KI in der Fabrik: Ist die Prozessindustrie bereit dafür?

Unsere Smartphones hat sie längst erobert, in immer mehr Autos dringt sie ein: Künstliche Intelligenz ist gerade dabei, Gesellschaft und Wirtschaft erheblich umzukrempeln. Aber wo liegen die Chancen und Grenzen für die Prozessindustrie? Daran forschen Prof. Leon Urbas und sein Team im Projekt KEEN. Das Ziel: KI-Referenzanwendungen zum „Begreifen“ für ein realistisches Verständnis von und Verhältnis zu KI.

Redaktion: Herr Professor Urbas, Sie koordinieren das Projekt „KEEN – Künstliche-Intelligenz-Inkubator-Labore in der Prozessindustrie“. Was steckt dahinter?

Prof. Leon Urbas: Um das Thema der künstlichen Intelligenz ist ein regelrechter Hype entstanden. Dabei geraten die realistischen Möglichkeiten in den Hintergrund. In einer so komplexen Branche wie der Prozessindustrie können nur wenige objektiv beurteilen, welche Entwicklungen sich lohnen und wie sie sich umsetzen lassen. Mit KEEN möchten wir KI-Werkzeuge schaffen, mit denen Unternehmen beispielsweise die Verfügbarkeit ihrer Anlagen erhöhen oder ihre Prozesse schneller optimieren können.

Eine schlüsselfertige KI also, die der Anlagenbetreiber installiert und dem Menschen die Arbeit abnimmt?

Nein, davon sind wir weit entfernt. Wir erarbeiten vielmehr zahlreiche spezialisierte Lösungsansätze, die wir perspektivisch generalisieren und zu durchgängigen Arbeitsprozessen verknüpfen können. Lassen Sie mich das an einem Beispiel erläutern: In der Automobilbranche setzen sich autonome Fahrzeuge immer mehr durch. Gesteuert werden sie von einer künstlichen Intelligenz. Die Entwicklungskosten dafür sind hoch, aber einmal entwickelt, lässt sich eine solche Software in einem beliebigen Fahrzeug nutzen. Die Kopierkosten sind null, die Skaleneffekte immens. In der Prozessindustrie sieht das anders aus. Obwohl sich viele Abläufe ähneln, ist doch jede Anlage einzigartig. Das liegt daran, dass Anlagenkonstruktion, Prozessdurchführung und die hergestellten Produkte stark miteinander gekoppelt sind. Heutige KI-Algorithmen sind daher extrem individuell und damit teuer. Das möchten wir ändern.

In welchen Bereichen kann KI ein Unternehmen der Prozessindustrie unterstützen?

Wir arbeiten an mehreren Themen. Die prominentesten sind die Modellierung von Prozessen, Produkteigenschaften und Anlagen, das Engineering sowie die Realisierung selbstoptimierender Anlagen. Nehmen wir an, Sie planen einen neuen Steamcracker. Dann müssen Sie die mit dem Betrieb verbundenen technischen Risiken möglichst gut analysieren und bewerten können. Schließlich wollen Sie ja keine halbe Milliarde Euro aufgrund eines nicht genehmigungsfähigen Sicherheitskonzepts in den Sand setzen. In einem Arbeitspaket untersuchen wird deshalb in KEEN, wie wir mithilfe von aktuellen mustererkennenden und lernenden KI-Methoden die Risikoanalyseprozesse verbessern und schneller anpassen können.

Ein anderes Beispiel: der nächste Turnover. Sollten Sie die Anlagenleistung senken, um sicher bis zum geplanten Stillstand durchzuhalten? Oder nehmen Sie lieber einen ungeplanten Stillstand in Kauf, weil die Auftragslage gerade so gut ist? Das sind hochkomplexe Fragen, denn es sind enorm viele Abhängigkeiten zu berücksichtigen. Man versucht also, Rückschlüsse aus früheren Erfahrungen zu ziehen. Aber lässt sich die frühere Situation wirklich mit der jetzigen vergleichen? Kennen Sie alle Faktoren? Hier können KI-Verfahren helfen, Ähnlichkeiten, statistische Auffälligkeiten und Simulationen einzubinden und Entscheidungsempfehlungen abzuleiten.

