AI for Efficiency

Algorithmen für eine ressourceneffiziente Produktion

Die Session „AI for Efficiency“ bildet die Chancen und Risiken der Künstlichen Intelligenz in Bezug auf Lebensmitteltechnologien, den Umweltbereich sowie die Produktionsprozesse ab und streicht vor allem die positiven Auswirkungen auf die Ressourceneffizienz in der (Lebensmittel-)Produktion hervor. Künstliche Intelligenz sammelt riesige Datenmengen, die maschinelles Lernen ermöglichen. Die positiven Einsatzmöglichkeiten sind – richtig angewendet – vielfältig.

Weniger Ressourcenverschwendung, höhere Prozesseffizienz, bessere Qualität erzeugter Produkte: Künstliche Intelligenz, Digitalisierung und dahinterliegende Technologien machen dies möglich. Das zeigen einige Anwendungsbeispiele: Artificial Intelligence hilft bei der intelligenten Steuerung von Heiz-, Kühl- und Lüftungssystemen, schafft eine autonome Gebäude- und Betriebsanlagensteuerung, um Energie zu sparen, ermöglicht das Identifizieren von Food Waste entlang der Lebensmittelwertschöpfungskette, verringert Instandhaltungskosten durch externe Anleitungen über Augmented Reality-Techniken und vernetzt Produktions- und Fertigungsanlagen auf intelligente Art, die dadurch individuelle und zielgerichtete Lösungen entwickeln.

Der Einsatz von KI-Techniken in Betrieben macht deren Produktions- und Handlungsweisen somit nachhaltig und flexibel. So könnten Unternehmen bei gleichzeitiger Ressourcenschonung auf individuelle Marktsituationen gezielter eingehen und ganzheitlich am Puls der Zeit wirtschaften.

SPEAKER dieser Session

Univ.-Prof. DI Dr. Horst Bischof | TU Graz

Vizerektor für Forschung, Universitätsprofessor für Computer Vision


Kurzprofil

Horst Bischof absolvierte das Informatik Studium an der TU Wien, wo er 1990 das Diplom und 1993 das Doktorat erlangte. Die Habilitation in angewandter Informatik erfolgte 1998. Seit 2001 ist Horst Bischof Professor für Computer Vision am Institut für maschinelles Sehen und Darstellen der TU Graz an. Zudem ist er seit 2011 Vizerektor für Forschung an der TU Graz. Bisher hat Bischof mehr als 720 wissenschaftliche Arbeiten verfasst (h-Index = 86) und 20 nationale und internationale Preise für seine Publikationen erhalten.

 

Podiumsdiskussion „Ideen, Trends und Treiber“

Teilnehmer an der Podiumsdiskussion im Rahmen der Session AI for Efficiency

 

Zitat

 

Artificial Intelligence in einer symbiotischen Gemeinschaft mit dem Menschen eröffnet spannende neue Forschungsfragestellungen und Anwendungen.

 

www.tugraz.at

Dipl.-Ing. Dr.techn. Gerwin Drexler-Schmid | AIT Austrian Institute of Technology GmbH

Senior Research Engineer & Business Manager


Kurzprofil

Dr. Gerwin Drexler-Schmid studierte Technische Physik an der TU Wien und verfasste dort seine Dissertation zum Thema Wasserstoffspeicherung. Am AIT ist er seit 2020 Senior Research Engineer und Business Manager für Dekarbonisierung und Digitalisierung der Industrie. Forschungsschwerpunkte in den letzten zehn Jahren umfassten Absorptions- und Hochtemperaturwärmepumpen, Batteriethermomanagement, Einsatz von Augmented Reality, Dampfspeicherung, digitale Methoden und Strategien zur Dekarbonisierung.

 

Sein Vortrag

Sein Vortrag wird noch bekannt gegeben und findet im Rahmen der Session AI for Efficiency statt.

 

Zitat

 

Human-Centered AI wird die Wahrnehmung, Reaktion und Interaktion mit der Umgebung in Zukunft radikal wandeln. Betreffen wird dies unser Miteinander, die Medizin und die Industrie und Technik.

 

www.ait.ac.at

  www.linkedin.com/in/gerwin-drexler-schmid-641963a9/

Dr. techn. Michael Hartl  | Siemens AG Österreich

Produktmanager IoT Solutions


Kurzprofil

Michael Hartl ist Produktmanager bei Siemens im Bereich IoT Solutions mit Schwerpunkt auf Datenanalyse sowie Artificial Intelligence. Darüber hinaus hat er in den letzten drei Jahren Prozessindustrie-Lösungen im Bereich Cloud & Edge Technologies für Kunden entwickelt. Zuvor war er thematischer Koordinator für industrielle Energieeffizienz am AIT Austrian Institute of Technology, wo er vor allem innovative Technologien und Methoden im Bereich der numerischen Optimierung vorangetrieben hat. Michael Hartl hat sein Doktorat 2010 an der TU Wien an der Fakultät für Maschinenwesen abgeschlossen.


