Hintergrund und Ziele des Projekts
Künstliche Intelligenz (KI) und maschinelles Lernen spielen heute bereits eine wichtige Rolle in vielen Bereichen der Wirtschaft. Auch in der Zementindustrie gibt es viele Anwendungsfälle. Bisher liegen aber nur wenige Erfahrungen mit KI-Anwendungen in der betrieblichen Praxis vor. Um diese besser verstehen zu können, wurde im Rahmen dieses Forschungsprojekts untersucht, wie durch maschinelles Lernen die Festigkeit nach 28 Tagen bereits nach 2 Tagen vorhergesagt werden kann. Dabei ging es nicht nur um die Entwicklung des Vorhersagealgorithmus, sondern auch um die systematische Analyse der verwendeten Daten und Methoden sowie deren Verlässlichkeit.
Unter den weit gefassten Überbegriffen der „Digitalisierung“ und „Industrie 4.0“ werden an vielen Stellen in Industrie und Gesellschaft Projekte vorangetrieben, die den Umgang mit digitalen Daten und insbesondere deren Auswertung und Nutzung betrachten. Die rasante Zunahme der Datenmenge in Verbindung mit der Verfügbarkeit von Rechenleistung und ausgereiften Methoden zur Auswertung haben dabei Möglichkeiten geschaffen, die in vielen Bereichen der Industrie grundlegende Veränderungen herbeiführen können. Zentrale Bedeutung kommt dabei insbesondere der Künstlichen Intelligenz (KI) und den Methoden des maschinellen Lernens zu. Diese Algorithmen bieten Lösungsansätze für viele Fragestellungen der Zementindustrie, darunter z.B. bei der Prozesssteuerung, der vorbeugenden Instandhaltung oder der Überwachung der Produktqualität.
Der Umgang mit maschinellem Lernen, also dem Trainieren eines (Black-Box-) Vorhersagemodells aus gegebenen Daten, unterscheidet sich jedoch wesentlich von der klassischen Modellbildung auf Basis chemischer oder physikalischer Zusammenhänge. Die entstehenden Modelle selbst sind intransparent und ihre Verlässlichkeit hängt wesentlich von ihrer Datenbasis ab. Dies erfordert eine völlig neue Denk- und Herangehensweise. Die komplexen mathematischen Methoden, die sehr abstrakten Beschreibungen und die oftmals sehr komplizierten Anwendungen, die daraus entstehen, führen jedoch dazu, dass KI-Lösungen in der Praxis an vielen Stellen noch abgelehnt werden. Die Akzeptanz dieser Lösungen und die Integration von KI-Werkzeugen in den Arbeitsalltag ist jedoch eine wesentliche Voraussetzung für eine erfolgreiche Digitalisierung der Zementindustrie.
Daher war und ist es geboten, die Arbeitsweise und Relevanz der Methoden der KI und des maschinellen Lernens systematisch zu untersuchen und transparent und nachvollziehbar darzustellen. Ein Anwendungsfall ist die Vorhersage der Festigkeit von Zementen nach 28 Tagen auf Basis von Labordaten und den gemessenen Festigkeiten nach 2 Tagen. Für diesen Anwendungsfall sollten Modelle durch maschinelles Lernen trainiert werden. Dies war jedoch mit einer Reihe von Fragestellungen verbunden. Die verwendeten Daten mussten für die angestrebte Auswertung analysiert und aufbereitet werden und es mussten geeignete Methoden ausgewählt werden. Die Ergebnisse waren abschließend in Hinblick auf ihre Vorhersagequalität zu bewerten. Dabei war zu beachten, dass die Qualität der Daten und mögliche Störgrößen einen erheblichen Einfluss haben konnten. Die Ergebnisse des Projekts sind im Forschungsbericht (s.u.) aufgeführt.
