#44 Nachhaltige KI mit Philipp Damm

Podcast Industrie 4.0 | Der Expertentalk für den Mittelstand

Künstliche Intelligenz in der Industrie einsetzen und dann auch noch nachhaltig? Für viele KMU noch absolute Zukunftsmusik. In Folge #44 unseres Podcast und Teil 2 der Reihe „Nachhaltig digitalisieren“, wollen wir dennoch Licht ins Dunkel bringen und nachhaltige KI unter die Lupe nehmen.

Andrea Spiegel spricht mit Philipp Damm, CFO der juS.TECH AG, über die Implementierung nachhaltiger KI in die Produktion, konkrete Usecases künstlicher Intelligenz und den Ansatz des Machine-Sharing in der Industrie.

Natürlich geht es auch um die Frage, ob KI überhaupt nachhaltig sein kann und welche Relevanz Edge-KI für die Industrie 4.0 hat.

Das Transkript zur Podcast-Folge: Nachhaltige KI

ANDREA SPIEGEL: Herzlich willkommen zu einer neuen Folge Industrie 4.0, der Experten-Talk für den Mittelstand. Und heute auch direkt mit Teil 2 unserer Nachhaltigkeitsreihe zusammen mit Philipp Damm. Schön, dass du heute wieder dabei bist. Ja, ob zur Datenerfassung, Berechnung von komplexen Problemen oder zum Beispiel auch zur Bilderkennung, KI ist in vielfältiger Weise heutzutage schon im Einsatz. Ihr Potenzial ist, glaube ich, extrem groß, was man so hört und mitbekommt. Gleichzeitig ist sie aber vielleicht auch teuer und verbraucht natürlich auch ein Stück weit Energie. Angesichts der aktuellen Diskussionen rund um das Thema Nachhaltigkeit oder Energiewende fragt man sich vielleicht auch ein bisschen, wie nachhaltig ist am Ende des Tages KI oder vielleicht, wie kann auch eine nachhaltige KI aussehen? Wir wollen uns damit heute beschäftigen. Vielleicht noch vorab, falls ihr noch ein bisschen mehr zum Thema KI auch im Kontext für KMUs hören und sehen wollt. Ja, ihr könnt uns auf YouTube gerne folgen. Kann ich euch unsere Folge 22 empfehlen. Da haben wir mit Lukas Schleicher schon mal ganz allgemein über den Einsatz von KI in Unternehmen gesprochen. Also schaut da gerne oder hört da gerne auch mal rein.

ANDREA SPIEGEL: Philipp, wir haben dich bereits im Teil 1 unserer Reihe kennengelernt. Vielleicht stellst du dich trotzdem noch einmal ganz kurz vor, bevor wir loslegen, falls jemand den ersten Teil verpasst hat.

PHILIPP DAMM: Genau, sehr gerne. Also ich bin Philipp, Mitgründer der juS.TECH AG. Wir beschäftigen uns im Wesentlichen mit nachhaltiger Digitalisierung. Ich selbst komme aus dem Maschinenbau. Wir sind im Gründerteam sehr breit aufgestellt, aus dem Finanzbereich, dem Immobiliensektor und vielen anderen Branchen. Aber letztlich haben wir alle aus dem gleichen Grund angefangen. Wir waren einfach der Auffassung, dass die Digitalisierung ein oft vergessenes Thema in den derzeitigen Nachhaltigkeitsdiskussionen ist. Wir hören viel über CO2-Ausstoß, viel über soziale Themen, aber die Digitalisierung geht einfach als ein sehr großes Buzzword total unter. Wir haben es uns zur Mission gemacht, hier Transparenz zu schaffen und andere dazu anzuregen, sich bewusst zu werden, was sie eigentlich im Rahmen der Digitalisierung für die Nachhaltigkeit tun können. Genau.

ANDREA SPIEGEL: Da ist auf jeden Fall auch ein kleiner Tipp, mal in den ersten Podcast mit Philipp reinzuhören. Da wird noch einmal erklärt, welche Aspekte eine Rolle spielen, was man berücksichtigen muss und inwiefern manche Dinge am Ende auch im eigenen Ermessen liegen oder in der eigenen Definition ein Thema sind.

ANDREA SPIEGEL: Philipp, lass uns vielleicht, bevor wir ganz tief einsteigen, einmal kurz definieren, was du unter KI verstehst. Was ist das für dich? Denn ich glaube, da gibt es so einige Definitionen, die irgendwie alle gleich und doch verschieden sind. Vielleicht kannst du da einmal sagen, wie du das definierst.

PHILIPP DAMM: Also wir definieren das eigentlich relativ schlicht und vielleicht auch nicht ganz an den offiziellen Definitionen entlang. Aber wir versuchen es so zu definieren, dass es wirklich auch jeder versteht. Letztlich ist KI einfach nur eine Möglichkeit, mit verschiedensten Methoden – und wer sich da ein bisschen auskennt, dem muss man nicht erklären, was Methoden sind und welche es da gibt – Daten, vor allem in großen Mengen, zu untersuchen und beispielsweise Auffälligkeiten oder Zusammenhänge zu entdecken, die man vielleicht als Mensch auf den ersten Blick nicht sehen würde oder zumindest nicht so schnell. Dafür müsste man sich schon viel intensiver und mit viel Zeitdahinterklemmen. Letztlich ist es eben durch die Methode möglich – und da kommt es jetzt auf die Methode an – verschiedenste Zusammenhänge zu erkennen. Das wird auch nachher nochmal spannend, wenn wir den Schwenk zum Thema Nachhaltigkeit machen.

ANDREA SPIEGEL: Verstehst du dann unter künstlicher Intelligenz, was ja KI im Prinzip ausgeschrieben bedeutet, auch Machine Learning?

