Das System „erkennt Muster“ und Gesetzmäßigkeiten in den Lerndaten, die es eingespielt bekommt. Tools helfen dabei, die Algorithmen zu finden. Neue Frameworks und Plattformen unterstützen den Arbeitsalltag. ML ist ein mächtiges Instrument und kann in vielen Anwendungsbereichen effizient eingesetzt werden. Es ist aber gleichzeitig kein Allheilmittell.

In der Industrie stützte man sich bislang auf quantitative statt auf qualitative Aussagen. Herkömmliche Systeme (Produktionssysteme, Messsysteme oder Softwaresysteme) ließen sich leicht und schlüssig analysieren. Mit der Einführung von KI wird sich auch das Verständnis und das Vertrauen gegenüber qualitativer Daten verändern müssen.

Klassische Algorithmen basieren auf Logik und Regeln. Sie eignen sich nicht für die Beschreibung komplexer Probleme. Machine Learning ist dieser Aufgabe hingegen gewachsen. Die frühzeitige Erkennung von Mustern und Trends, das Detektieren spezifischer Einflussvariablen und die Möglichkeit der Prozessoptimierung ist mit dem Einsatz von ML einfacher möglich. Dadurch werden manuelle Arbeiten ersetzbar und wiederholbare Aufgaben automatisierbar. Hieraus ergeben sich für Maschinenbauer:innen mehrere konkrete
Anwendungsfälle:
—  Predictive Maintenance
—  Unterstützung der
      Produktentwicklung und Kalkulation
—  Automatisierung von Simulationen

In der aktuellen Technologiephase erreicht das “maschinelle Lernen” den ersten nennenswerten Durchbruch mit großflächig einsetzbaren Lösungsansätzen. Grundlage dafür ist die neue Fähigkeit kostengünstig Daten parallelisiert zu verarbeiten. Der Maschinen- und Anlagenbau sowie die produzierende Industrie im Allgemeinen befinden sich in einer frühen Phase des Anwendungszyklus mit enormer Dynamik und hohem Potenzial.