Machine Learning bedeutet, dass große Datenströme in vernetzten, autonomen Systemen beherrschbar werden – auch in der Produktion. Selbstlernende Systeme können aus riesigen Datenströmen verwertbares Wissen machen. Neue datenbasierte Geschäftsmodelle der Industrie 4.0, wie zum Beispiel Predictive Maintenance werden so ermöglicht.
Machine Learning 2030
Auf dem ersten Future Business Summit des VDMA-Verbands wird die Studie Machine Learning 2030 vorgestellt. In verschiedenen Szenarien zeigt sie auf, welche Geschäftschancen und Herausforderungen sich für den Maschinen- und Anlagenbau auftun. „Machine Learning ist ein wirkungsvolles Instrument für die automatisierte Analyse von Big Data auf Basis von smarten Algorithmen und damit ein wichtiges Kernelement von Industrie 4.0“, betont Prof. Thomas Bauernhansl, Leiter des Fraunhofer IPA.
Von Avantgarde bis digitale Steppe
Trends und Disruptionen, die für den Maschinen- und Anlagenbau relevant sind, gemeinsam erkennen und nutzen – das ist das Ziel des VDMA Competence Center Future Business. In einer Kooperation mit dem Fraunhofer Institut für System- und Innovationsforschung ISI werden ein Trendradar sowie Zukunftsbilder für übergreifende Themen entwickelt.
Die Zukunfts-Szenarios reichen von einem avantgardistischen Szenario bis zur digitalen Steppe. Keines der Zukunftsbilder kommt ohne eine gewisse Form von Machine Learning aus. Wichtige Faktoren wie Datenhoheit, Datenpools, Kompetenzaufbau und Sicherung und Unterstützung der Erfahrung von Fachleuten in der Produktion werden in den Szenarien aufgegriffen.
Wie Machine Learning das Geschäft belebt
„Für Unternehmer ist es wichtig, die Potenziale von Machine Learning für ihr eigenes Geschäft und das ihrer Kunden herauszufinden. Wichtig ist, einen Dreiklang an Aktivitäten zu starten und zu koordinieren. Neben Sensortechnik und Datenhoheit gehört dazu insbesondere der Kompetenzaufbau im Bereich der professionellen Softwareentwicklung und des Machine Learnings“, betont Dr. Eric Maiser, Leiter von VDMA Future Business. „Handlungsfelder für Politik, Gesellschaft und Forschung liegen in der Förderung der Ausbildung von Data Scientists und der Start-up-Kultur in Deutschland, aber auch in regulatorischen und ethischen Fragen. Wir stehen erst am Anfang einer umfassenden Diskussion.“