PHILIPP DAMM: Machine Learning ist eine Methode. Es gibt, wie gesagt, sehr viele Methoden, und letztlich muss man sich für die richtige Methode entscheiden. Da setzt das Thema Nachhaltigkeit an. Man muss sich sein Problemanschauen, das man lösen möchte. Dann muss man die Datengrundlage anschauen, sich im besten Fall einen Datenraum bauen und die richtige Methode auswählen. Da beginnt es, ob man nachhaltig ist oder nicht. Wir hatten hier einen Methodenkoffer entwickelt in einem Verbundprojekt, wo wir versucht haben, die entwicklungsbegleitenden Emissionen zu erfassen. Wenn man das gegenüberstellt – welches Problem mit welcher Methode gelöst wurde und wie viel Energie und Emissionen dabei herausgekommen sind –, dann kann man es vergleichen. Der Methodenkoffer lebt davon, dass viele, die entwickeln, ihre Ansätze, wie sie es gelöst haben, veröffentlichen und die Emissionen tracken. Wenn man nachhaltig entwickeln möchte, kann man beispielsweise, wenn man ein Problem hat, hineinschauen und die geeignetste Methode im Voraus auswählen und das Problem damit angehen.

ANDREA SPIEGEL: Okay, also wenn wir sagen, wir wollen eine nachhaltige KI im Einsatz haben, was ist dann zum Beispiel eine Methode, die für dich in den Kontext der Nachhaltigkeit gut passt?

PHILIPP DAMM: Man muss immer das Problem betrachten. Wir hatten beispielsweise die Herausforderung im Immobilienbereich, dass die meisten Gebäude bereits existieren. Neubau ist ja nur ein ganz kleines Thema. Spannend ist, wie man Bestandsgebäude energetisch optimieren kann, um den Energieverbrauch zu senken und damit einen Beitrag zur Nachhaltigkeit zu leisten. Wir haben uns für Federated Learning entschieden, weil wir damit die Möglichkeit haben – und das geht auch mit den Interessen der Besitzer einher –, die Daten an sich nicht zu teilen. Viele sind sehr sensibel, wenn es ums Teilen von Daten geht. Stattdessen teilen wir die Erkenntnisse aus den Daten, also das Wissen.

Damit könnte man beispielsweise erreichen, dass große Wohnbaugenossenschaften durch das Optimieren von Rollosteuerungen ihren Energieverbrauch drastisch senken. Gerade hier im Großraum Stuttgart gibt es sehr große Firmen, die solche Themen bereits in der Praxis umgesetzt haben und es geschafft haben, ihre Gebäude energetisch aufzurüsten, ohne große Investitionen, indem sie auf den bestehenden Steuerungen mit den entsprechenden KIs angesetzt haben.

Vor allem aber auch, und das ist das Spannende, bei KI beschäftigen wir uns in der Regel mit vorhandenen Daten. Daten sind eigentlich immer vorhanden. Die Frage ist nur, ob wir sie aufnehmen können. Eine Maschine liefert viele Daten. Die Frage ist, ob ein entsprechender Sensor eingebaut ist. Kann die Maschine ihren eigenen Stromverbrauch messen? Kann sie die Stromkurven abbilden? Dann kommt man in Bereiche wie Predictive Maintenance und muss immer auf die Methodik achten, die man verwendet, um mit den Daten zu arbeiten. Aber das kann man nicht pauschal beantworten.

ANDREA SPIEGEL: Das heißt aber auch, um das noch einmal abzugrenzen, nachhaltige KI kann man auch in einem landwirtschaftlichen Kontext sehen. Wie kann ich mit KI nachhaltig die Umwelt schützen, indem ich zum Beispiel Agrargesellschaften optimiere? Aber wir schauen uns heute das Thema Industrie an. Also wie kann ich KI und vor allem nachhaltige KI in der Industrie nutzen?

PHILIPP DAMM: Genau. Letztlich ist die Methode, die dahintersteckt, in den verschiedenen Use Cases dieselbe. Das ist auch die Herausforderung. Wir sprechen über eine Technologie, die keinen

direkten Branchenbezug hat. Deswegen ist es schwierig für Technologie-Startups, in die Branchen zu finden. Man braucht einen branchenspezifischen Use Case, den man umsetzt, aber man muss der Experte für die Technologie sein. Im Beispiel Industrie oder Agrar spielt es letztlich keine Rolle, aber man muss erst den Prozess und die Welt an sich verstehen.

Ich wäre nicht in der Lage, auch wenn ich es vielleicht auf der technologischen Seite mit meinen Kolleginnen und Kollegen hinbekommen würde, eine Optimierung der Bewirtschaftung von landwirtschaftlichen Flächen durchzusetzen, weil ich nicht weiß, was man landwirtschaftlich tun muss. Man kann nicht einfach mehr düngen und dann kommt mehr heraus. Ich wüsste nicht, wie man das in der Branche umsetzt. Wir sind darauf angewiesen, zwischen der Branche und den Technologiefirmen zu vermitteln. Deswegen ist es super wichtig, dass wir im Bereich der KI auf eine Sprache und ein Verständlichkeitslevel finden, das beide Seiten verstehen. Wir müssen auch nicht wissen, wie ein Motor funktioniert, um Auto zu fahren. Man muss einfach in der technischen Tiefe abspecken und sich mehr auf die Funktionalität beschränken.

ANDREA SPIEGEL: Das heißt aber auch für mich als Unternehmen, wenn ich sage, ich möchte KI einsetzen, weil es vielleicht einen Use Case gibt, der sinnvoll ist, ist es nicht unbedingt nachhaltig, wenn ich versuche, das selbst abzubilden, also selbst jemanden hinstelle, der das für mich programmiert. Vielleicht ist es dann sinnvoller, die technische Expertise von außen zu holen, während ich die Prozessexpertise habe und wir dann zusammenkommen.

