Der Einsatz von Künstlicher Intelligenz (KI) im industriellen Umfeld autonomer Prozesse und Produktionsanlagen ist ein weiterer Schritt und Treiber, Geschäftsmodelle neu zu denken. Industrielle technische Systeme können – so der Gedanke – durch KI funktional erweitert, sowie autonomer und resilienter gegen äußere Einflüsse gestaltet werden.
Werteversprechen und Vertrauenswürdigkeit
Die mithilfe der KI autonom agierenden Systeme liefern ein neues Werteversprechen für den Anlagenbetreiber hinsichtlich der Effizienz, bedeuten aber auch veränderte Produktionssituationen über den kompletten Lebenszyklus der angeschafften Anlagen hinweg. Insbesondere wenn Anlagen global in unterschiedlichen Rechtsräumen und Wertesystemen eingesetzt werden, ergeben sich für den Maschinenhersteller, -betreiber und seine Mitarbeiter spezifische Herausforderungen. Neben dem ökonomischen Nutzen ist aus Anwendersicht auch zunehmend die Vertrauenswürdigkeit einer KI-Lösung von Bedeutung. Die Akzeptanz ist dabei in großem Maße vom Vertrauen des Anwenders abhängig. Der Maschinen- und Anlagenbauer als Hersteller und Lieferant muss die Herausforderungen durch den Bedarf an Vertrauen beim Anwender verstehen und dies in seiner Anlagenauslegung und den verbundenen Dienstleistungen adressieren.
Neuer Gesichtspunkt: Aspekt der Akzeptanz
Um diese Facetten von KI zu beleuchten, beschäftigt sich die Arbeitsgruppe „Technologie- und Anwendungsszenarien“ der Plattform Industrie 4.0 – nach den Veröffentlichungen „Künstliche Intelligenz in der Industrie 4.0“ und „KI in der Industrie 4.0: Orientierung, Anwendungsbeispiele, Handlungsempfehlungen“ – mit dem Aspekt der Akzeptanz. Es ist klar, dass die bisherigen Technologie-Akzeptanzmodelle aufgrund des nicht-deterministischen Verhaltens des KI-Einsatzes hier nicht anwendbar sind.
Technische Parameter für KI im Spannungsfeld von Werteversprechen und Akzeptanz
Künstliche Intelligenzen verhalten sich wie „Black Boxes“, deren Funktionsweisen sich im Nachhinein vom Menschen nicht mehr entschlüsseln lassen. Dies wird insbesondere dann problematisch, falls überraschende, nicht erwartete Vorfälle oder Ergebnisse auftreten. Damit werden unter anderem Fragen aufgeworfen, wie Künstliche Intelligenzen kontrolliert werden können, wie nachverfolgbar deren Anwendungen sind und welche Systemgrenzen gesetzt werden sollen. Antworten auf diese Fragestellungen werden von den Erwartungshaltungen und Wertesystemen der Gesellschaften bestimmt.
Praxishinweise
Die nachfolgenden Abschnitte liefern erste Hinweise und eine Systematik, die es den Herstellern und Anbietern von KI-Lösungen bzw. technischen Systemen mit integrierter KI ermöglichen wird, die Auswirkungen von sich verändernden Maschinen einzuschätzen und die Akzeptanz durch Hinweise für das Angebot, den Betrieb und die betroffenen Mitarbeiter zu erhöhen.
Variable Merkmale verwenden
Für den Lernprozess beim maschinellen Lernen haben die Entstehung und der Austausch von Daten sowie die zur Steuerung genutzten KI-Modelle einen direkten Einfluss auf die Fähigkeiten, Qualität, Verlässlichkeit und Betriebssicherheit in einem industriellen Prozessablauf. Der Hersteller sollte folglich das Werteversprechen für sein KI-basiertes Produkt bzw. dessen direkten Nutzen für den Anwender sicherstellen. Möglich wäre dies, indem die bestehenden technischen Produktmerkmale um variable Merkmale (z.B. durch KI veränderte oder neu entstehende Merkmale) erweitert würden. Die zunehmende globale Vernetzung ermöglicht es, Daten über Systemgrenzen hinweg aus unterschiedlichen geografischen Bereichen einzusetzen.
Akzeptanz durch Transparenz
In diesen Bereichen gelten zum Teil konträre Regularien, Wertvorstellungen oder auch kundenspezifische Anforderungen. Der Erfolg eines Maschinenherstellers hängt am Ende von der Akzeptanz des Nutzers ab, der neben der technischen Funktionsbeschreibung der Maschine oder Anlage auch die Beschreibung der durch KI gestalteten Eigenschaften erkennen und bewerten muss. Dabei spielen einerseits die Systemgrenzen beim Lernen und beim Einsatz der KI, sowie andererseits die Sichtbarkeit der eigenen Daten innerhalb und außerhalb dieser Systemgrenzen eine wesentliche Rolle. Akzeptanz wird durch Transparenz bei Datenquellen, -strömen, und Algorithmen geschaffen und durch vertrauensbildende Maßnahmen im Entwicklungs- und Nutzungsprozess der KI sowie beim Betrieb der mit KI gestalteten Maschine oder Anlage etabliert.
Der Lernprozess
Um dies aktiv zu gestalten, ist es notwendig, die Herkunft von KI-Technologie und Daten zu berücksichtigen und die zugehörigen Wertesysteme und Gesellschaften zu verstehen. Dies gilt in der Phase des Vorlernens (der Konditionierung) des Systems beim KI-Technologieanbieter, während des Lernprozesses, im Rahmen der Entwicklung beim Maschinen- und Anlagenbauer, sowie beim weiteren Lernen in der Betriebsphase beim Anwender/Betreiber. Siehe auch nachfolgendes Bild.
Bild 1: Systemgrenzen und Wertesysteme der KI- und Datenquellen; © Plattform Industrie 4.0
