Digitalisierte Fabriken, bzw. Smart Factories sind seit Jahren ein treibendes Thema in produzierenden Unternehmen. Dabei nimmt die Künstliche Intelligenz (KI) eine vielsprechende und bedeutende Rolle ein. Doch um diese überhaupt etablieren zu können, ist die Anwendung von Knowledge Engineering (KE) unumgänglich. Im Folgenden werden Anwendungsbeispiele aufgezeigt, um die Zusammenhänge der beiden Technologien zu erklären

Es ist noch ein weiter Weg, bis die Umsetzung von intelligenten Fabriken durchgeführt und die nutzbaren Potenziale der KI-Methode ausgeschöpft sind. Denn nur durch KI kann eine intelligente und nachhaltige Produktion – Zukunftsszenario Smart Factory – realisiert werden. Doch wie verleiht man Systemen Wissen bzw. Intelligenz? Es muss im Vorfeld eine KE-Methodik entwickelt werden, die Daten so modelliert, dass Systeme intelligent werden können. In der Automobil- und IT-Branche gibt es eine Vielzahl an Systemen, mit denen MVI arbeitet. Jira oder Confluence sind Dokumentations-Tools, deren Fließtext nur von Menschen gelesen und verstanden werden. Im Produktionsumfeld gibt es dagegen zahlreiche digitale Komponenten wie z.B. Bar- oder QR-Codes, die wiederum nur von Maschinen wie Scannern lesbar sind. Da Mensch und Maschine noch nicht dieselbe Sprache sprechen, muss eine Übersetzungsleistung in beide Richtungen stattfinden. Genau das macht Knowledge Engineering. Das Ziel ist es, dass zukünftige Systeme Informationen vom Menschen und Maschine lesbar machen können, so dass digitale und automatisierte Prozesse kommunizier- und managebar werden.

Wie die Intelligenz ins System kommt
Die Methodik von Knowledge Engineering erfolgt durch den Aufbau von Datenmodellen, indem Informationen aus unterschiedlichen Systemen herausgezogen und über eine semantische Logik verknüpft werden. Dargestellt werden diese Inhalte in sogenannten Knowledge Graphen, die in sich geschlossene Prozesse oder (thematische) Datenbereiche abbilden. Und hier ist es möglich, dass die Maschine ebenso wie der Mensch die Graphen auslesen können. Für die Entwicklung eines Graphen generieren Knowledge Engineers zusammen mit Domänenexperten wichtige Fachbegriffe, identifizieren die Beziehungen untereinander, ausgerichtet auf die zu beantwortende Problemstellung oder Business-Frage. Die Grundidee der Knowledge Graphen ist es, weg von Datensilos zu kommen. Die Daten-Integration findet eben nicht, wie bisher, in relationalen Datenbanken statt, sondern direkt in den Knowledge Graphen. Dabei wird mittels semantischer Modelle, sogenannten ‚Ontologien‘, eine kontextbezogene Logik hergestellt. Somit sind die Informationen immer verfügbar, z.B. auch wenn einzelne Personen das Unternehmen verlassen. Mithilfe einer Software namens „Corporate Memory“ von der Partnerfirma eccenca wird im weiteren Vorgang ein Intelligentes System erzeugt.

Einblick in die Umsetzung aktueller KE-Projekte
Die Ausgangsbasis stellt sich folgendermaßen dar: Unternehmen greifen in ihrem Wissen auf Spezialwissen von Personen zurück und auf historisch gewachsene Systeme, die auch durch eine zunehmende komplexe Vernetzung verschiedener Unternehmensbereiche gekennzeichnet sind. Es gilt nun das Wissen zu organisieren und aus KE-Perspektive zu analysieren.

Anhand folgender aktueller Beispiele lässt sich das folgendermaßen erklären:

• Projektorganisation im Bereich Technologie – Hyperautomation In diesem Industrie-Projekt wird eine wissensbasierte Automatisierung für Stamm- und Bewegungsdaten umgesetzt. Eine Wissensbasis wird erzeugt, die Instanzdaten aus verschiedenen Quellen miteinander verknüpfen und mit Metadaten versehen. Durch die Formalisierung von Logiken wird eine neue Generation von KI-Anwendungen ermöglicht.
• Support bei einem Materialfluss-Projekt für einen dt. OEM: Das MVI Knowledge Engineers-Team führt derzeit ein Materialfluss-Projekt durch. Das vorhandene Kunden-Tool ist eine historisch gewachsene Excel mit über zehntausenden Zeilen zu Materialfluss-Abläufen. Die MVI Experten haben eine smarte Suche, Multimandanten-Fähigkeit durch automatisiertes Datenauslesen und ein Dashboard aufgebaut. Dadurch konnte die Arbeit im Projekt deutlich beschleunigt und die Kommunikation durch Dashboards optimiert werden.
• Vernetzte Dienste im Fahrzeug, Informationsmanagement: Im Rahmen fahrzeugbezogener digitaler Services unterstützt das MVI Team einen OEM bei Problemen und Abweichungen im Backend-System. Vor dem Hintergrund der Business-Fragestellung muss fachliches Wissen mit Daten und Datenbankstrukturen verknüpft werden. Damit wird eine neue modellierte Datenbasis für die Erstellung von wichtigen Auswertungen geschaffen.

Anhand der Anwendungsfälle wird die Bedeutung von Knowledge Engineering, der Gewinnung eines Wissensmanagements, der Modellierung von Unternehmenswissen, verdeutlicht. Die MVI unterstützt ihre Kunden, um deren Prozesse mit diesen Technologien nachhaltig zu optimieren und das auf der existierenden Daten- und Wissensbasis in der Organisation. Durch diese Implementierung der KE- und KI-Methode wird die produzierende Industrie in den nächsten Schritt der Automatisierung in Richtung Smart Factory von uns begleitet.