PHILIPP DAMM: Das ist ganz spannend. Tatsächlich ist es so, dass man die Methoden eigentlich gerne teilt. Wenn wir an Projekte herangehen, erfinden wir das Rad nicht neu, sondern schauen, was es bereits gibt und fragen das an. In der Regel darf man das Ganze auch branden. Das heißt, man kauft die Methode von jemandem zu, darf aber seinen eigenen Namen darauf schreiben und kann das Ganze dann verwenden und in die Anwendung bringen. Letztlich, und das ist jetzt ein interessanter Aspekt, ist der Prozess an sich das Spannende. Es geht nicht zuerst um das Werkzeug, wie man arbeitet, sondern um den Prozess. Ein ineffizienter Prozess wird nicht effizient, nur weil man ihn digitalisiert. Wenn man einen effizienten Prozess digitalisiert, kann er zwar effizient sein, aber er nutzt vielleicht nicht alle Vorteile, die die Digitalisierung bietet. Er könnte noch viel effizienter sein.

ANDREA SPIEGEL: Da wären wir wieder bei dem Beispiel mit dem E-Mail-Postfach.

PHILIPP DAMM: Ja, genau, aus der ersten Folge.

ANDREA SPIEGEL: Genau, also kleiner Cliffhanger hier, hört da auf jeden Fall rein.

PHILIPP DAMM: Genau. Darum geht es letztlich. Das ist, glaube ich, auch das Entscheidende aus der KMU-Perspektive. Wenn man sich Gedanken macht, was man in der Produktion verändern könnte, sollte man sich nicht hinsetzen und überlegen, welche Methode man verwendet. Das kann man denjenigen überlassen, die das Ganze programmieren. Spannend wäre es doch zum Beispiel, wenn man merkt, dass man einen sehr hohen Luftverbrauch an den Anlagen hat, weil man viel Pneumatik verwendet. Wenn man es schafft, den Luftverbrauch zu reduzieren, ohne die Hardware zu verändern, beispielsweise durch die intelligente Abschaltung von Maschinen, wenn sie erkennt, dass sie nicht läuft. Natürlich muss man an der einen oder anderen Stelle vielleicht etwas Hardware nachrüsten.

ANDREA SPIEGEL: Sensoren zum Beispiel.

PHILIPP DAMM: Ja, oder auch ein Ventil, das letztlich dann zumacht. Genau, da muss man dann auch im Einzelfall betrachten, dass jedes Unternehmen in der Produktion einzigartig aufgestellt ist. Aber es gibt ganz viele Möglichkeiten. Man muss sich keine Probleme ausdenken, sondern sollte sich wirklich die vornehmen, die man auch hat. Wenn man beispielsweise darunter leidet, dass Maschinen regelmäßig ausfallen, kann man sich mit dem Thema Predictive Maintenance auseinandersetzen und es vor Ort prüfen. Da gibt es viele Ansätze, wie man herangehen kann.

Letztlich muss man sich die Maschine ansehen. Wir reden ja aktuell über Altbestand; bei neuen Maschinen kann man das von vornherein mitdenken. Spannend ist, wie man den Altbestand angehen kann. Man kann zum Beispiel akustische Daten nutzen, was immer interessant ist. Wenn man mit einem Meister spricht, der neben der Maschine steht, sagt er oft, dass er hört, wenn etwas kaputt ist. Das Ganze kann man aber auch mit einem Mikrofon aufnehmen und über die Audiodaten Muster erkennen. Solche Ansätze kann man zum Beispiel für Predictive Maintenance verwenden. Natürlich hat das nicht in jeder Anwendung Sinn, keine Frage.

Aber genau das macht die Entwicklungsarbeit spannend und interessant. Wichtig ist, dass man anfängt und sich Gedanken macht, vielleicht auch über Prozesse, aber im Wesentlichen erst mal über die Probleme oder die Potenziale, die man erschließen möchte. Da hilft es natürlich, sich zu informieren, welche Potenziale andere bereits erschlossen haben. Das ist auch ein Stück Nachhaltigkeit. Man muss das Rad nicht immer neu erfinden, sondern kann schauen, was andere machen, und bewerten, ob es gut oder schlecht ist. Manchmal muss man auch einfach etwas ausprobieren und die Erkenntnis gewinnen, dass es vielleicht doch nicht so gut war. Aber man muss es zumindest versucht haben.

ANDREA SPIEGEL: Also für sich den richtigen Weg zu finden, ist die Kunst sozusagen. Zum Thema Maschinendatenerfassung und wie man alte Maschinen anbinden kann, haben wir tatsächlich auch schon mal eine Folge gemacht mit einem Kollegen. Hört da gerne mal rein. Die Folgennummer habe ich jetzt gerade nicht präsent, aber ich glaube, ihr findet sie in unserem Feed. Da gehen wir genau auf solche Themen ein. Wie kann ich alte Maschinenanbinden oder mit neuer Technik ausstatten, um sie für Predictive Maintenance und Co. nutzbar zu machen.

ANDREA SPIEGEL: Kann KI per se überhaupt nachhaltig sein? Ich denke da an die Rechenleistung, die verbraucht wird. Die Energie dafür muss ja auch irgendwo herkommen. Wenn man das in einem größeren Kontext betrachtet, müsste ich dann nicht auch nachhaltige Energiegewinnung haben, um diese Energie wieder für meine KI einsetzen zu können? Oder ist das zu kompliziert gedacht? Geht es darum erst mal gar nicht, weil du schon von den Methoden gesprochen hast?

PHILIPP DAMM: Ja, wir hatten in der ersten Folge das Thema angesprochen, nachhaltig digitalisieren und nachhaltige Digitalisierung. Das sind zwei Perspektiven, und genau da sind wir jetzt. Wir müssen bei der KI zwischen der Entwicklungs- und Trainingsphase und der späteren Betriebsphase unterscheiden. Und da geht es auch tief in das Thema Nachhaltigkeitsbilanzen hinein. Für was bin ich verantwortlich? Als Entwickler bin ich verantwortlich für die Emissionen, die bei der Entwicklung und dem Training des Modells entstehen. Wenn es sich später im Betrieb befindet, übergebe ich diese Verantwortung, zumindest größtenteils, an den Betreiber.

