Im Laufe der Zeit hat der Mensch Systeme entwickelt, die ihm die Arbeit erleichtern. Allerdings hat er dabei den Anstieg von CO2 in der Atmosphäre nicht bedacht. Dieses Ungleichgewicht ist der Grund für den Klimawandel, ein Phänomen, das bald drastische Auswirkungen haben wird, wenn wir nichts dagegen unternehmen.

KI kann in großem Umfang eingesetzt werden, um die Welt sauberer und sicherer für ihre Bewohner zu machen. Hier sind einige Beispiele dafür, wie verschiedene Branchen KI einsetzen, um ihren CO2-Fußabdruck zu verringern:

Landwirtschaft

KI kann in der Landwirtschaft eingesetzt werden, um Umweltbedingungen zu überwachen und zu steuern, den Verbrauch von Wasser und Düngemitteln zu senken und gleichzeitig die Ernteerträge zu erhöhen.

Wettervorhersagen

KI-gestützte Vorhersagesysteme und intelligente Netzsysteme werden zur Steuerung von Angebot und Nachfrage bei erneuerbaren Energiequellen eingesetzt. Genauere Wettervorhersagen durch KI-Modelle erhöhen die Effizienz, indem sie die Kosten senken und die Erzeugung von unnötigem CO2 vermeiden.

Transportindustrie

KI überwacht Verkehrsstaus, was die Verkehrssysteme verbessert und autonomes Fahren unterstützt.

Wasserversorgung

Durch die Überwachung des Wasserverbrauchs mithilfe von KI-Modellen kann die Wasserverschwendung reduziert und gleichzeitig Geld gespart werden.

KI kann bei der Entwicklung effizienterer Systeme helfen, die deutlich weniger Energie verbrauchen und weniger Verschwendung verursachen.

Stromwirtschaft

KI reduziert den Energieverbrauch in Gebäuden, indem sie die Anzahl der Personen und die Menge der zur Verfügung stehenden nicht erneuerbaren Energie erfasst.

Herstellung von Solarzellen

Mit Hilfe der KI lassen sich bessere Materialien für Solarzellen finden, die Wärme in nützliche Energie umwandeln. Zudem können mit Hilfe der KI CO2-absorbierende Materialien entdeckt werden.

Die Liste der Anwendungsfälle für KI, die zu einer umweltfreundlicheren Produktion beitragen, ist lang. Zahlreiche Unternehmen rund um den Globus setzen auf Umweltfreundlichkeit, und viele nutzen dafür die KI. Einige Beispiele aus unserem Alltag sind:

• Waze und Google Maps machen intelligenten Verkehr möglich, indem sie Echtzeitdaten zum Verkehrsfluss und zu Staus liefern und dafür sorgen, dass Fahrzeuge kürzer unterwegs sind und weniger Emissionen freisetzen.

• Blue River Technology kombiniert Satellitenbilder und KI, um das Auftreten invasiver Arten in einem bestimmten Lebensraum sowie andere Veränderungen der Biodiversität festzustellen.

• Google hat DeepMind AI entwickelt, wodurch der Energieverbrauch für die Kühlung seiner stromintensiven Rechenzentren um 40 % gesenkt werden konnte.

• IBM hat die Genauigkeit seiner Wettervorhersagen durch den Einsatz von KI-Modellen erhöht. Das hilft beim Betrieb von Fabriken und macht die Erzeugung erneuerbarer Energien effizienter, was die schädlichen CO2-Emissionen erheblich reduziert.

• Der gemeinnützige Think Tank Carbon Tracker verfügt über ein KI-Modell, das Satellitenbilder nutzt, um die CO2-Emissionen verschiedener Kohlekraftwerke zu ermitteln. Es trägt dazu bei, Investitionen in umweltfreundliche Projekte zu lenken, indem es Bewusstsein dafür schafft.

In diesem Abschnitt wird erklärt, was Predictive Maintenance, Predictive Quality und Visual Inspection sind. Wir gehen auch darauf ein, wie diese Lösungen hier bei craftworks entwickelt werden, um zu einer umweltfreundlichen Entwicklung in der Industrie beizutragen.

Predictive Maintenance

Predictive Maintenance (vorausschauende Wartung) beschreibt die ständige Überwachung eines Systems unter normalen Betriebsbedingungen, um zukünftige Ausfälle vorherzusagen. Wenn ein Systemausfall durch die Prüfung einer Reihe von vordefinierten Bedingungen vorausgesagt wird, kann er durch rechtzeitige Wartung verhindert werden.

craftworks wurde von einem großen Fernwärmenetz kontaktiert. Dieses umfasst Tausende von Umformerstationen, die für die Kühlung des Wassers zuständig sind, das später an die Kunden geliefert wird. Das Unternehmen hatte mit häufigen und plötzlichen Systemausfällen zu kämpfen, die zu einem Rückgang der Produktivität und Effizienz führten.

Die Experten von craftworks haben daraufhin einen Machine-Learning-Algorithmus entwickelt, der auf der Grundlage von Daten aus der Vergangenheit Systemausfälle sieben Tage im Voraus vorhersagen kann. Auf diese Weise ist das Unternehmen in der Lage die Wartung rechtzeitig zu planen und Ausfälle von vornherein zu vermeiden.

Der Algorithmus sagt dabei nicht nur Ausfälle vorher, sondern findet auch Zusammenhänge zwischen Ausfällen und bestimmten vergangenen Datensätzen. Anhand dieser Informationen erfuhr die Unternehmensleitung, was die Ursachen für die Ausfälle waren und wie sie ihre Systeme verbessern konnte, um die Wahrscheinlichkeit von Systemausfällen insgesamt zu verringern.

