Hier finden Sie alles, was der Konstrukteur für seine Konstruktion und der Entwicklungsingenieur für seine Neuentwicklung vom Entwurf bis zur Qualitätssicherung in der Fertigung brauchen wie Produktneuheiten, deren Anwendungen, neue Technologien oder Forschungsergebnisse. Unternehmensmeldungen sowie Themen zu technologischen und Megatrends aller industriellen Branchen vervollständigen unser Angebot an Industrie News. Los geht's mit den Nachrichten.
IFM Electronic konnte im Geschäftsjahr 2023 den Umsatz erneut steigern. Im vorläufigen Konzernabschluss wird mit einem Umsatz von über 1,4 Mrd. Euro ein neuer Umsatzrekord bei einem Wachstum von 3 % ausgewiesen.
Jumo hat mit Blick auf die derzeit spannend diskutierten Themen in einzelnen Branchen weitere Schulungsangebote konzipiert und bietet entsprechende Seminare im Rahmen des Jumo Campus hierzu an.
Der Umsatz der Schaeffler AG ist im Jahr 2023 um 5,8 % auf 16,3 Mrd. EUR gestiegen. Das währungsbereinigte Umsatzwachstum lag bei 5,8 Prozent und damit im Rahmen der Prognose für das Geschäftsjahr 2023.
Die Motion Technology Company Schaeffler wird mit einem neuen Automotive-Produktionsstandort die Produktion in den USA ausbauen. Das neue Werk wird in Dover, Ohio, errichtet.
Die Ebm-Papst Gruppe hat angekündigt, den Geschäftsbereich Industrielle Antriebstechnik (IDT) an die Siemens AG zu verkaufen. Beide Seiten haben eine entsprechende Vereinbarung unterzeichnet.
FACHGEBIETE
Antriebstechnik
Automatisierung
Elektrotechnik
Fluidtechnik
Maschinenelemente
Messtechnik
Produktentwicklung
Verbindungstechnik
Werkstoffe + Verfahren
Industrie News für Ihre Konstruktion und Entwicklung aus den Fachgebieten
Als ein vernetztes industrielles Ökosystem demonstrieren die Aussteller unter dem Leitthema Energizing a sustainable Industry, wie durch den Einsatz von Elektrifizierung, Digitalisierung und Automatisierung Klimaneutralität erzielt werden kann.
Die Control 2024, die bedeutende internationale Fachmesse für Qualitätssicherung, findet vom 23. bis 26. April in Stuttgart statt. Sie Messe legt einen besonderen Fokus auf Automatisierung und Digitalisierung.
Die SPS – Smart Production Solutions vom 14. bis 16.11. 2023 verzeichnet ein deutliches Wachstum der Messe im Vergleich zum Vorjahr und ist auf dem Weg zum Vor-Corona-Niveau.
Künstliche Intelligenz allein reicht nicht
Details
Zugriffe: 4010
Mit neuen Techniken wie Künstlicher Intelligenz (KI) steht nicht nur unsere Gesellschaft, sondern auch die Industrie vor einem grundlegenden Wandel. Während Unternehmen vom Engineering-Team bis hin zur Unternehmensleitung die Notwendigkeit der Implementierung von KI in ihren Design- und Entwicklungsprozessen erkennen, erfolgt die konkrete Implementierung von KI-Technologien nur zögerlich.
Hauptgrund ist, dass viele nicht genau wissen, wie diese Technik effizient und gewinnbringend eingesetzt werden kann. Dies ist jedoch nur eine von vielen Fragen, die sich Unternehmen stellen sollten, wenn Sie KI einsetzen wollen
Jenseits von Alexa und autonomem Fahren
Gesichtserkennung bei Facebook, maschinelle Übersetzungen oder Autonomes Fahren – Künstliche Intelligenz wird bereits in vielen Bereichen angewendet und lässt uns eine Zukunft erahnen, in der Maschinen immer wichtigere Aufgaben übernehmen können.
Doch was bedeutet Künstliche Intelligenz für einen Ingenieur in einem mittelständischen Unternehmen oder für einen Wissenschaftler in einem Forschungsinstitut? Die Möglichkeiten sind vielseitig: Mit KI können zum Beispiel neue Methoden zur Lebensmittelkontrolle angewandt werden oder die geologische Beschaffenheit von Gestein analysiert werden, um Tunnel schneller, effizienter und kostengünstiger zu bauen. In beinahe allen Bereichen der Forschung und Industrie lassen sich KI-Technologien nutzen, um Prozesse effizienter zu machen oder ganz neue Wege zu finden, Aufgaben zu meistern.