Ist KI per se nachhaltig? Alles, was Emissionen erzeugt, ist nicht nachhaltig, wenn es keinen Nutzen hat. Da muss man wieder stark auf den Use Case schauen und überlegen, wie weit der Nutzen den Aufwand aufwiegt. Pauschal kann man darauf nicht antworten, aber es gibt natürlich Modelle oder Anwendungen, bei denen die KI nicht nachhaltig ist. Es gibt jedoch auch eine überwiegende Anzahl von Beispielen, bei denen sie einen sehr wertvollen Beitrag leistet. Man muss nur aufpassen. Es wird viel über Effizienzen gesprochen. Oft ist es jedoch so, dass wenn man effizienter wird, man nicht unbedingt weniger konsumiert. Das macht die Berechnungen oft schwierig.

ANDREA SPIEGEL: Man wird effizienter, macht dann aber wieder mehr.

PHILIPP DAMM: Wenn jetzt zum Beispiel Autofahren günstiger und umweltfreundlicher wird, aber sich die Anzahl der Fahrzeuge verdreifacht und die zurückgelegten Kilometer in der persönlichen Mobilität zunehmen, dann hat man nichts gewonnen, obwohl das einzelne Fahrzeug wesentlich nachhaltiger geworden ist.

ANDREA SPIEGEL: Deswegen sind Carsharing und ähnliche Konzepte auf dem Vormarsch. Es kommt vielleicht auch ein Stück weit daher.

PHILIPP DAMM: Solche Ansätze findet man tatsächlich schon im Maschinenbau. Man teilt sich Maschinen, um die Auslastung hochzuhalten, indem verschiedene Firmen auf die gleichen Maschinen zurückgreifen. Dadurch wird es wesentlich günstiger, weil der Maschinenstundensatz niedriger wird, da die Maschine länger betrieben und besser ausgelastet werden kann. Das hat für alle den Vorteil, dass die Produkte, die von der Maschine produziert werden, günstiger werden. Für kleine Firmen gibt es mittlerweile Konzepte, die sich lohnen, wenn man nicht viel, aber regelmäßig produzieren muss. Man schafft sich keine Maschine an, sondern nutzt

ein Shared-Konzept, bei dem man die Hardware teilt. Das funktioniert heute schon.

ANDREA SPIEGEL: Und das funktioniert auch in einem, ich sag mal, viele Maschinenbauer sind ja auch relativ spezialisiert. Das kommt dann wahrscheinlich ein bisschen auf die Maschine an, die ich mir da teilen will, oder? Also wenn ich jetzt super spezielle Teile oder sowas zum Beispiel in einer Presse irgendwie machen lassen muss oder so, dann kann ich vielleicht das Werkzeug mitbringen und derjenige hat die Presse, oder wie läuft das ab?

PHILIPP DAMM: Also gerade bei Pressen müsste man tatsächlich das Werkzeug mitbringen, weil …

ANDREA SPIEGEL: Darum geht es nachher bei der Presse, ja.

PHILIPP DAMM: Genau, die Werkzeuge sind ja letztlich das Entscheidende. Aber ich hatte jetzt eher an Fräs- und Drehmaschinen gedacht. Da ist es nicht ganz so kompliziert. Natürlich muss man die richtige Anzahl Freiheitsgrade haben und die Konturvorgaben müssen stimmen. Nicht jede Fräse hat die Geschwindigkeit, um einen Fräser mit einem halben Millimeter Durchmesser betreiben zu können. Da braucht man eine entsprechend hohe Drehzahl, damit der Span noch abfliegt. Da muss man sich dann schon den Maschinenpark anschauen.

Aber die wesentlichen Metall- und Span-Bearbeitungsschritte bekommt man eigentlich auf einem gewöhnlichen Maschinenpark mit Fräsen, Drehen und Bohren gut abgebildet. Und sowas kann man dann auch gut auslagern. Oder auch ganz modern: 3D-Druckteile. Ich muss das Teil nicht dort produzieren, wo meine Firma sitzt. Ich kann es konstruieren, wo meine Firma sitzt, und es im besten Fall sogar direkt an der Maschine beim Kunden ausdrucken. Dann spare ich mir die gesamte Logistik dieses Teils. Ich bin schnell und effizient, da ich keinen ökologischen Einfluss durch die Logistik habe. Natürlich gibt es wieder andere Themen, die man berücksichtigen muss, aber da gibt es schon moderne Konzepte.

ANDREA SPIEGEL: Finde ich sehr spannend. Ich habe nur so nachgefragt, weil ich den Zuhörerinnen und Zuhörern gerne ein bisschen Input liefern wollte, bei welchen Maschinen man das vielleicht überlegen könnte. Sehr spannend, danke dafür.

ANDREA SPIEGEL: Wir haben schon ein paar Use Cases angesprochen. Wo würdest du sagen, kann ich nachhaltige KI im Unternehmens- oder im Industriekontext wirklich sinnvoll einsetzen und wie kann so ein Use Case dann nachher aussehen?

PHILIPP DAMM: Also die einfachsten, realisierbarsten Use Cases finden sich immer in der Produktion. Wo mit Maschinen gearbeitet wird, wo mit Fahrzeugen gearbeitet wird, da ist es relativ einfach, weil man dort am einfachsten auch Daten aufnehmen kann. Natürlich muss man dann schauen, ob man mit den Daten auch etwas verbessern kann. Vielleicht ist ja schon alles perfekt, dann hilft mir eine KI auch nicht weiter.

Aber gerade an Maschinen, wo man dann vielleicht auch in der Qualitätssicherung mit Bildern arbeitet, ist das schon ganz spannend. Ein bisschen komplizierter wird das Ganze, wenn man aus der Produktion herausgeht. Trotzdem gibt es sehr große Potenziale im gesamten Büroumfeld, beispielsweise das automatische Erkennen von E-Mail-Anhängen. Wenn eine Adressänderung in einem Anhang geschickt wird, dass es automatisch an die zuständige Abteilung für Adressänderungen weitergeleitet wird, dass Neukunden- oder Verkaufseinfragen entsprechend an den Vertrieb weitergeleitet werden und dass die Krankmeldung dann bei der richtigen Personalsachbearbeitung oder beim Sachbearbeiter ankommt. Solche Prozesse kann man sich natürlich schon anschauen.

