Umetna inteligenca je vsem na ustnicah, toda kje točno so potenciali za proizvajalce obdelovalnih strojev? To je raziskal Eike Rodenbäck iz Nemškega raziskovalnega centra za umetno inteligenco GmbH (DFKI) v projektu „Umetna inteligenca za obdelovalne stroje“ (KI4WZM) – in za to je bil 17. septembra 2026 na mednarodnem sejmu AMB v Stuttgartu nagrajen z nagrado za raziskovalni projekt leta VDW-Forschungsinstitut e.V. „Eike Rodenbäck je obdelovalno industrijo pomaknil korak naprej na poti digitalne transformacije,“ pravi dr. Alexander Broos, direktor VDW-Forschungsinstituta. „Njegovi rezultati pomagajo našim srednje velikim članom odgovoriti na vprašanje, kje in kako lahko ciljno uporabijo umetno inteligenco – v aplikacijah, ki prinašajo koristi, in s KI modeli, ki so primerni za te naloge. Ker je to odlično izpostavil, je bil Eike Rodenbäck izbran za nagrajenca.“
Prvi namigi, kje bi lahko bile izzivi, so dali sami člani VDW. Na tej podlagi je Rodenbäck identificiral področja uporabe, kjer bi umetna inteligenca lahko gospodarsko smiselno podpirala podjetja v industriji. Dejanska izvedba v konkretne predkonkurenčne projekte bo potekala kasneje.
Avtomatizirano upravljanje znanja in diagnoza napak
Sem spada tudi področje upravljanja znanja. Še posebej v časih, ko se bo veliko zaposlenih v bližnji prihodnosti upokojilo, je avtomatizirana dokumentacija procesnega znanja pomembna za zmanjšanje izgube znanja. „Še vedno podjetja različnih panog preprosto zbirajo podatke v Excelovih tabelah, ki jih vodijo ročno,“ opozarja Eike Rodenbäck. „Ti se kopirajo in premikajo sem ter tja. To seveda odpira vrata napakam in izgubi podatkov.“
Ena od projektnih idej, razvite v okviru KI4WZM, je avtomatizirana dokumentacija programske kode. Pri tem bi lahko analiza obstoječih baz kode, podprta z umetno inteligenco, ter usklajevanje z obstoječimi dokumentacijami prispevala k ohranjanju obstoječega znanja, tudi ko iz podjetja odidejo izkušeni zaposleni.
Umetna inteligenca lahko tudi pomaga pri diagnozi napak. Rodenbäck se je pri svojem delu osredotočil na primere, kjer se je težava že pojavila. „Pogosto se napaka prijavi, vendar vzrok ni takoj ugotovljen,“ pojasnjuje 28-letni inženir informatike. Pri multimodalni podpori diagnoze se alarmi krmiljenja povezujejo z dnevniškimi datotekami, podatki o delovanju in dokumentacijo strojev, da se vzroke hitreje identificira in takoj pripravi priporočila za ukrepanje. „S tem bi se lahko skrajšali časi zastojev in zmanjšali stroški servisiranja.“
Optimizacija procesov tudi brez oblaka
Nazadnje je mogoče procese avtomatizirano optimizirati – prav tako področje, kjer lahko proizvajalci obdelovalnih strojev s pomočjo umetne inteligence povečajo učinkovitost svoje proizvodnje. Za pridobitev podatkovno podprtih predlogov za parametre, kot so hitrost vrtenja, pomik ali dovod, ob upoštevanju materiala, orodja, procesnih podatkov in ciljev kakovosti, niso vedno potrebni veliki, energijsko intenzivni modeli umetne inteligence. Enostavnejši oziroma lokalno izvedljivi modeli, ki jih je mogoče uporabiti brez povezave na zunanje oblačne strežnike, ne prihranijo le denarja, temveč tudi energijo.
„Umetna inteligenca ponuja v obdelovalni industriji velik potencial – vendar ne vsak izziv potrebuje zapleten model,“ povzema Rodenbäck. „Odločilno je, da se osredotočimo na tisto, kjer imajo podjetja konkretne potrebe in so na voljo ustrezni podatki. Prav to povezovanje tehnoloških možnosti in zahtev iz prakse je bilo za nas pri KI4WZM še posebej pomembno.“
Prenos znanja v ospredju
Rezultate projekta je Rodenbäck strnil v obsežnem poročilu. Poleg tega je potekala delavnica, na kateri so bile dosedanje rezultate dostopne širšemu krogu v okolju proizvajalcev obdelovalnih strojev, organiziranih v VDW (Zveza nemških proizvajalcev obdelovalnih strojev). Poleg cilja maksimalnega prenosa znanja so udeleženci, ki jih je bilo 60, zbrali tudi druge projektne ideje, jih razvili in prioritizirali.
Digitalna transformacija industrije je v teku, pojasnjuje Broos. In Rodenbäck dodaja: „Nazadnje nam je šlo tudi za to, da podjetja ozaveščamo o pomenu kakovosti podatkov, zanesljivosti, sledljivosti in lokalne obdelave podatkov. Kajti tukaj običajno obstajajo pomanjkljivosti, ki zavirajo nadaljnje aktivnosti.“
Avtorji: Gerda Kneifel, dr. Alexander Broos
Kontakt:
