{"id":1515,"date":"2020-08-04T14:15:35","date_gmt":"2020-08-04T12:15:35","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=topic&p=1515"},"modified":"2022-11-14T16:36:46","modified_gmt":"2022-11-14T15:36:46","slug":"kuenstliche-intelligenz-robotik","status":"publish","type":"topic","link":"https:\/\/websites.fraunhofer.de\/s-tec\/themenfelder\/kuenstliche-intelligenz-robotik\/","title":{"rendered":"K\u00fcnstliche Intelligenz und Robotik"},"content":{"rendered":"\n\n
\n
\n
\n
\n
\n
\"Ein
\u00a9 Fraunhofer IPA; Foto: Rainer Bez<\/figcaption><\/figure>\n<\/div>\n<\/div>
<\/div>
<\/div><\/div><\/div>\n<\/div><\/div>\n\n\n\n

K\u00fcnstliche Intelligenz (KI) h\u00e4lt bereits in vielf\u00e4ltiger Form Einzug in die Produktion: Von intelligenten Lernverfahren f\u00fcr Roboter bis zur automatischen Fehlererkennung. Dagegen steht der Einsatz von Quantencomputern erst am Anfang, gilt jedoch ebenfalls Schl\u00fcsseltechnologie. W\u00e4hrend Quantencomputing und Maschinelles Lernen (ML) lange als getrennte Forschungsbereiche betrachtet wurden, ist inzwischen offensichtlich, dass sich beides hocheffektiv erg\u00e4nzen l\u00e4sst.<\/p>\n\n\n\n

Wenn Maschinen smart werden: K\u00fcnstliche Intelligenz und Maschinelles Lernen<\/h4>\n\n\n\n

K\u00fcnstliche Intelligenz und Maschinelles Lernen sind in aller Munde, doch was bedeuten die beiden Begriffe im Wesentlichen? Von K\u00fcnstlicher Intelligenz ist die Rede, wenn Maschinen zur L\u00f6sung von Problemen bef\u00e4higt werden, f\u00fcr die menschliche Intelligenz erforderlich w\u00e4re. In engem Zusammenhang damit steht Maschinelles Lernen, also dass Maschinen oder Roboter aus Erfahrung Wissen generieren und auf Basis der gelernten Muster und Gesetzm\u00e4\u00dfigkeiten folglich Aufgaben l\u00f6sen.<\/p>\n\n\n\n

Laut einer Bitkom-Studie aus dem Jahr 2019<\/a> halten es 49% der Industrieunternehmen f\u00fcr sehr wahrscheinlich oder eher wahrscheinlich, dass K\u00fcnstliche Intelligenz im Kontext von Industrie 4.0 bestehende Gesch\u00e4ftsmodelle disruptiv ver\u00e4ndern wird. Als wichtigste Vorteile der KI empfinden die befragten Unternehmen die Steigerung der Produktivit\u00e4t (47%), Predictive Maintenance (39%), Optimierung von Produktions- und Fertigungsprozessen (33%) und Steigerung der Produktqualit\u00e4t (25%). <\/p>\n\n\n\n

Maschinelles Lernen als Teilbereich der KI hat im Laufe des letzten Jahrzehnts enorme Fortschritte gemacht. Um Maschinen f\u00fcr komplexe Lernaufgaben zu bef\u00e4higen, sind laut einer 2018 ver\u00f6ffentlichten Fraunhofer-Studie<\/a> die h\u00e4ufigsten Methoden logistische Regression (63,5%), Entscheidungsb\u00e4ume (49,9%), Random Forests (46,3%) und Neuronale Netze (37,6%). Mit ML trainierte Anwendungen sind heute nicht nur dazu in der Lage, Bild-, Video- und Textdaten zu analysieren, sondern auch beispielsweise Text\u00fcbersetzungen zu erstellen, E-Mails zu beantworten, Musik zu komponieren oder Bilder zu produzieren.<\/p>\n\n\n\n

Ein \u00bbQuantensprung\u00ab f\u00fcr Maschinelles Lernen<\/h4>\n\n\n\n

Quantencomputer, d.h. Computer, die nach den Gesetzen der Quantenmechanik operieren, finden erst seit relativ kurzer Zeit Beachtung in Zusammenhang mit Maschinellem Lernen. Die Gemeinsamkeit besteht darin, dass Quantencomputer in gro\u00dfen Datenmengen subtile Muster aufsp\u00fcren, genauso wie es auch beim Prozess des Maschinellen Lernens geschieht. Im Bereich des Quantencomputing besteht momentan noch viel Forschungs- und Entwicklungsbedarf. Doch schon jetzt ist absehbar, dass diese Technologie auch neue M\u00f6glichkeiten im Kontext von ML er\u00f6ffnen k\u00f6nnte.<\/p>\n\n\n\n

Im Moment st\u00f6\u00dft ML bei Anwendungsf\u00e4llen an seine Grenzen, bei denen es n\u00f6tig ist, kontinuierlich anfallende gro\u00dfe Datenmengen auswerten, aus denen die Maschine dann quasi in Echtzeit lernen soll. Dieses Problem k\u00f6nnte Quantencomputing mittelfristig l\u00f6sen, da mit einem Quantencomputer zahlreiche parallele Berechnungen m\u00f6glich sind.<\/p>\n<\/div>\n\n\n\n

\n
\n\n
\n

S-TEC Zentren zum Themenfeld<\/p>\n\n\n\n

\n