Wie Künstliche Intelligenz effizient wird
Wenn man heute von Künstlicher Intelligenz spricht, ist in den meisten Fällen gemeint, dass eine Maschine intelligentes menschliches Handeln imitieren kann – eine Definition, die bereits seit Einführung des Begriffes KI in den 50er-Jahren besteht. Doch für einen wirklich effizienten Einsatz wird die Maschine erst interessant, wenn sie mit der menschlichen Leistung gleichziehen oder sie sogar übertreffen kann. Denn so haben wir Menschen die Möglichkeit, repetitive Aufgaben abzugeben oder Dinge schneller, sicherer oder fehlerfreier von Computern erledigen zu lassen.
Dafür müssen Maschinen auf bestimmte Aufgaben trainiert werden. Traditionell bedeutete das, ein Programm zu erstellen, das die Daten verarbeitet und dann den gewünschten Output liefert. Wenn man Machine Learning – eine weit verbreitete KI-Technik – anwendet, kehrt sich dieser Ansatz um: Man sorgt dafür, dass die Maschine alle wichtigen Daten bekommt und gibt den gewünschten Output vor. Daraufhin schreibt der Computer das entsprechende Programm dafür. In manchen Fällen reicht auch nur der Input und die Maschine erstellt ein entsprechendes Modell.
Daten, Ergebnis, Machine-Learning-Modell – etwas fehlt
Doch in den meisten Fällen machen Daten, ein gewünschtes Ergebnis und die Möglichkeit, ein Machine-Learning-Modell zu erstellen, nur einen kleinen Teil einer Anwendung aus. Was fehlt, ist zum Beispiel der gesamte Prozess der Datensammlung und -verarbeitung im Vorfeld und die Implementierung in ein Embedded System im Anschluss.
Dies wird am Beispiel eines Fahrspurassistenzsystems klar: Ein Machine-Learning-Modell erkennt die Fahrspuren auf Straßen und kann dafür sorgen, dass ein Fahrzeug seine Spur hält. Doch dafür müssen zuerst Daten von vielen unterschiedlichen Sensoren und Kameras eingeholt und synchronisiert werden. Zudem braucht das System Informationen über die Geschwindigkeit und ob das Fahrzeug abbiegen soll. Diese Daten müssen analysiert und vorverarbeitet werden – etwa um schlecht belichtete Bilder oder Bildstörungen durch heftigen Schneefall zu korrigieren.
Der Fahrspurerkennungsalgorithmus muss in Simulationen integriert werden, um zu testen, ob er fehlerfrei funktioniert. Anschließend wird er auf einem Embedded-Prozessor installiert, um in Echtzeit im Fahrzeug zu laufen.
KI als Teil eines voll ausgereiften Design-Prozesses
All diese Aufgaben sind Arbeitsbereiche von Ingenieuren und Forschern, ohne die das KI-Modell nicht funktionieren würde. Das bedeutet: Künstliche Intelligenz ist nur ein Arbeitsschritt von vielen, an deren Ende eine intelligente Maschine steht. In der Tat ist es nur ein Teil der Modellentwicklung. Zusätzlich kann es sinnvoll sein, traditionelle Algorithmen-Entwicklung zu nutzen oder Modellierung und Simulation.
Betrachtet man den gesamten Workflow, kommen noch einige essenzielle Schritte hinzu, etwa die Fähigkeit, Daten aus Sensoren, Dokumenten oder Datenbanken zu erlangen und diese zu analysieren, untersuchen und prozessieren. Im Anschluss an die Modellerstellung erfolgt das Deployment auf Desktop-Apps, in Datacentern und Clouds oder auf Embedded Systemen.
Am Ende ist KI nur ein weiteres Tool, das uns zur Verfügung steht, um Herausforderungen auf eine andere Art zu lösen oder uns neuen Herausforderungen zu stellen. Wir wollen zeigen, dass KI für Ingenieure und Forscher leicht zugänglich ist und dass sie es in einem für sie gewohnten Workflow nutzen können, auch wenn sie keine speziellen Vorkenntnisse in diesem Bereich besitzen.