Die digitale Entwicklung in den letzten Jahrzehnten führte zu vielen Möglichkeiten, Prozesse und Produkte in der Industrie qualitativ und quantitativ zu verbessern. Mit den neuen Chancen stieg jedoch auch gleichbedeutend die Komplexität der Systeme. Immer mehr Sensorik und neue Schnittstellen führten zu immer mehr Daten und damit auch die Erkenntnispotenziale. Dabei sind es oft nicht nur die gleichen oder ähnlichen Daten in großer Menge, welche eine Verarbeitung durch großen Ressourceneinsatz verteuern. Es besteht eine Schwierigkeit darin, Erkenntnisse aus Daten zu gewinnen, deren Erkenntnispotenzial zum Teil nicht einmal bekannt ist, da die Abhängigkeiten von heterogenen Datenstrukturen untereinander mitunter nicht bekannt sind.
Digitaler Zwilling der Natur
Besonders in der computerbasierten Verarbeitung bestehen zwei grundsätzliche Probleme. Zum einen muss Datenverarbeitung realisiert werden, welche durch Intuitives Handeln von Menschen schneller und einfacher vollzogen werden könnte, dies jedoch durch sequenzielle Verarbeitungsschritte eines maschinellen Systems umgesetzt werden soll. Zum anderen Bedarf es Lösungen, Erkenntnisse aus Daten zu gewinnen, die entweder unvollständig oder ihre Zusammenhänge nicht bekannt sind, was dazu führt, dass menschliche Fähigkeiten dazu nicht mehr ausreichen.
Der Arbeitskreis Integrierte Informationssysteme bietet die Möglichkeit der individuellen Anwendung von künstlicher Intelligenz in unterschiedlichen Domänen. Zum einen machen wir uns die genetischen Algorithmen als Optimierungsmethode zu Nutze um beispielsweise das Problem der Erstellung von Maschinenbelegungsplänen und damit der Produktionsabläufe zu lösen. In Kombinationen mit Schwarmintelligenzen lassen sich schon im Vorfeld, unter Berücksichtigung von Kostenfaktoren, Prozessvarianten zur Art und Weise der Materialver- und Bearbeitung erstellen. Mittelständische Unternehmen können ebenfalls von solchen Lösungen profitieren.
Auch für den Dienstleitungssektor lassen sich bspw. Traveling-Salesman-Probleme in Anlehnung an den Ameisenalgorithmus verbessern. Dabei geht es nicht nur um die termingerechte Lieferung von Waren im Logistikbereich oder der Ausführung von Dienstleistungen. Auch beim Transport bisher weniger flexibler Medien (wie bspw. Heizwasser), kann um die Komponente Flexibilität ergänzt werden. So entstand im Zusammenhang mit der Entwicklung intelligenter Infrastrukturen ein bedarfsorientiertes System zur Nahwärmeversorgung.
Des Weiteren nutzen wir Künstliche Neuronale Netze u. a. zur Funktionsadaption, welche insbesondere in Bereichen ihren Mehrwert zeigen, in denen keine vollständigen Daten vorhanden sind oder aufgrund von Komplexität nicht erhoben werden können. Damit entsteht eine Lösung des zugrunde liegenden Problems als Annäherung , welche bei Bekanntsein sämtlicher Fakten die Realität nahezu widerspiegelt.
Autonomie
Die steigende Intelligenz von Maschinen und den dazugehörigen Systemen bildet eine Voraussetzung, dass diese autonom, ohne menschliches Eingreifen, auf äußere Einflüsse reagieren können. Somit bildet die Autonomie eine Möglichkeit zur Realisierung von verschiedenen IoT-Szenarien. Hierbei konzeptionieren und entwickeln wir autonom agierende Systeme in verschiedenen Bereichen. Diese umfassen u.a. Industrie 4.0-Szenarien in der Automatisierungstechnik und unabhängig agierende, mobile Systeme.
In diesem Umfeld forschen wir bspw. an autonom fliegenden Drohnen, welche selbständig in einem festgelegten Bereich agieren und mit Hilfe entsprechender Sensorik unterschiedliche Untersuchungsobjekte (Schädlingsbefall, Wildtiere, Materialabnutzung…) überwachen.
Ein mögliches Einsatzszenario bildet hierbei die Untersuchung von Waldgebieten auf Schädlinge. Eine Herausforderung stellt, neben dem autonomen Navigieren der Drohne durch entsprechende Umgebungen, die Erkennung und Analyse der Untersuchungsobjekte dar. In diesem Zusammenhang muss die Drohne außerdem in der Lage sein, mit entsprechenden Systemen zur Informationsverarbeitung zu kommunizieren.
Für eine variable Größe des Untersuchungsgebiets ist zudem zu gewährleisten, dass eine autonome Energieversorgung zur Verfügung steht. Dies ermöglicht, dass die Drohne ohne Ausfälle flugfähig ist. Die hierbei gewonnenen Erkenntnisse sollen zudem auf weitere, autonom agierende Fahrzeuge übertragen und erweitert werden.