Vorantreiben von Innovationen
Christoph Kelzenberg, Frank Possel-Dölken und Thomas Bischoff (v. l.) bei einer internen
Informationsveranstaltung, unter anderem zur Verkündung von Richtlinieninhalten, Corporate AI Manager und Schulungskonzept. (Quelle: Phoenix Contact)
Die Erarbeitung der Richtlinie für generative KI-Systeme erfolgte in einem interdisziplinären Team. (Quelle: Phoenix Contact, erstellt mit MS Copilot/Dall-e 3)
Auf Basis von Machine-Learning-Modellen unterstützt das Software-Tool MLnext bei der Optimierung von Prozessen. (Quelle: Phoenix Contact)
Von zentraler Bedeutung ist, dass der Mensch beim Einsatz von (generativer) KI bei Phoenix Contact im Vordergrund steht. Im Unternehmen dient die Richtlinie „Generative KI“ als Enabler dazu, Potenziale für die Nutzung künstlicher Intelligenz zu erkennen, die daraus resultierenden Anwendungsfälle konform durchzuführen und somit Innovationen voranzutreiben. Inzwischen verfügt Phoenix Contact über Trainingsprogramme zur generativen KI in mehr als zehn Sprachen für sämtliche Mitarbeiter. Erfolgskritische Faktoren für diesen ersten Meilenstein bei der Verwendung von generativer KI waren die agile Methode, die unbedingte Bereitschaft aller Bereiche und Mitarbeiter sich in dieses Thema einzubringen, die Zusammenarbeit mit dem Betriebsrat und der Geschäftsführung sowie das Commitment, die Richtlinie „Generative KI“ zur Anwendung zu bringen.
Erstellung von Machine-Learning-Modellen
Künstliche Intelligenz wird bereits seit Jahren in den Produktionsbereichen von Phoenix Contact eingesetzt, damit die Mitarbeiter unter anderem von komplexen oder ermüdenden Tätigkeiten entlastet werden. Ein aktuelles Beispiel stellt MLnext aus dem Ecosystem PLCnext Technology dar. Nachdem die in der digitalen Fabrik in Bad Pyrmont erfassten Daten in einer Datenbank abgelegt worden sind, kann der Anwender das Softwareportfolio nutzen, um Machine-Learning-Modelle zu erstellen, zu trainieren und auszuführen. Das Leistungsspektrum von MLnext beinhaltet folgende Lösungen:
- Mit der kostenfreien Programmierbibliothek MLnext Framework erhalten Entwickler nützliche Hilfsfunktionen zur Auswertung von Zeitreihendaten, sodass sie ihre eigenen Modelle entwickeln können.
- Die Anwendung MLnext Creation erlaubt die Generierung, das Training und die Prüfung eines Machine-Learning-Modells. Der Anwender greift dabei auf eine Reihe von vorerzeugten Modellvorlagen zu, die auf Anomalieerkennung und Potenzialanalyse optimiert sind.
- Das Machine-Learning-Modell lässt sich mit der Anwendung MLnext Execution ohne Programmierkenntnisse hardwareunabhängig realisieren.
MLnext unterstützt somit den gesamten Einsatzzyklus eines Machine-Learning-Modells, indem sowohl Potenziale als auch Probleme aufgedeckt werden können.