Der Algorithmus liefert zunächst Empfehlungen und kann weiter skaliert werden, um automatisch Parameter zur Effizienzsteigerung des Systems festzulegen.

Predictive Quality

Predictive Quality wendet Statistik und Machine-Learning-Algorithmen auf Testdaten aus verschiedenen Quellen an, um daraus nützliche Informationen wie Trends, Muster und zukünftige Ergebnisse abzuleiten.

Diese Praxis hilft bei der Vorhersage von Ausfällen, Engpässen, Produktivitätseinbußen, Fehlern usw. in Systemen. Solche Informationen unterstützen Fachleute bei der Entscheidungsfindung in der Testphase verschiedener Projekte, um deren Gesamtqualität zu verbessern.

craftworks hatte die Gelegenheit, mit einem internationalen Unternehmen in der Ziegelherstellung zusammenzuarbeiten. Der Produktionsprozess bestand darin, das Material für den Ziegel zu mahlen und zu zerkleinern, um es anschließend zu formen und zu trocknen, damit es eine stabile Form erhält. Das Unternehmen war daran interessiert, die Ausschussquote in einer seiner Produktionsanlagen zu senken.

Die Experten von craftworks stellten fest, dass die Qualitätskontrolle im Unternehmen erst zum Schluss erfolgte, so dass die Ursache für den Ausschuss nur schwer zu ermitteln war. Es gab keine Möglichkeit zu wissen, was der Auslöser für die Herstellung eines fehlerhaften Ziegels sein könnte. Diese Unvorhersehbarkeit führte zur Ineffizienz des gesamten Prozesses.

Als Lösung wurden die Qualitätsdaten der Maschine mit den Daten von Sensoren aus verschiedenen Produktionsschritten gepaart. Daraus ergab sich ein Muster, mit dem die Mitarbeiter des Unternehmens schließlich erkennen konnten, wann, wo und warum ein Fehler auftrat.

Die KI für die Qualitätskontrolle von craftworks kann mögliche Probleme in der Fertigung vorhersagen. Die Verwendung von Echtzeitdaten liefert wertvolle Erkenntnisse über die optimalen Einstellungen für die Produktion von qualitativ hochwertigen Ziegeln. Dadurch konnte die Ausschussquote erheblich gesenkt werden.

Visuelle Inspektion

Bei der traditionellen visuellen Inspektion begutachten Fachleute Objekte und stellen Mängel fest. Diese Methode ist klarerweise nicht zu 100 % fehlerfrei, da menschliche Fehler unvermeidlich und die Geschwindigkeit und das Fachwissen von Menschen begrenzt sind. Die KI-basierte visuelle Inspektion löst die Probleme der traditionellen Methode.

Bei der visuellen Inspektion auf Basis von KI werden Bilder eines Objekts in ein Machine-Learning-Modell eingespeist. Daraufhin analysiert das Modell das Bild und erkennt eventuelle Unregelmäßigkeiten. Diese Methode ermöglicht eine schnelle und zuverlässige Qualitätskontrolle.

craftworks hat im Auftrag eines internationalen Automobilzulieferers gearbeitet, der verschiedene Fahrzeugkomponenten herstellt. Bei der Herstellung dieser Autoteile gibt es keinen Spielraum für Fehler, da sie hochwertigen Standards entsprechen müssen. Ziel war es, ein hocheffizientes automatisiertes System zur visuellen Inspektion zu entwickeln. Das System sollte die produzierten Metallteile am Ende der Produktionslinie analysieren.

Das bestehende System des Unternehmens zur visuellen Inspektion funktionierte zwar gut genug, erforderte aber aufgrund der hohen Rate an Pseudoausschüssen menschliche Unterstützung. So blieb das Potenzial des Systems ungenutzt.

Das KI-basierte System von craftworks nutzt industrielle Kamerabilder, um Mängel an Automobilteilen zu erkennen. Dieses System verwendet einen teilüberwachten Ansatz, d.h. die meisten der Daten, die zum Trainieren des Modells verwendet wurden, waren unbeschriftet.

Das System kann leicht zwischen defekten und einwandfreien Teilen unterscheiden. Außerdem kann es die verschiedenen Arten von Defekten lernen und seine Genauigkeit bei der Einordnung von defekten und funktionierenden Teilen verbessern. Das System führte zu einer deutlich niedrigeren Pseudo-Ausschussrate und ermöglichte so eine effiziente automatisierte Qualitätskontrolle. Seitdem muss das Unternehmen nicht mehr die Zeit seiner Mitarbeiter für die Qualitätskontrolle aufwenden!

Ohne die technologischen Fortschritte der letzten Jahre kann der Mensch heute nicht mehr überleben. Allerdings sollten wir auch zugeben, dass wir die Verantwortung für die Folgen dieses Fortschritts tragen.

Künstliche Intelligenz ist ein breites Feld, das in vollem Umfang genutzt werden kann, um die Welt technologisch modern und umweltfreundlich zu machen. Wenn Sie sich umschauen, werden Sie Hunderte von Unternehmen beobachten, die dazu beitragen, ihre Dienstleistungen und Produkte langfristig nachhaltiger zu gestalten.

Es gibt noch so viel mehr zu tun, vor allem im Industriesektor, um den weltweiten CO2-Fußabdruck zu verringern. Wir müssen alle zusammenarbeiten, um nachhaltiger zu werden und unsere Welt umweltfreundlicher zu gestalten. Weitere Lösungen, die sich auf die Nachhaltigkeit Ihres Unternehmens auswirken, finden Sie auf der Seite mit unseren Erfolgsgeschichten. Hier finden Sie konkrete Beispiele für Lösungen, die wir für unsere Kunden entwickelt haben.