Die effiziente Datenanalyse lässt sich in vielen weiteren Produktionsbereichen mit komplexen technischen Systemen anwenden – überall dort, wo Sensoren geeignete Daten zur Verfügung stellen. Durch die Digitalisierung steigt die Zahl der verbauten Sensoren stark an, zudem kommen vermehrt Internet-of-Things-Anwendungen zum Einsatz. „Das ökonomische Potenzial von Data Science mit dem Schwerpunkt auf maschinellem Lernen ist daher extrem groß“, sagt Warnke.
Das gilt besonders für den Maschinenbau: Eine Maschine, die ungewollt stillsteht, erzeugt unnötige Kosten. Gleichzeitig liefern die Maschinen in großer Menge Informationen zu den Stillstandsproblemen. Wie also lassen sich diese Daten nutzen, um die Instandhaltung zu verkürzen und die Produktion effizienter zu machen?
Die Frage steht im Zentrum der laufenden Entwicklung von „Uptime“ bei den Data-Science-Spezialisten von Körber Digital. Antworten liefert die „Klassifikation“ der Daten mit den Techniken der künstlichen Intelligenz (KI). Die Systematik ist auch Grundlage der Kuh-Diagnostik, indem sie analysiert, ob die Werte von Milchtemperatur und -menge auf eine Erkrankung hinweisen. Für die KI geht es dabei darum, Muster zu erkennen – ähnlich wie bei einem Spamfilter, der anhand der Wörter in Mails mit unbekanntem Absender die Klassen „Spam“ und „Nicht-Spam“ unterscheidet. Für das Stillstandsproblem heißt das: Liegen genügend Daten vor, die von der KI analysiert wurden, ist sie in der Lage, den jeweiligen Fehler anhand des Daten-Szenarios wiederzuerkennen und die Fehlerursache bereits im Moment des Stillstands benennen.