In dieser Projektarbeit werden mehrere Fragestellungen rund um das Thema Big Data und Künstliche Intelligenz bearbeitet. Zuerst wird auf Predictive Maintenance eingegangen, gefolgt vom Einsatz von IoT in der Lagerlogistik. Anschließend wird der Begriff Hyperintelligenz definiert und dessen Realisierung abgesteckt. Danach wird der Begriff Künstliche Intelligenz definiert und dessen Anwendungsbeispiele analysiert. Zuletzt wird auf eine erfolgreiche Implementierung von Künstlicher Intelligenz im Beispiel-Unternehmen eingegangen und die Erfolgskriterien hierfür dargelegt.
Inhaltsverzeichnis
1 EINLEITUNG
1.1 AUFGABENSTELLUNG
1.2 ZIELSETZUNG
2 PREDICTIVE MAINTENANCE
2.1 ANGABE
2.2 ALLGEMEIN
2.3 ARTEN DER INSTANDHALTUNG
2.4 PREDICTIVE MAINTENANCE
2.5 VORAUSSETZUNGEN FÜR PREDICTIVE MAINTENANCE
2.6 VORTEILE VON PREDICTIVE MAINTENANCE
3 IOT IN DER LAGERLOGISTIK
3.1 ANGABE
3.2 VOR- & NACHTEILE
3.3 CHANCEN & RISIKEN
4 HYPERINTELLIGENZ
5 KÜNSTLICHE INTELLIGENZ IM ALLTAG
5.1 DEFINITION KÜNSTLICHE INTELLIGENZ
5.2 AUTONOM FAHRENDES AUTO
5.3 SMARTE HEIZUNG
5.4 AUTONOME LEBENSMITTELLIEFERUNG
5.5 BEWEGUNGSMELDER
5.6 AUTOMATISIERTE ROLLLÄDEN
5.7 CHATBOT
6 KI-IMPLEMENTIERUNG IM BEISPIEL-UNTERNEHMEN
Zielsetzung & Themen
Die Arbeit untersucht das Potenzial und die praktischen Ansätze zur Implementierung von KI-Applikationen in verschiedenen Unternehmensbereichen. Dabei wird analysiert, wie moderne Technologien Effizienz steigern, Prozesse optimieren und den Automatisierungsgrad in der Industrie erhöhen können.
- Predictive Maintenance zur Reduktion von Instandhaltungskosten
- Nutzung von IoT zur Optimierung der Lagerlogistik
- Definition und gesellschaftliche Einordnung von Hyperintelligenz
- Analyse von Künstlicher Intelligenz in Alltagsszenarien
- Erfolgsfaktoren für die KI-Implementierung im Unternehmenseinsatz
Auszug aus dem Buch
2.4 Predictive Maintenance
Die vorausschauende Instandhaltung bau auf der zustandsorientierten Instandhaltung auf. Während bei der zustandsorientierten Instandhaltung abgewartet wird bis ein gewisser Schwellwert überschritten wird um anschließend zu handeln, versucht die vorausschauende Instandhaltung die Überschreitung des Schwellwertes basierend auf gesammelten Daten aus Sensoren und Parametern zu erahnen. Hierdurch soll ein optimaler Wartungszeitpunkt bestimmt werden.
Um die Überschreitung eines Schwellwertes bestimmen zu können, werden Daten aus dem Produktionsprozess wiederholt und fortlaufend analysiert. Eine Veränderung von Parametern wird hierbei als Verschleiß gewertet. Mittels statistischer und mathematischer Methoden werden historische Daten auf Muster und Beziehungen untersucht. Da nicht alle Zusammenhänge bekannt sind, übernimmt Data Mining im Zuge der Analyse eine wichtige Rolle, um auch Beziehungen und Zusammenhänge in komplexen Systemen aufspüren zu können. Hierzu kommt unüberwachtes Lernen zum Einsatz, um in etwa unbekannte Muster und Anomalien mittels Clustering oder Assoziationsregeln erkennen zu können. Überwachtes Lernen kommt zum Einsatz, sobald eine Zielgröße bekannt ist.
Zusammenfassung der Kapitel
1 EINLEITUNG: Die Einleitung steckt den Rahmen der Arbeit ab und erläutert die Zielsetzung, sich vertiefend mit den Chancen und Herausforderungen von Big Data und Künstlicher Intelligenz auseinanderzusetzen.