Da gibt es dann natürlich auch wieder ganz vielfältige Möglichkeiten. Man kann gescannte Dokumente analysieren, beispielsweise die automatische Rechnungsverarbeitung, sodass sie letztlich nur noch freigegeben werden muss. Der Übergang von Papier ins Digitale ist natürlich oft eine Herausforderung, weil noch viel manuelle Arbeit notwendig ist. Man muss nur aufpassen, das ist nämlich auch etwas, was man oft erlebt. Gerade mit KI werden oft die einfachen Tätigkeiten automatisiert, weil die komplexen Tätigkeiten sich noch nicht automatisieren lassen, zum Beispiel beim autonomen Fahren oder auch beim Fliegen im Cockpit. Es ist tatsächlich für das Gehirn viel schwieriger.

Das ist basierend auf Forschungen der Universität Ulm, dem Psychologie-Campus, wo sie sich mit dem Thema beschäftigen, wie sich KI eigentlich auf den Menschen auswirkt. Wenn man nur die einfachen Tätigkeiten durch KI automatisiert, muss die Person, die mit der KI arbeitet, letztlich viel intensiver kontrollieren, ob das System das macht, was es soll. Dabei wird das Gehirn viel mehr angestrengt, als wenn man die einfache Tätigkeit selbst macht.

Das heißt, beim autonomen Fahren auf einem Level, wo man noch einen Fahrer hat, der auch noch ein Lenkrad zur Verfügung hat und im Notfall eingreifen muss, ist der Denkaufwand und die Anstrengung für das Gehirn des Fahrers viel höher.

ANDREA SPIEGEL: Wann greife ich jetzt ein, sozusagen, zum Beispiel?

PHILIPP DAMM: Ja, weil man die ganze Zeit die Umgebung überwachen muss und das Vertrauen in die Technik vielleicht noch nicht da ist. Durch das Überwachen des Systems wird das Gehirn permanent gefordert, was viel geringer wäre, wenn man sich einfach auf die Straße konzentriert. Da muss man aufpassen, dass man im Unternehmenskontext nicht einfach immer nur die einfachen Tätigkeiten automatisiert. Diejenigen, die dann die Anlagen überwachen, sind letztlich viel mehr gefordert, auch wenn man es vielleicht im ersten Moment gar nicht spürt. Das kann man aber letztlich messen. Das ist auch wieder etwas, was in die Nachhaltigkeit mit reinspielt, die soziale Komponente. Oft erlebt man, dass vor allem einfache Tätigkeiten einfach nur digitalisiert werden, damit sie digital sind. Einer unserer Leitsprüche lautet: Digitalisierung der Digitalisierung wegen ist einfach nicht nachhaltig.

ANDREA SPIEGEL: Das ist dann wieder die Krux an der Sache sozusagen.

PHILIPP DAMM: Absolut.

ANDREA SPIEGEL: Jetzt hast du gerade schon das Thema Qualitätssicherung mit nachhaltiger KI angesprochen. Du hast also vor allem im Bereich Produktion das größte Potenzial gesehen. Kannst du da vielleicht auch nochmal ein Beispiel nennen, wie das aussehen kann?

PHILIPP DAMM: Im Rahmen der Qualitätssicherung ist es zum Beispiel von Vorteil, wenn man mit einer Kamera überprüft, dass das Ergebnis, das die Maschine verlässt, auch dem entspricht, wie es letztlich sein soll. Das kann bei montierten Teilen sein oder bei einer Abfüllung, wo man überprüft, ob die Füllstände stimmen oder ob die Schrauben wirklich so angezogen sind, wie sie sein müssen. Mit einer eindimensionalen oder zweidimensionalen Bilderkennung wird das Ganze schwierig. Umso mehr Kameras man hat, desto besser kann man Konturen erkennen.

Letztlich könnte ein Mensch eine Sichtprüfung auch machen, aber nicht in der Geschwindigkeit, wie es eine Hochgeschwindigkeitskamera kann. Man kann so große Stückzahlen schnell prüfen. Im besten Fall sitzt noch ein Mensch dabei, wenn sich die KI unsicher ist. Dann werden einzelne Bilder zur Prüfung vorgelegt oder die Teile zur Prüfung vorgelegt. Dann muss man von Hand bestätigen, ob es sich um ein gutes oder schlechtes Teil handelt.

Warum ist das wichtig? Eine KI ist so gebaut, dass sie in der Regel auch im Betrieb noch lernt. Wenn sich Teile kontinuierlich verändern, kann eine KI die Veränderung als normal aufnehmen. Aber sie braucht einen Menschen, der sagt, dass es sich um ein normales Teil handelt und nicht um Ausschuss.

ANDREA SPIEGEL: Wenn man zum Beispiel eine Schraube, die vorher blau war, durch eine rote ersetzt, würde die KI am Anfang denken, das war sonst immer blau, wenn sie so trainiert wurde? Oder ist das ein blödes Beispiel?

PHILIPP DAMM: Ich würde eher sagen, wenn sich zum Beispiel Fräswerkzeuge abnutzen, bekomme ich andere Toleranzen. Wenn das Teil aber trotzdem noch innerhalb meiner Toleranz liegt, ist es ein gutes Teil. Die KI würde den Unterschied trotzdem erkennen. Nicht jedes Teil ist 100 Prozent identisch. Manche Geometrien haben relativ große Toleranzen. Die KI muss erkennen können, dass es sich um ein Teil handelt, das sich in der Toleranz befindet, weil nicht jedes Teil gleich ist.

