Der KI werden oft grenzenlose Möglichkeiten zugesprochen. Um KI sinnvoll einzusetzen, ist ein realistisches Bild von den Möglichkeiten und Grenzen sehr wichtig. WDS hat bereits vor einigen Jahren angefangen, mit einer eigenen Digitalisierungsabteilung nach modernen Lösungen für die Süßwarenindustrie zu suchen. Es entstanden erste Ideen mit leicht zugänglichen Tools wie ChatGPT oder Microsoft Copilot.

Large-Language-Modelle wie ChatGPT sind allerdings nur eine sehr allgemeine Modell-Familie von Tausenden anderen KI-Modellen.

In Zusammenarbeit mit dem Fraunhofer Institut wurde bei WDS zunächst einmal eine theoretische Basis und unternehmensinternes Know-how aufgebaut. Es entstand WDS.gpt – ein Tool, das mit einer WDS-Wissensdatenbank interagiert und sofortige Antworten auf alle Fragen im Betrieb liefert. Anschließend wurden auch weitere Wissensquellen wie Montageberichte intelligent ausgewertet und dem WDS.gpt strukturiert zugeführt.

Das WDS.gpt für den internen Gebrauch ermöglicht es, Fragen in natürlicher Sprache zu stellen und lässt sich dadurch sehr leicht bedienen. Das System ermittelt verfügbare Informationen aus der hinterlegten Datenbank und stellt sie in kürzester Zeit übersichtlich zusammen. Außerdem werden die Informationsquellen ausgespielt, damit die Antworten geprüft und nachvollzogen werden können.

Zukünftig soll das gewonnene Wissen nicht nur WDS-intern, sondern auch für Kunden nutzbar werden. Derzeit wird noch zu Möglichkeiten zur gezielten, sinnvollen und sicheren Bereitstellung des Wissens geforscht.

Eine Süßwarenmaschine produziert sehr viele Daten. Mit einer smarten Messform, wie der SmartMould, können kontinuierliche Prozessdaten im Formenfluss aufgezeichnet und durch statistische Methoden oder einfache Grenzwertanalysen ausgewertet werden. Jedoch ist die Gesamtheit der Daten bis heute nicht effizient nutzbar.

Die Datenmenge kann durch KI nahezu in Echtzeit verarbeitet und mit historischen Daten verknüpft werden, um eine automatisierte und kontinuierliche Prozessüberwachung zu gewährleisten. Fehlermuster oder Anomalien können frühzeitig erkannt und oft sogar optimiert werden, bevor sie zu einem realen Problem führen. Eine KI-Anwendung soll demnach geschultes Personal bei der schnellen und zielgerichteten Entscheidung unterstützen.

Neben vieler denkbarer Möglichkeiten gibt es auch Daten, bei denen der Einsatz von KI weniger geeignet ist:
• Sensible Daten
• Moralische Entscheidungen
• Ökologische Aspekte
• Bestimmte Sicherheitsanforderungen
Risiken sollten gründlich abgewogen werden.

Ein Assistenz-Chat wie WDS.gpt kann in vielen Dokumenten und Quellen gleichzeitig nach Inhalten suchen. In Zukunft bietet sich hier ein Gieß-Assistent an, der Fragen nach Fehlern oder Handlungsanweisungen übersichtlich beantwortet.

KI-basierte Assistenten setzen Aufgaben wie tägliche OEE-Berichte oder Berichte bei Abweichungen zuverlässig um und generieren übersichtliche Dashboards, da sie Quellcode verstehen und erstellen können.