Künstliche Intelligenz

Schlüssel für innovatives und effizientes Engineering

Künstliche Intelligenz - eine Definition

Künstliche Intelligenz ist die Eigenschaft eines IT-Systems, menschenähnliche, intelligente Verhaltensweisen zu zeigen. KI-basierte Assistenzsysteme verstehen die Intention der Benutzerin und leiten die zu lösende Aufgabe ab. Auch ohne explizite Programmierung generieren sie geeignete Aktionspläne und führen Aktionen aus, mit denen eine effiziente Problemlösung möglich ist. KI-basierte Assistenzsysteme können verschiedene Fähigkeiten besitzen:

Die KI-Marktplatz KI-Tags

Mit KI-Tags werden die für das Engineering relevanten KI-Verfahren hierarchisch strukturiert. Die insgesamt 99 KI-Tags lassen sich in 6 übergeordnete Kategorien von KI-Verfahren einteilen:

„Signal Processing“ umfasst den Umgang mit Signaldaten. Hierin eingeschlossen sind alle Anwendungen von Zeitreihen sowie Sensordaten im Allgemeinen wie zum Beispiel Schwingungs- oder Temperaturdaten. Hier sind hauptsächlich Methoden des überwachten Lernens enthalten, also Lernverfahren die gelabelte Trainingsdatensätze verwenden.
Anwendungsbeispiel:
Ein Beispiel im Engineering ist die Analyse von Maschinensignalen zur Erkennung von Anomalien und damit verbundenem fehlerhaftem Verhalten.

„Decision Support“ beschäftigt sich mit Methoden der Entscheidungsunterstützung in komplexen Umgebungen.
Anwendungsbeispiel:
Hierunter fällt beispielsweise das fallbasierte Schlussfolgern, bei dem Problemlösungen durch Analogieschluss ermittelt werden, ähnlichen Problemen wird mit ähnlichen Lösungen begegnet.

„Modeling Languages“ beschäftigen sich mit formalen Modellen. Im Kontext des Engineerings werden hierunter insbesondere Diagramme von Modellierungssprachen wie UML oder SysML verstanden.
Anwendungsbeispiel:
Wichtige Beispiele sind die Umwandlung plattformunabhängiger in plattformspezifische Modelle oder das Übersetzen zwischen verschiedenen Formalismen.

„Natural Language Processing“ umfasst alle Verfahren zum Umgang mit menschlicher Sprache in Wort und Schrift.
Anwendungsbeispiel:
Beispiele im Engineering-Kontext umfassen die Analyse von Anforderungsdokumenten oder Kundenrezensionen.

„Computer Vision“ umfasst sämtliche Verfahren für den Umgang mit Bild- und Videodaten. Hierunter fallen insbesondere Tätigkeiten zum Analysieren und Verstehen von Kameraaufnahmen.
Anwendungsbeispiel:
Ein klassisches Beispiel ist die Objekterkennung, in
welchem Objekte, wie beipielsweise Bauteile, in einem Bild lokalisiert und benannt werden.

„Knowledge Discovery“ umfasst Tätigkeiten der Wissensentdeckung und -repräsentation. Hierunter fällt insbesondere die Entdeckung von Wissen in großen Datenbeständen mittels Methoden des Data Mining, aber auch der Umgang mit strukturiertem Wissen, zum Beispiel in Form von Wissensgraphen. Hier sind hauptsächlich Methoden des unüberwachten Lernens enthalten, also dem Lernen ohne gelabelte Trainingsdaten.
Anwendungsbeispiel:
Ein klassisches Beispiel ist die Clusteranalyse, also das Gruppieren von Daten hinsichtlich zugrundeliegender Ähnlichkeitsstrukturen.

 

Klicken Sie hier, um die vollständige Liste mit 99 KI-Tags herunterzuladen.

KI-Tag-Liste

Warum KI im Engineering?

Entwicklungskapazitäten steigern
Mit dem Einsatz von KI in der Produktentstehung können Sie Ihre Kapazitäten effektiver für andere Produktideen nutzen.
Entwicklungszeit verringern
Durch die Auslagerung von Prozesse mit KI Prozesse bringen Sie Ihre Produkte schneller auf den Markt.
Herstellungskosten reduzieren
Ein Großteil der Produktionskosten wird bereits während des Engineeringprozesses bestimmt. Deshalb: Verhindern Sie Fehler bereits dort.
Innovationspotenzial erhöhen
Das Automatisieren häufig anfallender Aufgaben von geringer Wichtigkeit schafft mehr Raum für Innovationen.

Sie möchten mehr erfahren?

Klicken Sie hier, um weitere KI-Potenziale oder konkrete KI-Use Cases im Engineering zu erkunden.

 

KI-Potenziale  KI-Use Cases