3 Fragen an… Prof. Dr.-Ing. Daniel Böhnke, Fachbereich Maschinenwesen, Fachhochschule Kiel

Gemeinsam mit Dr. Lars Schwabe moderiert Prof. Dr.-Ing. Daniel Böhnke, Fachbereich Maschinenwesen, Fachhochschule Kiel auf dem Handelsblatt KI-Summit die Masterclass „AI meets IoT: The next frontier“ der Lufthansa Industry Solutions. Im Gespräch berichtet er von der immer engeren Verknüpfung von künstlicher Intelligenz mit dem Internet of Things und welchen Herausforderungen sich Unternehmen bei der Umsetzung von Projekten stellen müssen.

Herr Böhnke, viele Unternehmen fragen sich, wie sie künstliche Intelligenz insbesondere im Kontext des Internet of Things einsetzen können. Welche Entwicklung und Potenziale beobachten Sie aktuell?

In vielen Anwendungen ermöglicht das Internet of Things heute mittels Sensorik und Konnektivität eine nahezu Echtzeit-Verfügbarkeit von Informationen. Insbesondere die zeitnahe Verfügbarkeit ermöglicht die Digitalisierung vieler, unter anderem vollkommen neuer, Prozesse. Künstliche Intelligenz ist bei diesen Prozessen ein zusätzlicher Beschleuniger und manchmal auch Entscheider. Aktuell lässt sich beobachten, dass IoT und AI immer näher zusammenwachsen. Die künstliche Intelligenz entscheidet nicht mehr nur im Hintergrund über Daten, die mittels IoT eingesammelt werden. Vielmehr rückt sie immer näher an das Produkt selbst heran. Sei es als integraler Bestandteil des Produktes oder als Teil eines Netzwerkes, das durch Edge Computing und Federated Learning gewoben wird.

Gibt es für diese Entwicklung ein gutes Beispiel?

Besonders gut lässt sich diese immer engere Verzahnung von IoT und AI im Bereich Predictive Maintenance beobachten. Während bislang meist vorliegende Schäden angezeigt wurden, können heute Maßnahmen getroffen werden, bevor Schäden entstehen. Aktuell beobachten wir, dass wir Sensorik und Analytik das Produkt immer weiter durchdringen. Bedingt durch die stetige Weiterentwicklung der künstlichen Intelligenz und die Erkenntnisse, die mit ihrer Hilfe gewonnen werden können, nimmt dieser Bereich immer mehr Fahrt auf.

Stichwort Predictive Maintenance: Diverse Studien verweisen auf hohe Einsparpotenziale und prognostizieren der Technologie in den kommenden Jahren ein großes Wachstum. Auf welche Herausforderungen treffen Unternehmen, die in diesem Gebiet neu sind?

Das können ganz unterschiedliche Herausforderungen sein, von technologischen bis hin zu personellen Fragen. Wer sich beispielsweise Whitepaper zu dem Thema anschaut, wird feststellen, dass häufig mangelnde interne Kapazitäten ein großes Hindernis darstellen. Aus meiner Sicht ist es hierbei wichtig zu erwähnen, dass nicht nur die neuen Disziplinen à la „Data Scientist“ oder „Data Engineer“ für den Erfolg notwendig sind, sondern interne Ressourcen mit dem entsprechenden Know-how über Produkt und Prozesse eine entscheidende Rolle spielen. Auch der Datenschutz ist ein nicht zu verachtendes Thema bei der Erfassung und Auswertung von Daten. Um dieses erfolgreich anzugehen, ist es wichtig, zentrale Stakeholder möglichst früh einzubeziehen. In Bezug auf die Datenverfügbarkeit kann man sagen, dass es durchaus möglich ist, mit einem kleinen Bestand an Daten zu starten. Für eine zuverlässigen Nachweis sind Daten über einen längeren Zeitpunkt zu sammeln.