KI-Lifecycle Management im industriellen Produktionsumfeld

© Fraunhofer IPA
ML Devops

Die Technologie »KI-Lifecycle Management« richtet sich nicht auf ein spezifisches Problem, sondern zielt darauf ab, die Entwicklung, den Einsatz und die Verbesserung von KI-Lösungen möglichst systematisch und effizient zu gestalten. Im Fokus liegen dabei besonders das industrielle Umfeld und produzierende Unternehmen, wie beispielsweise Produktionslinienbetreiber, Maschinen- und Anlagenhersteller sowie Unternehmen, die zusätzliche KI-Services anbieten wollen. Bisherige Lösungen sind nur teilautomatisiert und reichen für einen effizienten Einsatz im Produktions- oder Dienstleistungssektor oft nicht aus. Daher haben Experten des Fraunhofer IPA einen neuen Ansatz entwickelt. Neben der Effizienz der KI-Lösung ist dabei die Privatsphäre von Nutzern besonders wichtig.

Im Rahmen der Technologie werden KI-Methoden durch die Nutzung von Industrie-4.0-Standards in die Prozesse von Unternehmen integriert und ausgewählte Teilschritte automatisiert. Um die Privatsphäre zu beachten, ist es möglich, mittels eines Services Daten bewusst zu verfälschen. So konnte das trainierte Modell möglichst keine Rückschlüsse auf die Datenbereitsteller ziehen, mithilfe derer das Modell trainiert wurde. Hierbei bauten die IPA-Experten auf Forschungsergebnissen des Cyber-Valley-Partners Mijung Park, Max-Planck-Institut für Intelligent System auf. Über den Schutz der Privatsphäre hinaus war ein weiteres Ziel, die vorgeschalteten Phasen des KI-Lifecycles angemessen zu adressieren (Data Acquisition, Data Engineering, Model Engineering, Model Management, Testing). Neben dem anfänglichen Einsatz des KI-Lifecycles stellen die Integration der Technologie in entsprechende Betriebe, die Datenbeschaffung für den konkreten Anwendungsfall, das darauf aufbauende Training und die angegliederte Weiterentwicklung der Technologie die fünf Kernelemente des Kreislaufs dar. Im Ergebnis sparen Unternehmen, welche die Technologien des KI-Lifecycles nutzen, Ressourcen, weil sie KI-Lösungen effektiver integrieren und betreiben können. 

 

Vorteile im Überblick:

  • Vereinfachte Einbindung von KI in Produktionsprozesse
  • Nutzung moderner Industrie 4.0-Standards
  • Reduktion des Umsetzungsaufwands von KI-Lösungen im Produktiveinsatz
  • Einsparung von Ressourcen durch gesteigerte Effizienz