Spannend sind Farbe und Oberfläche. Bei glänzenden und spiegelnden Oberflächen, wie sie bei Automobilteilen vorkommen, die Just-in-Time in unterschiedlichen Farbvarianten direkt hintereinander bearbeitet werden, ist das eine Herausforderung. Ein glänzendes Teil erzeugt von der Kamera aus jeder Perspektive ein anderes Bild, weil das Licht anders reflektiert wird. Das ist super schwierig bei der Bilderkennung, vor allem mit glänzenden Teilen oder tiefschwarzen Teilen zu arbeiten. Die Kontur ist schwer zu erkennen, wenn etwas ganz tiefschwarz ist.

Deshalb lohnt es sich, mit mehrdimensionalen Kameras zu arbeiten, um die Konturen aus unterschiedlichen Perspektiven erfassen zu können. Eine der größten Herausforderungen ist der Griff in die Kiste mit einem Roboter: Lagerkennung, Greifpunkt bestimmen. Im schlimmsten Fall liegt das Teil flach auf dem Boden, in der Ecke, und der Roboterarm kommt nicht hin.

Da kann man viel mit KI machen, wie intelligente Bahnplanung. Es gibt viele Anwendungsmöglichkeiten, die nicht nur Effizienz betreffen, sondern auch technologischen Fortschritt. Ein Roboter kann selbst Pakete bestücken, alle Teile erkennen, aus dem Regal oder aus Kisten greifen und einsortieren und stapeln.

ANDREA SPIEGEL: Damit man nicht einen großen Karton mit nur etwas Kleinem darin bekommt.

PHILIPP DAMM: Ja, für uns ist es relativ simpel, das Teil in die Kiste zu legen. Ein Roboter hat einen Greifer, der an einem Gelenk hängt. Je nachdem, wie man das Teil einsetzt, ist das Gelenk vielleicht schon im Weg. Man kann es nicht einfach nur in die Kiste einsetzen, sondern muss es auch richtig gegriffen haben. Für uns ist das relativ simpel. Wir greifen intuitiv da, wo wir den Schwerpunkt vermuten, weil wir es aus Erfahrung kennen. Ein Roboter, der noch nie eine Flasche gegriffen hat, weiß nicht, wo der Schwerpunkt ist.

Das muss man mit entsprechenden Methoden aufarbeiten. Man kann Geometrien darüberlegen, den Greifpunkt bestimmen und das aus dem digitalen Erfahrungsschatz ableiten. Es gibt viele Möglichkeiten, wie man mit solchen Technologien arbeiten kann.

ANDREA SPIEGEL: Wie kann ich jetzt als Unternehmer den Kosten-Nutzen-Faktor abwägen? Also ich sage mal, das ist jetzt wieder sehr effizienzgetrieben, vielleicht auch ein Stück weit, aber wie kann ich die Kosten-Nutzen-Abwägung zwischen einer normalen KI und einer nachhaltigen KI vornehmen?

PHILIPP DAMM: Das kann man als Betreiber letztlich nicht abwägen, weil oft fehlt, und das ist gerade in der Digitalisierung insgesamt ein ganz großes Problem, die Transparenz über die Emissionen in der Digitalisierung. Ich wäre auch nicht in der Lage, die Emissionen meines eigenen Fahrzeugs zu bestimmen. Warum sollte dann jemand, der ein Unternehmen hat oder in einem Unternehmen angestellt ist, in der Lage sein, die Emissionen der KI zu bestimmen?

Letztlich ist man da immer auf den Hersteller angewiesen und muss sich mit ihm auseinandersetzen. Man muss natürlich auch die Kundeninteressen und Kundenvorgaben in Richtung Nachhaltigkeit kommunizieren und kann dann entsprechende Messwerte verlangen. Man sollte verlangen, dass während der Entwicklung das Ganze mitgetrackt wird, damit man sagen kann: Mein Hersteller garantiert mir folgende Punkte im Bereich der Ökologie. So würde es funktionieren, aber in eine Software reinzuschauen, das ist für denjenigen, der sie anwendet, in der Regel gar nicht möglich.

ANDREA SPIEGEL: Und wahrscheinlich auch nicht unbedingt zielführend für denjenigen.

PHILIPP DAMM: Ja, man hat sich ja schon dafür entschieden, diese Software zu nutzen, weil man sich einen Vorteil daraus erhofft. Sonst hätte man sie ja gar nicht angeschafft. Aber dann spielt es eben, und das ist das Bewusstsein, es spielt dann eigentlich gar keine Rolle, weil man sieht es ja nicht, es ist nicht da, man kann es nicht anfassen, aber es ist trotzdem da.

ANDREA SPIEGEL: Hast du vielleicht noch mal ein Projekt für uns, das ihr vielleicht in der letzten Zeit oder vielleicht auch gerade im Moment in Planung habt, wo das Thema nachhaltige KI eine wichtige Rolle spielt?

PHILIPP DAMM: Ist jetzt tatsächlich ein Stück weit raus aus dem Thema Industrie 4.0. Wir arbeiten gerade daran, einen Standard zu entwickeln für die Bewertung von Nachhaltigkeitskriterien bei Startups. Warum? Es ist heutzutage mittlerweile ein ganz entscheidendes Kriterium für Investoren, dass Unternehmen und vor allem auch Startups sich in den Bereichen ESG entsprechend nachhaltig aufstellen.

ANDREA SPIEGEL: Was sind das für Bereiche? Für mich?

