KI-basierte Anomaliedetektion in der Produktion

Mit der stetig zunehmenden Menge an IoT-Komponenten werden die in der Produktion aufgenommenen Datenmengen zukünftig weiterhin enorm wachsen. Für den Menschen wird es dabei zunehmend schwerer, den Überblick über den Inhalt der aufgenommenen Daten zu behalten. Automatisierte Lösungen aus dem Bereich des maschinellen Lernens bieten enorme Vorteile bzgl. Analyseaufwand und Erkennungsgenauigkeit potentieller Schadensfälle. Die direkte Klassifikation spezifischer Schadensfälle ist jedoch aufgrund der für Fehlerfälle oftmals nicht vorhandenen Daten vielfach nicht anwendbar. Stattdessen müssen in der Regel Daten des Normalbetriebs (""Gut-Fälle"") ausreichen. Abweichungen davon werden als Anomalien bezeichnet und können mittels Verfahren des maschinellen Lernens (ML) erkannt werden. Dieser Vortrag gibt einen Überblick über wesentliche Methoden der Anomalieerkennung und liefert Beispiele für deren erfolgreiche Integration in bestehende Produktionsabläufe.