Die industrielle Künstliche Intelligenz (KI) tritt in eine neue Phase ein, getrieben durch Fortschritte bei grundlegenden Modellen (Foundation Models), physischer KI und agentischer KI. Diese Entwicklungen ermöglichen die Automatisierung komplexerer Aufgaben in industriellen Umgebungen. Laut einer Studie ist die Akzeptanz von KI im Industriesektor in den letzten zwei Jahren um 78 Prozent gestiegen, was die Dringlichkeit verantwortungsvoller Implementierungsstrategien unterstreicht, insbesondere da industrielle KI direkt mit physischen Systemen interagiert und Fehlentscheidungen weitreichende Konsequenzen für Sicherheit und kritische Infrastrukturen haben können.
Herausforderungen der physischen Interaktion
Im Gegensatz zu KI-Systemen, die rein in der digitalen Welt agieren, greift industrielle KI direkt in physische Prozesse ein. Dies birgt erhebliche Risiken, da unvorhergesehene Entscheidungen die Betriebssicherheit, Zuverlässigkeit und sogar kritische Infrastrukturen gefährden können. Arti Garg, Cheftechnologin bei AVEVA, betont die zentrale Frage, wie diese neuen Technologien genutzt werden können, ohne die Sicherheit und den zuverlässigen Betrieb zu kompromittieren. Eine besondere Herausforderung liegt in der zunehmenden Leistungsfähigkeit, aber auch der schwierigeren Vorhersagbarkeit und Erklärbarkeit neuerer KI-Systeme.
Grundlagen für verantwortungsvolle Implementierung
Eine entscheidende Basis für den erfolgreichen Übergang ist die effektive Nutzung von Daten. Industrielle Systeme generieren Informationen aus vielfältigen Quellen wie Telemetriedaten (Messdaten aus der Ferne), Serviceprotokollen und technischen Dokumenten. Neue Technologien können diese Daten schneller verbinden und korrelieren, um Bedienern Echtzeit-Unterstützung bei der Problemdiagnose zu bieten. KI-gesteuerte Roboter könnten zudem Informationen in gefährlichen Umgebungen sammeln, wodurch das Risiko für menschliche Arbeitskräfte minimiert wird.
Mit zunehmender Autonomie steigt auch der Bedarf an neuen Governance-Ansätzen. AVEVAs Rahmenwerk für verantwortungsvolle KI legt Wert auf Sicherheit, Effizienz sowie menschliche Aufsicht und Kontrolle. Garg argumentiert, dass KI den Menschen in kritischen Entscheidungsprozessen unterstützen und erweitern, anstatt ihn zu ersetzen sollte. Leitplanken sind erforderlich, um festzulegen, wo automatisierte Systeme autonom handeln dürfen und wo die Verantwortung bei menschlichen Aufsichtspersonen verbleibt.
Nachhaltigkeit als weiterer Pfeiler
Nachhaltigkeit ist ein weiterer wichtiger Aspekt. KI kann dabei helfen, komplexe Energiesysteme zu verwalten, insbesondere angesichts des wachsenden Anteils erneuerbarer Energien. Gleichzeitig müssen Organisationen den eigenen ökologischen Fußabdruck von KI-Anwendungen besser verstehen und messen. Arti Garg engagiert sich in einer Arbeitsgruppe der IEEE, die eine Standardmethodik zur Messung dieses Einflusses in Bezug auf Elektrizität, Energie, Ressourcen, Wasser und Kohlenstoff entwickelt.
Ausblick: Eine sicherere und effizientere Zukunft
Die nächste Phase wird industrielle KI noch stärker in die physische Welt integrieren, von autonomen Robotern und Drohnen bis hin zu KI-unterstützter Programmierung, die Fachexperten den Aufbau neuer Anwendungen ermöglicht. Laut Garg erfordert die Realisierung dieses Potenzials jedoch mehr als nur die Bereitstellung neuer Technologien. Unternehmen müssen Geschäftsprozesse überdenken, angemessene Schutzmaßnahmen etablieren und erfahrenen Mitarbeitern neue Möglichkeiten zur Anwendung ihres Fachwissens bieten. Ziel ist ein Automatisierungsmodell, das nicht nur autonomer, sondern auch sicherer, effizienter und nachhaltiger ist. Garg prognostiziert, dass autonome Systeme die Arbeitsweise in Anlagen, Energiesystemen und im Bergbau grundlegend verändern werden, um diese Operationen effizienter, sicherer für die beteiligten Menschen und produktiver zu gestalten.
Thema: Technologie / KI allgemein. Quelle/Inspiration: MIT Technology Review.