Sein Vortrag

"Closed Loop Wartung von Produktionsanlagen in der Nahrungsmittelindustrie mit IoT-Sensorik und Artifical Intelligence" im Rahmen der Session AI for Efficiency

Die Zustandsüberwachung von Anlagen und Maschinen ist ein bewährtes Mittel, um verschleiß- und schadensbedingte Ausfälle frühzeitig zu erkennen. Durch die rechtzeitige Erkennung erforderlicher Austausch- oder Reparaturarbeiten können ungeplante Stillstände vermieden und anfallende Kosten so gering wie möglich gehalten werden. Etablierte Systeme zur Zustandsüberwachung sind oft spezialisierte Expertensysteme. Der Aufwand, der mit dem Betrieb solcher Systeme einhergeht, ist häufig nur für kritische und teure Anlagen vertretbar.

Das Industrial Internet of Things (IIoT) bietet hier ganz neue Möglichkeiten. Mit kostengünstiger und einfach zu installierender IoT-Sensorik können auch schwach- bis gar nicht instrumentierte Anlagen wie Pumpen, Getriebe und Motoren rasch und kosteneffizient ausgerüstet werden. Die Sensoren liefern dabei wertvolle Daten für die Zustandsüberwachung.

Durch skalierbare Anwendungen die auf moderner Cloud- und Edge-Technologie basieren, lassen sich Daten mittels Künstlicher Intelligenz effektiv verarbeiten und Endbenutzer-gerecht aufbereiten, ohne dass teure, anlagenspezifische Expertensysteme ausgewertet werden müssen. Einfache Applikationen für die Wartungsmitarbeiter unterstützen beim täglichen Ablauf und nutzen das eingetragene Feedback für die kontinuierliche Systemverbesserung der KI-gestützten Auswertung (Closed Loop Ansatz).

Der Ansatz IoT-Sensor- und KI-gestützter Auswertungen, wie das Siemens Smart Condition Monitoring (SCM IQ), ist im Vergleich zu traditionellen Zustandsüberwachsungssystemen deutlich kostengünstiger und rascher ins Feld zu bringen. Dies ermöglicht den Einsatz bei bisher nicht betrachteten Anlagenteilen und Maschinen.

 

Zitat

In Zukunft werden maschinelle Lernmethoden fester Bestandteil in vielen Technologien sein. Diese sind ein Werkzeug und der Mensch muss lernen, mit dem Werkzeug umzugehen.

 

www.siemens.com

DI Dr.mont. Johannes Rieger | K1-MET GmbH

Bereichsleitung für Raw Materials & Recycling und Metallurgical Processes


Kurzprofil

Johannes Rieger ist Bereichsleiter beim metallurgischen Kompetenzzentrum K1-MET GmbH. Dort leitet er seit 2015 Projektaktivitäten in den Bereichen Raw Materials & Recycling und Metallurgical Processes. Er absolvierte das Diplomstudium „Industrieller Umweltschutz, Entsorgungstechnik und Recycling“ an der Montanuniversität Leoben mit Schwerpunkt auf Verfahrenstechnik und verfasste anschließend seine Doktorarbeit zum Thema der Schadstoffbildung bei der thermischen Nutzung von Kuppelgasen.


Sein Vortrag

"Ressourcenwertschöpfung in der Stahlindustrie mittels digitaler Technologien und Künstlicher Intelligenz" gemeinsam mit DI Dr. Magdalena Schatzl im Rahmen der Session AI for Efficiency


Stahlschrott dient als wichtiger Sekundärrohstoff für die Stahlproduktion und eine passende Schrottqualität ist essenziell, um optimale Endproduktqualitäten zu erzielen. Im Sinne einer nachhaltigen Kreislaufwirtschaft und um Primärressourcen zu schonen, gilt es, die Recyclingquote von Stahl möglichst hochzuhalten. Dafür muss der verwendete Schrottmix auf die jeweiligen Prozessanforderungen abgestimmt werden.

Die Schrottcharakterisierung basiert bisher zumeist auf einer objektiven Bewertung durch die Stahlwerksmitarbeiter. Eine effiziente Schrottsortierung benötigt geeignete digitale Methoden zur Analyse der Schrottqualität. Digitale sensorbasierte Analysetechniken und Künstliche Intelligenz können den Stahlwerksbetreiber dabei unterstützen, den richtigen Schrottmix für die Stahlproduktion bereitzustellen.