PHILIPP DAMM: Also Economical, Social und die Governmental. Und dass man sich eben nachhaltig aufstellt, und da gibt es keinen allgemeinen oder einheitlichen Bewertungsstandard, wenn man jetzt bei großen Unternehmen denkt. Es gibt halt mehr oder weniger einen Standard für beispielsweise die Nachhaltigkeitsberichterstattung oder einen Rechnungslegungsstandard. So was gibt es. Es gibt aber keinen Standard, wie man jetzt die Nachhaltigkeit von Startups bewertet. Letztlich ist es aber ein ganz wichtiges

Entscheidungskriterium für einen Investor, weswegen Investoren sowas ja haben möchten. Und wir schauen uns jetzt letztlich hier gar nicht im Detail das Unternehmen an, sondern wir geben dem Unternehmen was an die Hand, damit es sich selbst möglichst schnell, aber auch umfassend mit den vorhandenen Daten bewerten kann, um dem Investor eine Auskunft darüber zu geben. Solche Projekte sind eben aus der Technologiesicht genau unser Ding. Ist vielleicht auch ein tolles Beispiel dafür, dass man nicht jeden Markt und jeden Use Case im Detail schon mal als Technologieentwickler gemacht haben muss, solange man eben mit Partnern zusammenarbeitet, die genau dieses Thema beherrschen. Und dieses Projekt setzen wir mit einem Investor um, der eben für sich entdeckt hat, dass es für ihn als Investor ein ganz großes Problem ist, weil er gar nicht einschätzen kann, wie nachhaltig sind eigentlich die Startups. Und so was kann man dann schon aufarbeiten. Und letztlich leistet man da einen Beitrag, auch in dem Thema Nachhaltigkeit, weil wir unterstützen ja quasi durch den Use Case nachhaltiges Investment. Und ja, das ist beispielsweise jetzt ein Use Case, aber ganz raus aus diesem Industrieverbindung Null-Thema.

ANDREA SPIEGEL: Oder vielleicht am Ende auch wieder rein, je nachdem, was es auch nachher für ein Startup ist. Es ist ja für die vielleicht auch schön, wenn sie sich von vornherein quasi mit diesem Thema befassen und das so in ihren Betrachtungsrahmen mit einziehen. Ich höre daraus jetzt schon so ein bisschen die nächste Frage anklingen.

ANDREA SPIEGEL: Ich frage sie trotzdem. Ich finde, aktuell wirkt das Thema für mich noch ein bisschen nischig. Also KI, ja klar, alle wollen irgendwie was mit KI machen. Und jeder denkt irgendwie, dass man das jetzt gerade unbedingt haben muss. Oder oft ist es auch schon im Alltag angekommen, sag ich jetzt mal, gerade auch, wenn man die Smartphones anschaut oder so. Aber wie wird sich das Thema so in den nächsten fünf bis zehn Jahren deiner Einschätzung oder eurer Einschätzung nach noch weiterentwickeln? Also ist das jetzt was, was aus der Nische ein bisschen rauskommen wird, was relevanter werden wird? Oder ist das was, was tendenziell erst mal noch da bleibt?

PHILIPP DAMM: Also mein Eindruck ist, dass es tatsächlich gar kein Nischending aktuell ist. Und zwar, wenn man auf die Seite der Entwickelnden geht. Wir sind im KI-Bundesverband aktiv. Und da gibt es eine relativ große Community mittlerweile, für die sich eben gerade dafür einsetzt, dass eben man auch nachhaltig draufschaut, woher kommt das? Eigentlich ist es nur getrieben entsprechend aus den Vorwürfen, mit denen man sich als Entwickler auseinandersetzen muss. Und interessanterweise, wenn man das Thema KI anspricht, in einer Gruppe, die sich davor nicht mit beschäftigt hat, dann kommt immer der böse Roboter, der die Menschheit übernehmen möchte. Also das sind so diese Worst-Case-Szenarien, die man sich da ausdenkt, weil da einfach das Verständnis ein bisschen dafür fehlt. Aber in Wirklichkeit ist es letztlich nur das Arbeiten mit Methoden. Also alles, was ich mit meiner Hand am Arm, an einem Blatt Papier oder auch mit dem Computer hinbekommen, wo ich Datenauswertung, Analysen mache, was auch in Richtung Statistik auch viel geht, all das kann letztlich auch eine KI. Und ob das jetzt auf einem Navigationssystem anfängt, früher hätte man gesagt, das ist KI. Heute wird wahrscheinlich jeder sagen, Navigationssystem ist keine KI. Ja, aber letztlich ist es ja doch ein Stück weit eine intelligente Routenplanung. Es wird live der Verkehr mit überwacht, also eine große Datenmenge verarbeitet. Ja, es fehlt der lernende Aspekt, aber KI muss ja auch nicht zwangsläufig immer lernend sein oder selbst lernend. Hat man ja in Unternehmenspraxis jetzt auch nicht zwangsläufig. Aber die entwickelnden Unternehmen haben natürlich ein Interesse, auch möglichst einen Beitrag in dem Bereich zu leisten und achten natürlich gerade in der Entwicklung, in dem Training auch drauf, dann Methoden zu verwenden, die dann auch nachhaltig sind. Weil letztlich merkt es auch der Endkunde in der Stromrechnung spätestens oder der Serverbetreiber, der vielleicht da keinen Einfluss drauf hat, aber man merkt es ja letztlich im Endergebnis dann schon, weil es ist ja da. Nur wenn man es halt nicht direkt sieht, nimmt man es nicht wahr, aber deswegen ist es ja nicht nicht da. Und das ist ja auf der entwickelnden Seite, glaube ich, kein Nischenthema. Die Frage ist nur, wie geht man es an?

Und da ist das große Problem, weil es halt da nicht diesen einheitlichen Weg gibt, wo man sagt, das ist jetzt nachhaltig, sondern das muss eben jeder für sich selbst ein Stück weit gerade noch entdecken und auch erforschen. Und wie kann man es transparent gestalten? Und da ist gerade ganz, ganz viel Bewegung drin. Aber das wird sich über die nächsten zehn Jahre hoffentlich ein Stück weit auch vereinfacht werden, indem man es eben standardisiert. Und da sind gerade auch, gerade über den DIN-Normungsausschuss, auch über den KI-Bundesverband Vertreter mit dabei, die sich gerade mit dem Thema, wie bewertet man eigentlich die Nachhaltigkeit von KI dann auch befassen.

ANDREA SPIEGEL: Also es bleibt auf jeden Fall spannend. Ich finde, man hört schon raus, dass es eine sehr komplexe Aufgabe ist, da auch eine DIN-Norm, eine Norm überhaupt oder einen Standard zu etablieren. Also da bin ich gespannt.

