Information Technology Reference
In-Depth Information
Bereitstellen mehrwertiger Dienstleistungen avanciert, entsprochen werden. Bei all dem
kommt der Industrial IT eine zentrale Bedeutung zu, indem sie Wissen, Technologien als
auch die Lösungen nahtlos in bestehende Infrastrukturen zu integrieren und neben einer
hohen Datendurchdringung auch eine vollautomatische Daten- und Informationsversor-
gung zu gewährleisten hat.
Die Kognitive Robotik als konsequente Erweiterung der klassischen Robotik wird eine
weitere Generation neuer, weil intelligenter, Robotersysteme ermöglichen. Die neue Ge-
neration der Kognitiven Roboter wird neben der Simulationstechnik auch auf die Tech-
niken des Cognitive Computing zugreifen. Dieser Einbezug der Techniken des Cognitive
Computing wird nachhaltig zu neuen Architekturen von Robotersystemen führen, was
dann wiederum von zentraler Bedeutung für die Ausgestaltung dieser Systeme mit intrin-
sischer Intelligenz sein wird. Die Kernvoraussetzung einer solchen artifiziellen Intelligenz
im Bereich der Robotik ist zum einen die Fähigkeit, selbständig denken und damit aus sich
heraus Schlüsse ziehen zu können, zum anderen wird maschinelles Lernen und sensorge-
stütztes Handeln, das Interoperieren, d. h. das Bewegen in einer bzw. das Einwirken auf
eine dynamische Umwelt, deren Zustände sich permanent ändern und daher unsicher sind,
erst ermöglicht (Haun 2013).
Das Ziel der kognitiven Robotik besteht also darin, Robotersysteme mit intrinsischen,
kognitiven Fähigkeiten so auszustatten, dass sie nicht nur durch Nachahmung mensch-
licher Arbeitsweisen die ihnen zugeteilten Teilaufgaben autonom erledigen, sondern auch
autonom Probleme lösen. Die Forderung nach Selbständigkeit, Lernfähigkeit und Prob-
lemlösungsfähigkeit beschränkt sich nicht auf individuelle Roboter, sondern schließt auch
Gruppen bzw. Teams solcher Robotersysteme ein, die sich durch Kooperationen in Form
von Multiagentensystemen selbst organisieren können.
Es werden auch neue Produktinnovationen durch den kombinatorischen Einsatz der
oben behandelten Ansätze einer „Artifiziellen Kognition, Kognitiven Fabrik, Kognitiven
Robotik“ ermöglicht. So ist ein Ausgangspunkt solcher Innovationen von der Tatsache ge-
prägt, dass Präventions- und Interventionslösungen sich zur intelligenten Maschinen- und
Produktionsanlagensteuerung einsetzen lassen. Man ist damit in der Lage, Betriebs- und
Produktionsdaten über Datalogging-Systeme aus den einzelnen Maschinen bzw. Produk-
tionsanlagen auszulesen und mit dem extrahierten und implementierten Wissen aus dem
unternehmensweiten Wissensmanagement so zu verknüpfen, um die Maschinen bzw. Pro-
duktionsanlagen intelligent auszusteuern. Eine solche Lösung gilt demnach als Garant
für höhere Produktivität, längere Betriebszeiten und niedrigere Betriebskosten (Abb.
7.4
).
Die an den Maschinen über die einzelnen Sensoren wahrgenommenen Daten werden
über M2M (Machine-to-Machine-Kommunikation) entweder zur Vorverarbeitung an eine
Integrationsplattform oder aber direkt an eine Präventions- und Interventionsplattform
übermittelt. In diesen Plattformen werden die Daten und Informationen integriert, ver-
dichtet und zu Wissen in Form von konkreten Handlungsempfehlungen verarbeitet. Die
dadurch möglichen Entscheidungen, Präventionen und Interventionen in Form eines „Ma-
chine Health“ sind die Garanten dafür, dass sich durch den Einsatz solcher Systeme die
folgenden Mehrwerte erzielen lassen (Abb.
7.5
):
