemeinsam die Transformation hin zu KI-gestützten Industriebetrieben zu beschleunigen.