PHILIPP DAMM: Welche Kriterien fasst man denn? Und da ist das ganz große Problem. Nur weil man Kriterien vorschreibt, die man fassen muss, heißt es ja noch lange nicht, dass jeder in der Lage ist, die auch zu erfassen. Und das ist halt eine super komplexe Aufgabe, bei der man jetzt gerade auch gemeinschaftlich mit den Entwickelnden daran arbeitet, das dann auch zu lösen.

ANDREA SPIEGEL: Zum Abschluss würde mich gerade mal noch interessieren, du hast vorhin schon mal das Thema Federated Learning im Kontext dieses Immobilienprojekts, was ihr habt oder hattet, angesprochen. Es gibt ja auch noch so Ansätze wie Edge AI oder Edge KI. Kannst du da vielleicht einmal noch mal eine Einschätzung geben, was du denkst, was bei diesen beiden Konzepten die Potenziale sind und wie die vielleicht in Zukunft noch eine größere Rolle spielen könnten?

PHILIPP DAMM: Also letztlich ist es ja bei diesem ganzen Thema immer nur eine Frage, wo halte ich die Rechenkapazität vor? Und das Spannende ist jetzt letztlich, also es hängt ja auch ganz viel immer mit Netzwerken zusammen, vor allem, wenn man dann Daten auch irgendwo in der Cloud bringen muss. Und damit hat man ja dann auch Übertragungszeiten. Und wenn man gerade schnelle Entscheidungen braucht, ist es natürlich super blöd, wenn man dann lang drauf warten muss. Und deswegen gibt es da gerade in die Richtung ja ganz viel Initiativen, auch vor allem im Maschinenbau. Viele Hersteller entwickeln jetzt gerade auch ihre eigenen Edge Devices, um eben möglichst die Rechenleistung, die man auch vor Ort braucht, an die richtigen Orte zu bringen und nicht alles mehr zentral zu machen, sondern man spricht auch davon, Intelligenz in die Komponenten zu bringen. Also dass die Komponente selbst schon in der Lage ist, eine Entscheidung zu treffen, dass man das gar nicht mehr alles zentral macht. Und ja, letztlich glaube ich schon, dass auch das Thema Edge AI eine Zukunft hat. Es ist einfacher, denke ich, aus einer Nachhaltigkeitsperspektive das Ganze dann zu bewerten, weil letztlich befindet es sich ganz klar halt in eigener Hand und in eigener Verantwortung. Es ist ja auch physisch da. Man sieht es ja tatsächlich auch an den Geräten. Spannend ist draus, wie sich jetzt durch diese Entwicklung dann auch die Maschinen weiterentwickeln können. Also wenn wir vielleicht irgendwann ganz neue Produktionskonzepte dann auch sehen, weil wir jetzt in der Lage sind, eben schneller noch zu sein, weil wir in der Lage sind, komplexere Rechenleistungen direkt an Komponenten durchzuführen. Das wird sich zeigen, inwieweit man vielleicht auch modularer werden kann. Da gibt es, ja, man kann das in jede Richtung weiterdenken. Aber erst mal muss sich jetzt natürlich die Technologie mit auch entwickeln. Das ist man ja gerade noch in einem, vielleicht nicht Anfangsstadium, aber es ist jetzt auch noch nicht in der breiten Masse verfügbar und nicht, also garantiert in ganz wenig Maschinen auch schon umgesetzt.

ANDREA SPIEGEL: Ja, da ist auf jeden Fall noch ein Weg zu gehen. Wie lang oder wie kurz der sein wird, werden wir sehen. Ich glaube, es bleibt spannend. Ist auf jeden Fall ein Thema, wo noch nicht das letzte Wort gesprochen ist und viel passieren wird in nächster Zeit.

PHILIPP DAMM: Ja, es entwickelt sich.

ANDREA SPIEGEL: Ja, das ist vielleicht ein schönes Abschlusswort. Also es entwickelt sich. Wir hoffen, wie gesagt, auch, dass euch die Folge wieder gut gefallen hat. Wenn ihr noch Fragen habt, dann lasst uns die gerne in einem Kommentar da oder schreibt uns an unsere E-Mail-Adresse. Die findet ihr in der Videobeschreibung. Oder wenn ihr das Ganze als Podcast

hört, natürlich auch in den Show Notes. Schaut da gerne vorbei. Ansonsten lasst uns gerne einen Daumen nach oben da oder eine Bewertung bei iTunes, wenn euch das Video gefallen hat. Oder schlagt uns auch gerne neue Themen vor, wenn euch noch was interessiert. Vielleicht auch in dem ganzen Nachhaltigkeitskontext mit der Digitalisierung und Industrie 4.0. Falls ihr da noch Fragen habt oder euch eben noch Ideen kommen, was ihr gerne mal als Folge hören würdet. Vielen Dank nochmal an dich, Philipp, dass du heute wieder da warst. Es war sehr spannend, das Thema KI mal ein bisschen aus der Nachhaltigkeitsperspektive zu beleuchten. Und dann würde ich sagen, bis zum nächsten Mal. Macht’s gut.

Welche Idee steckt hinter der Multikommissionierung in der Lagerlogistik?

„Die Idee bei der Multikommissionierung ist auch da, eben solche Leerfahrten, Leerwege, egal ob jemand läuft oder eben fährt, zu vermeiden.“

Noch Fragen zu dieser Folge oder Themenvorschläge für weitere Folgen?

Nutze ganz einfach und unverbindlich unser Kontaktformular. Wir beantworten gerne deine Fragen und gehen auf individuelle Anfragen oder auch Themenvorschläge ein.

Kontakt aufnehmen

Weitere Folgen unseres Podcast Industrie 4.0 – der Expertentalk für den Mittelstand

90-podcast-digitalisierung-werkzeugbau
44-podcast-Nachhaltige-KI
20-podcast-MDE

Jetzt anmelden zur Expert-Info:

Zur Anmeldung

Kundenbereich

Customer Support
Security Report
© Copyright 2024 - L-mobile | mobile Softwarelösungen