Automatische Programmierung von Produktionsmaschinen

Heutige Methoden der Programmierung von Produktionsmaschinen erfordern großen manuellen Aufwand. Dies hat zur Konsequenz, dass der Einsatz heutiger Automatisierungslösungen nur bei großen Stückzahlen wirtschaftlich ist. Im Zuge der Massenpersonalisierung kommt es gleichzeitig zu immer höheren Anforderungen an die Flexibilität der Produktion. Damit kann der Produktionsstandort Deutschland nur mittels einer gesteigerten digitalen Souveränität über die eigenen Produktionsmaschinen durch eine aufwandsreduzierte, fexible Programmiermöglichkeit von Produktionsmaschinen gehalten werden. Zur Reduzierung des Programmieraufwands sind Methoden des Maschinellen Lernens geeignet, insbesondere das Teilgebiet des Reinforcement Learning (RL). Beides verspricht eine deutlich gesteigerte Produktivität. Im Folgenden werden die Möglichkeiten und die Hindernisse auf dem Weg zur RL-gestützten, fexiblen, autonom handelnden Produktionsmaschine analysiert. Besonders im Fokus stehen dabei Aspekte der Zuverlässigkeit von Systemen aus dem Feld der Künstlichen Intelligenz (KI). Ein zentraler Aspekt der Zuverlässigkeit ist die Erklärbarkeit der KI-Systeme. Diese Erklärbarkeit ist wiederum eine tragende Säule der digitalen Souveränität auf der Ebene der das System nutzenden Menschen.