2 PREDICTIVE MAINTENANCE: Dieses Kapitel betrachtet die vorausschauende Wartung als Methode zur Kostensenkung und Effizienzsteigerung im Vergleich zu klassischen reaktiven Instandhaltungsstrategien.
3 IOT IN DER LAGERLOGISTIK: Es wird erörtert, wie die Vernetzung von Softwaresystemen durch IoT helfen kann, Materialflüsse zu automatisieren und die Abhängigkeit von manuellem Personal zu reduzieren.
4 HYPERINTELLIGENZ: Das Kapitel diskutiert unterschiedliche Begriffsdefinitionen von Hyperintelligenz, von der Mensch-Maschine-Kollaboration bis hin zu visionären Zukunftsszenarien und damit verbundenen Risiken.
5 KÜNSTLICHE INTELLIGENZ IM ALLTAG: Hier werden verschiedene Anwendungsbereiche, wie autonomes Fahren oder smarte Heizsysteme, hinsichtlich des tatsächlichen Einsatzes von Künstlicher Intelligenz kritisch bewertet.
6 KI-IMPLEMENTIERUNG IM BEISPIEL-UNTERNEHMEN: Anhand der stAPPtronics GmbH werden konkrete Erfolgskriterien und Erfahrungen bei der Einführung von Machine-Learning-Anwendungen in einem Medizintechnikunternehmen aufgezeigt.
Schlüsselwörter
Künstliche Intelligenz, Big Data, Predictive Maintenance, Internet of Things, Lagerlogistik, Hyperintelligenz, Machine Learning, Data Mining, Automatisierung, Instandhaltung, Industrie 4.0, Effizienzsteigerung, Smart Home, Sensorik, Prozessoptimierung
Häufig gestellte Fragen
Was ist das grundlegende Thema dieser Projektarbeit?
Die Arbeit befasst sich mit den Möglichkeiten und Umsetzungsstrategien von Big Data und Künstlicher Intelligenz in verschiedenen betrieblichen sowie alltäglichen Anwendungsbereichen.
Welche zentralen Themenfelder werden in der Arbeit behandelt?
Die Schwerpunkte liegen auf Predictive Maintenance, der IoT-gestützten Lagerlogistik, dem Konzept der Hyperintelligenz sowie verschiedenen KI-Anwendungen im privaten und unternehmerischen Kontext.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, das theoretische Wissen über KI und Big Data in einen praktischen Kontext zu setzen und Potenziale zur Prozessoptimierung aufzuzeigen.
Welche wissenschaftliche Methodik wurde angewandt?
Die Arbeit basiert auf einer fundierten Literaturrecherche und der Analyse von praxisnahen Beispielen, um technologische Entwicklungen und deren Implementierungschancen zu bewerten.
Was steht im inhaltlichen Mittelpunkt der Arbeit?
Im Zentrum steht die kritische Auseinandersetzung damit, ob und wie KI-Technologien in bestimmten Systemen tatsächlich zur Effizienzsteigerung beitragen können.
Durch welche Begriffe lässt sich die Arbeit charakterisieren?
Die Arbeit wird durch Begriffe wie Künstliche Intelligenz, Predictive Maintenance, Automatisierung, Internet of Things und Erfolgsfaktoren für die Implementierung geprägt.
Warum ist Predictive Maintenance für die deutsche Industrie so relevant?
Angesichts der hohen Stillstandskosten von Produktionsanlagen bietet Predictive Maintenance ein erhebliches Potenzial zur Kostensenkung und Erhöhung der Produktivität.
Welche Rolle spielt der Faktor Mensch bei der KI-Implementierung?
Neben technischen Voraussetzungen sind die Akzeptanz der Mitarbeiter sowie deren Kompetenzen entscheidende Erfolgskriterien für eine erfolgreiche Einführung neuer Technologien.
Inwieweit unterscheidet sich eine smarte Heizung von einer KI-gestützten Heizung?
Eine smarte Heizung kann rein regelbasiert funktionieren, während der Einsatz von KI durch Machine Learning eine vorausschauende Anpassung an Nutzergewohnheiten ermöglicht.
- Quote paper
- Florian Wokurek (Author), 2022, Big Data und Künstliche Intelligenz. Predictive Maintenance, IoT, Hyperintelligenz und KI im Alltag, Munich, GRIN Verlag, https://www.grin.com/document/1301060
