Hausaufgabe vor dem 2. Praxistag

Am ersten Praxistag wurde Ihnen ein Problem zugeteilt. Hier Finden Sie ein PDF Dokument mit Fragen dazu. Für das Ihnen zugeteilte Problem: Beanworten Sie die Fragen in dem Dokument und laden Sie es hier hoch. 

Am 2. Praxistag werden Sie Ihre Hausaufgabe mündlich besprechen. Bereiten Sie sich darauf vor, Ihr Problem sowie die notwendigen Schritte den anderen Teilnehmenden zu erklären.

Hinweis: Wenn wir feststellen, dass Sie die Hausaufgabe von einem Large Language Model bearbeiten lassen haben, gilt die Aufgabe als nicht abgegeben. Die Abgabe der Hausaufgabe und Präsentation ist Voraussetzung für das Zertifikat!

Problem #1: Künstliche Intelligenz in der Lebensmittelproduktion

Ein konkretes Anwendungs-Beispiel für AI und Machine Learning findet sich bei der Emmi Group, einer der weltweit führenden Hersteller von Milchprodukten. Zusammen mit soxes wurde eine KI-Anwendung entwickelt, welche in der Lage ist, Fehler in der Produktionskette ihrer Joghurtprodukte zu erkennen.

Das System, das auf Microsoft Custom Vision-Technologie basiert, überprüft, ob der korrekte Deckel auf den entsprechenden Joghurtbecher aufgebracht wurde. Die Kontrolle erfolgt durch Aufnahmen der Deckel, die an eine Anwendung weitergeleitet werden. Sollte die Anwendung eine Nichtübereinstimmung zwischen Produkt und Deckel feststellen, sendet sie ein Signal an die Kamera, die den Produktionsprozess stoppt.

Problem #2: Künstliche Intelligenz in der Flugzeugproduktionskette

Der Unternehmen Frauenhofer baut CNC-Fräsmaschinen. CNC steht für Computer Numerical Control (Computer numerische Steuerung) und hat viele Anwendungen in der Industrie; vor allem kann sie Bauteile aus Metall schneiden und fräsen mit sehr hoher Präzision, Zuverlässigkeit, und Effizienz im Vergleich zu anderen Methoden. Das heißt, wenn ein Flugzeug-Hersteller 200.000 Stücke Bauteile braucht, die sehr kleine Toleranzen haben dürfen, nutzt man eine CNC-Fräse. Ein Mechaniker hat zufällig gemerkt, dass nach einem komischen high-pitch Geräusch kommt, geht der Fräskof kaputt und die letzte 15 Bauteile liegen außerhalb von den Toleranzgrenzen. Die CNC-Fräse muss nun runtergefahren und gewartet, was kann bis zu 10 Tagen dauern. In der Zeit kann der Hersteller keine Flugzeuge bauen.

Problem #3 :Künstliche Intelligenz im Kundensupport

Kundensupport-Teams müssen auf viele Anfragen zu Produkten und Dienstleistungen reagieren. Dabei sind sie oft auf ständig aktualisierte Informationen wie FAQs, Handbücher oder Support-Datenbanken angewiesen. Wenn diese Informationen aber unübersichtlich oder veraltet sind, kann es zu Verzögerungen und fehlerhaften Antworten kommen. Das beeinträchtigt die Effizienz des Supports und die Zufriedenheit der Kunden. Wie können Unternehmen sicherstellen, dass ihre Support-Datenbanken immer aktuell und zugänglich sind?

Problem #4: Künstliche Intelligenz in der Verwaltung technischer Dokumentationen
In der Industrie sind technische Dokumentationen oft unübersichtlich, schwer auffindbar oder veraltet. Das führt zu ineffizienten Wartungsprozessen und Produktionsverzögerungen. Ingenieure und Techniker müssen oft ewig nach den richtigen Infos suchen, weil Anleitungen, Schaltpläne oder Wartungshandbücher in verschiedenen Formaten oder an unterschiedlichen Orten gespeichert sind. Und wenn die Dokumentationen veraltet sind, sind die neuesten Änderungen oder Ersatzteile vielleicht nicht drin. Das führt dann zu falschen Entscheidungen bei der Wartung. Das kann bei komplexen Maschinen richtig teuer werden, wenn die dann länger stehen.Wie können Unternehmen die Organisation und Aktualisierung technischer Dokumentationen verbessern, um Wartungsprozesse effizienter zu gestalten?



Hier finden Sie die Vorlage mit den Fragen. Schreiben Sie die Antworten in das Dokument und laden Sie es hier hoch: Clicken Sie auf "Aufgabenlösung hinzufügen" und wählen Sie Ihre Datei aus.
WICHTIG! Bitte verwenden Sie das folgende Namenformat, Ihr Dokument zu benennen: ttmm_NachnameVorname_KIPRO_Hausaufgabe. ttmm = Datum Ihres vorgeplanten zweiten Praxistages.