Die KI sagt mir also, ich solle die Leistung auf 90 Prozent senken. Also vertraue ich dem System einfach blind?

Genau das ist ein wichtiger Punkt! Natürlich geht das nicht. Angenommen, der Algorithmus liefert drei Handlungsoptionen. Sie kennen die Hintergründe aber gar nicht, haben also keinen Kontext. Dann können Sie nur zufällig entscheiden, aber nicht begründet wählen. In der Prozessindustrie brauchen wir deshalb eine sogenannte erklärbare KI. Algorithmen, die transparent machen, wie sie zu ihren Empfehlungen gekommen sind. Schon allein aus rechtlicher Sicht: Sagen wir, Sie bauen eine Anlage, die sich selbstständig optimiert. Damit Sie die genehmigt bekommen, müssen Sie nachweisen können, auf welcher Grundlage diese Optimierung abläuft.

„Die künstliche kann die menschliche Intelligenz nicht ersetzen. Davon bin ich überzeugt.“
Prof. Leon Urbas,
Professor für Prozessleittechnik an der TU Dresden und Koordinator des Projektes KEEN

Wir beobachten einen Trend: Es wird wohl nicht dazu kommen, dass Menschen sich einfach für eine der vorgeschlagenen Handlungsoptionen entscheiden. Sie wollen eine gute Wahl treffen, für die sie auch Verantwortung übernehmen können. Deshalb wird es Dialoge zwischen Mensch und KI geben müssen. In einem normalen Gespräch fragen Sie ja auch nach, wenn Sie etwas nicht verstanden haben oder nähere Erklärungen brauchen. Das ist übrigens einer der Gründe, warum die künstliche die menschliche Intelligenz nicht ersetzen wird, sondern im besten Falle einen kognitiven Verstärker sein wird. Davon bin ich fest überzeugt.

Vor welchen Hürden stehen Sie aktuell?

Erstens: Die notwendige Transparenz erreichen Sie nur, wenn Sie Herkunft und Eigenschaften der Daten kennen, auf denen Ihre Analysen beruhen. Da sind wir heute noch recht schwach aufgestellt. Unternehmen halten zwar Daten aus früheren Abläufen vor, sie sind aber kaum verknüpft – beispielsweise mit den Eigenschaften der Messgeräte.

„Es wird Dialoge zwischen Mensch und KI geben. Wie in einem normalen Gespräch.“
Prof. Leon Urbas,
Professor für Prozessleittechnik an der TU Dresden und Koordinator des Projektes KEEN

Zweitens sind Sensoren zur Datenerfassung teuer. Nicht falsch verstehen: Das Bauteil selbst kostet praktisch nichts. Aber das Management of Change, das Engineering drumherum, die Dokumentation im digitalen Zwilling. Das ist aufwendig und macht man nicht mal einfach so – nur um dann hinterher festzustellen, dass der erfasste Datenpunkt eigentlich gar nicht so relevant war.

Und drittens sind die Anwendungsfälle leistungshungrig. Die Ergebnisse der Algorithmen müssen in Echtzeit bereitstehen, sonst erkennen Sie ein Problem unter Umständen erst, wenn es bereits zu einer Störung oder gar einem Sicherheitsvorfall gekommen ist. Wir müssen also skalierbare Systeme aufbauen.

Lohnt sich künstliche Intelligenz dann unter dem Strich überhaupt?

Definitiv – und das Bundeswirtschaftsministerium, das uns in der Wettbewerbsphase gefördert hat, sieht das ebenso. Wir sind davon überzeugt, dass wir unsere sehr gute Wirtschaftsleistung – die Prozessindustrie ist der drittgrößte Wirtschaftszweig in Deutschland – durch KI weiter steigern können und durch die Auseinandersetzung mit KI auch bisher nicht reflektierte Transferprozesse besser verstehen lernen. Und im globalen Wettbewerb wird entscheidend sein, unsere Inventionen aus der Forschung nicht nur schnell, sondern auch nachhaltig in Anwendungsinnovationen überführen zu können. Die Mitglieder der KEEN-Initiative sind überzeugt, dass hierfür offene Innovationsprozesse am besten geeignet sind – auch wenn das für die Prozessindustrie ein nicht ganz einfacher Change-Prozess sein wird.