Grundlagen der KI in der Produktion
- Historie, Entwicklung & wichtige Kernkonzepte
- Warum KI in der Produktion?
- Typische KI-Anwendungsfälle in der Produktion
Daten als Grundlage für KI-Projekte
- Welche Daten benötigt KI?
- Dantenqualität & -aufbereitung
- Datenplattformen & IT-Infrastruktur für KI-Projekte
- Cloud vs. On-Premise vs. Edge Computing
- Datenmanagement mit Data Lakes, SQL/NoSQL-Datenbanken
- Integration in bestehende Produktionssysteme (SAP, MES, SCADA, ERP)
Praxis: Teilnehmer analysieren, welche KI-Anwendungsfälle für ihr Unternehmen besonders relevant sind
Werkzeuge & Plattformen für KI
- Low-Code/No-Code KI-Tools für die schnelle Umsetzung
- Google AutoML, Microsoft AI Builder, RapidMiner
- TensorFlow, PyTorch, Scikit-Learn: Einsatz in der industriellen KI
- Siemens MindSphere, Bosch AI, AWS for Manufacturing
- Echtzeit-KI zur Steuerung von Maschinen
Entwicklung des eigenen KI-Projekts
- Von der Idee zur Umsetzung:
- Identifikation eines konkreten KI-Projektziels
- Analyse der verfügbaren Daten und IT-Infrastruktur
- Typische Stolpersteine in KI-Projekten und wie man sie vermeidet