Künstliche Intelligenz zwischen Testbarkeit, Anwendung und industrieller Wertschöpfung
Am 28. April fand die sechste Ausgabe des Webinars zu KI Use Cases & Future Skills statt, das im Rahmen des Interreg AT-SK Projektes „Twin City Future Innovation Manufacturing Hub“ von der Plattform Industrie 4.0 unter dem Schwerpunkt Arbeit 5.0 organisiert wird.
Vortragende waren:
- Mateo Primorac, Founder & CEO, scopri.ai
- Sebastian Kreuter, Wissenschaftlicher Mitarbeiter, Intelligente Instandhaltung und Produktentwicklung, Fraunhofer Austria Research GmbH
- Bernhard Nessler, Research Manager Intelligent Systems and Certification for AI, Software Competence Center Hagenberg (SCCH)
Die Vorträge beleuchteten Künstliche Intelligenz aus drei Perspektiven: wissenschaftliche Grundlagen und Testbarkeit, innovative KI-Systeme in der Industrie sowie konkrete Anwendungen in der Produktion.
Mateo Primorac von scopri.ai zeigte, wie KI in der Industrie über klassische Large Language Models hinaus weiterentwickelt werden kann. Während LLMs bei allgemeinen Aufgaben überzeugen, stoßen sie bei hochspezialisierten Fragestellungen und industriellen Anwendungen oft an Grenzen. Kognitive KI verbindet Modellintelligenz mit Nutzerinteraktion und spezifischem Kontextwissen. Dadurch lernt sie aus der Anwendung und liefert präzisere Ergebnisse für komplexe industrielle Szenarien. Anhand praxisnaher Beispiele zeigte er, wie KI große Mengen an Patent- und wissenschaftlichen Daten in kürzester Zeit analysieren und daraus wertvolle Erkenntnisse für Technologie- und Marktanalysen ableiten kann. Dadurch lassen sich Entwicklungsprozesse deutlich beschleunigen und strategische Entscheidungen fundierter treffen. Als Ausblick wurde ein Knowledge-Graph-basiertes KI-System für CAD-Modelle vorgestellt, das Produktdesigns bereits in frühen Entwicklungsphasen auf Patentfähigkeit und technische Risiken überprüft. Zukünftig sollen zusätzlich Designrichtlinien und Normen integriert werden, um eine vollständig datengetriebene Produktentwicklung zu ermöglichen.
Sebastian Kreuter von Fraunhofer Austria präsentierte Anwendungsfälle von KI in der industriellen Produktion. Unternehmen stehen heute vor Herausforderungen wie zunehmender Produktkomplexität, Individualisierung und einer Vielzahl regulatorischer Anforderungen. KI-Systeme helfen dabei, diese Komplexität zu bewältigen, indem sie Daten aus unterschiedlichen Quellen zusammenführen und strukturieren. Ein Beispiel ist die automatisierte Analyse von Lastenheften, bei der Kundenanforderungen aus Dokumenten extrahiert und mit internen Standards abgeglichen werden. So können potenzielle Fehler oder Lücken frühzeitig erkannt werden. Weitere Anwendungen reichen von der Analyse technischer Zeichnungen über CAD-Daten bis hin zur Unterstützung bei Normprüfungen und Dokumentationsprozessen.
Bernhard Nessler, SCCH, beleuchtete die grundlegende Frage, wie KI-Systeme zuverlässig getestet werden können und was in diesem Zusammenhang unter „Repräsentativität“ zu verstehen ist. Er zeigte auf, dass moderne KI-Modelle nicht regelbasiert funktionieren, sondern auf statistischem Lernen beruhen. Daraus ergibt sich, dass KI nicht über Korrektheit, sondern über statistische Performance innerhalb einer klar definierten Anwendungsdomäne bewertet werden muss. Eine zentrale Herausforderung bleibt dabei die präzise Definition der Testdomäne, da nur so belastbare und reproduzierbare Aussagen über die Leistungsfähigkeit von KI-Systemen möglich sind.
Die Vorträge machten deutlich, dass KI nicht nur eine technologische Entwicklung ist, sondern ein systemischer Wandel in Forschung, Entwicklung und Produktion bedeutet.