Der Vortrag soll Herausforderungen bei der Untersuchung der Schrottqualitäten darstellen und Lösungsansätze einer modellunterstützten Charakterisierung und Sortierung von Stahlschrott beschreiben. Derartige intelligente Methoden können in Zukunft Entscheidungshilfen für Stahlwerksbetreiber bezüglich Prozessplanung und Prozesskontrolle sein.


Zitat

"Ressourceneffizienz stellt eine Säule zur Erreichung der Klimaziele dar und Künstliche Intelligenz unterstützt die Charakterisierung von Sekundärrohstoffen für eine optimierte Verwertung im Prozess"

 

www.k1-met.com

 

DI Dr. Magdalena Schatzl | K1-MET GmbH

Bereichsleitung für Simulation and Analyses



Kurzprofil

Magdalena Schatzl ist Bereichsleiterin im metallurgischen Kompetenzzentrum K1-MET GmbH. Nachdem Sie dort drei Jahre als Postdoc im Bereich der Simulation, Datenanalyse und Prozessoptimierung beschäftigt war, übernahm Sie Ende 2019 die Leitung im Bereich Simulation und Analyse. Nach der Matura an der HTBLA Leonding mit Schwerpunkt Informatik absolvierte Magdalena Schatzl das Diplomstudium der technischen Physik an der Johannes-Kepler-Universität Linz, wo sie in weiterer Folge im Bereich der Silizium-Photonik promovierte.


Ihr Vortrag

"Ressourcenwertschöpfung in der Stahlindustrie mittels digitaler Technologien und Künstlicher Intelligenz" gemeinsam mit DI Dr.mont. Johannes Rieger im Rahmen der Session AI for Efficiency

Stahlschrott dient als wichtiger Sekundärrohstoff für die Stahlproduktion und eine passende Schrottqualität ist essenziell, um optimale Endproduktqualitäten zu erzielen. Im Sinne einer nachhaltigen Kreislaufwirtschaft und um Primärressourcen zu schonen, gilt es, die Recyclingquote von Stahl möglichst hochzuhalten. Dafür muss der verwendete Schrottmix auf die jeweiligen Prozessanforderungen abgestimmt werden.

Die Schrottcharakterisierung basiert bisher zumeist auf einer objektiven Bewertung durch die Stahlwerksmitarbeiter. Eine effiziente Schrottsortierung benötigt geeignete digitale Methoden zur Analyse der Schrottqualität. Digitale sensorbasierte Analysetechniken und Künstliche Intelligenz können den Stahlwerksbetreiber dabei unterstützen, den richtigen Schrottmix für die Stahlproduktion bereitzustellen.

Der Vortrag soll Herausforderungen bei der Untersuchung der Schrottqualitäten darstellen und Lösungsansätze einer modellunterstützten Charakterisierung und Sortierung von Stahlschrott beschreiben. Derartige intelligente Methoden können in Zukunft Entscheidungshilfen für Stahlwerksbetreiber bezüglich Prozessplanung und Prozesskontrolle sein.


Zitat

"Maschinelles Lernen und Künstliche Intelligenz werden in Zukunft eine immer größere Rolle spielen. Nun geht es darum, diese Entwicklungen so einzusetzen, um Prozesse ressourceneffizienter zu gestalten.

 

www.k1-met.com

 

 

Gerfried Stocker | Ars Electronica

Co-CEO/Artistic Director


Kurzprofil

Gerfried Stocker (AT) ist Medienkünstler und Ingenieur der Nachrichtentechnik. Seit 1995 ist er künstlerischer Leiter und Geschäftsführer von Ars Electronica. Mit einem kleinen Team von Künstler*innen und Techniker*innen entwickelte er 1995/96 die richtungsweisenden neuen Ausstellungsstrategien des Ars Electronica Center und betrieb den Aufbau einer eigenen Forschungs- und Entwicklungsabteilung, dem Ars Electronica Futurelab. Unter seiner Führung erfolgte ab 2004 der Aufbau des Programms für internationale Ars Electronica Ausstellungen, ab 2005 die Planung und inhaltliche Neupositionierung für das 2009 baulich erweiterte Ars Electronica Center, ab 2015 die Expansion des Ars Electronica Festival und im Jahr 2019 die großangelegte thematische und innenarchitektonische Neugestaltung des Ars Electronica Center. Stocker berät zahlreiche Unternehmen und Institutionen in den Bereichen Kreativität und Innovationsmanagement, ist Gastredner auf internationalen Konferenzen und Universitäten. 2019 erhielt er ein Ehrendoktorat der Aalto University, Finnland.

 

Podiumsdiskussion „Ideen, Trends und Treiber“

Teilnehmer an der Podiumsdiskussion im Rahmen der Session AI for Efficiency

 

>> ars.electronica.art

>> Ars Electronica Blog

  www.facebook.com/arselectronica/

  https://twitter.com/arselectronica/

Folgen Sie uns auch auf: