Foto: AWS
Jan Metzner ist Experte bei AWS für die Schnittstelle von IT-Systemen und der Industrie.
Er beob achtet, dass immer mehr digitale Technologien zum Einsatz gebracht werden.
2021 AUTOMATION-GUIDE 185
und Design, Arbeitssicherheit und Produktivität,
Anlagen- und Produktionsoptimierung,
Lieferkettenmanagement sowie intelligente
Maschinen und Produkte nutzen könnten.
Doch obwohl fast jeder industrielle Prozess
durch maschinelles Lernen (ML) digitalisiert
und optimiert werden kann, ist es für Kunden
oft schwierig, diesen Prozess zu navigieren.
Erfahrungsgemäß gehören hier zu den grundlegenden
Herausforderungen zum einen das Sammeln
und Speichern von Daten – denn diese
sind oft an den verschiedensten Orten innerhalb
einer Fabrik abgespeichert, wie etwa in alten
Maschinen, isolierten Systemen oder sogar noch
auf Papier. Das erschwert den Prozess, sie zu
identifizieren und auszuwerten. Hinzu kommt,
dass die Entwicklung der Software für die
Datenanalyse und -auswertung sich oft als komplex
erweist. Zum anderen besteht die Schwierigkeit
darin, hoch qualifizierte Informatiker
und ML-geschulte Entwickler zu finden, die
intelligente Anwendungen erstellen und einrichten
können. Für viele Unternehmen, die
noch am Anfang ihrer Machine-Learning-
Transformation stehen oder nicht über die
erforderlichen umfassenden ML-Kenntnisse
verfügen, sind dies erschwerte Startbedingungen.
Infolgedessen lassen sich Änderungen an
industriellen Prozessen nur langsam umsetzen,
und es dauert in der Regel einige Zeit, bis die
ersten Verbesserungen sichtbar werden. Deshalb
suchen immer mehr Industriekunden zunehmend
nach schnelleren und einfacheren Möglichkeiten,
Daten aus ihren Prozessen zu erfassen
und verwalten.
WELCHE ROLLE SPIELT AWS IN DIESEM
ZUSAMMENHANG?
Industriekunden möchten immer mehr Einblicke
in ihre Daten gewinnen, um bessere