Periodensystem der KI

Planning [Pl]

Das Erstellen eines Aktionsplans auf der Grundlage einer Reihe von Zielen, eines Verständnisses des realen Zustands der Welt und des Wissens über Handlungen und deren Konsequenzen.

zurück zum Periodensystem

Was genau leistet das KI-Element?

Planning [Pl] beschreibt die algorithmische Suche nach einer Sequenz von Einzelschritten, die unter Berücksichtigung von Einschränkungen zu einem akzeptablen Ergebnis führen. Die Einzelschritte sind Handlungen, die über einen Zeitverlauf stattfinden und die Abhängigkeiten voneinander aufweisen können. Unterschiedliche Lösungspfade können gegeneinander gewichtet werden. Wichtiger Bestandteil von Planning [Pl] ist die Fähigkeit, Stück für Stück aus vorhandenen Ressourcen und Restriktionen einen Plan zu konstruieren, der nach ausgewählten Prioritäten optimiert worden ist.

Für welche Aufgaben wird das KI-Element in Unternehmen eingesetzt?

In allen Industrie- und Handelsbetrieben sind Prozesse zum Erzeugen eines Produktes oder zum Erbringen einer Dienstleistung zu planen. Hiermit verbunden ist häufig eine Prozesskomplexität, die sich aus vielen, meist unabhängig handelnden Akteuren ergibt. Darüber hinaus sind Störungen und zeitliche Abhängigkeiten von Bedarfszeitpunkten, der Verfügbarkeit von Kapazitäten und Ressourcen relevant. Eine Planung ist notwendig für das Produktionsprogramm, die Beschaffung und Bereitstellung von Material und Ressourcen oder die Versorgung von Kunden oder Märkten mit Erzeugnissen. Beispielsweise ist bei der Produktion eines Autos der Lieferwunschtermin zu berücksichtigen. Die notwendigen Bauteile sind oft über globale Lieferketten verteilt. Schließlich ist die Einordnung eines Auftrags in eine Kalenderwoche oder einen Tagesablauf auf dem Montageband einzuplanen.

Welche Marktentwicklungen zeigen die Bedeutung des KI-Elements?

In der Produktion erlangt Planning [Pl] besondere Bedeutung für Industrie 4.0. Planung folgt dem Paradigma autonomer Steuerung. Digital vernetzte Akteure, Menschen wie Maschinen, treffen operative Entscheidungen in geplanten Grenzen selbst, und können so beispielsweise entscheiden, welcher Auftrag als nächster bearbeitet wird. Diese Autonomie reduziert den Planungsaufwand, da nicht jeder einzelne operative Schritt vorab geplant werden muss. Außerdem ermöglicht eine solche Delegation Produktionssysteme, die komplexere Produkte erzeugen können. Allerdings erschwert ein so großer Handlungsspielraum der operativen Akteure auch die Vorhersage eines Fertigstellungszeitpunkts für ein Produkt oder einen Dienst. Hier helfen Methoden der KI und Simulation, trotz Komplexität, Dynamik und Zufälligkeit zuverlässige Planungen zu erstellen.

Wie hängt dieses KI-Element mit anderen im Periodensystem zusammen?

Planning [Pl] weist Verbindungen insbesondere zu Mobility Large [Ml] und Mobility Small [Ms], Manipulation [Ma], Communication [Cm] und Control [Cn] auf. Gleichzeitig vereinfachen eine gute Prognose und das Erkennen von Zusammenhängen die Planung. Daher ist die Planung mit Predictive Inference [Pi] und Explanatory Inference [Ei] verbunden.

Wer bietet für dieses KI-Element Lösungen auf dem Markt an?

Beim Planning [Pl] muss immer die Anwendungsdomäne berücksichtigt werden. Abhängig von der Domäne zeigen am Markt erhältliche Lösungen dieses KI-Elements unterschiedliche Reifegrade. Generalisierbare Lösungen für Planning [Pl] sind nicht erhältlich. Für die Domäne Mobilität gibt es bereits Ansätze zur übergreifenden Planung, also z. B. den Weg von A nach B mit verschiedenen Verkehrsmitteln zu bewältigen. Für die Optimierung von Geschäftsprozessen findet sich Rubix von Insiris oder Aurora von Stottler Henke. Die Fraunhofer-Gesellschaft bietet Lösungen aus der anwendungsnahen Forschung, wie etwa Assistenzsysteme zur Planung oder zur Erfassung und Analyse von Logistikobjekten, z. B. die Plattform RIOTANA®.

Welche wirtschaftliche Bedeutung hat dieses KI-Element?

Vorausschauende Planung bietet im Gegensatz zu zeitnaher, operativer Steuerung großes Potenzial für Einsparungen, indem Fehlerkosten gesenkt, Durchlaufzeiten verkürzt oder die Gesamtanlageneffektivität gesteigert weird. Daher ist die Bedeutung von Planning [Pl] für die Industrie als sehr hoch einzuschätzen. Fallstudien zeigen mögliche Effizienzsteigerungen von 30 Prozent und mehr. Bei einer monatlichen Wertschöpfung im produzierenden Gewerbe von über 150 Milliarden Euro ergeben sich hohe Einspar- und Ertragspotenziale.

Welche Hürden zeigen sich beim Einsatz dieses KI-Elements in der Praxis?

Üblicherweise ist Planung durch hohe kombinatorische Komplexität charakterisiert. In der Praxis ist neben vielen Einflussfaktoren die Anzahl der Planungsgegenstände und ihre Variantenvielfalt hoch. Diese hohen Anforderungen werden von aktuellen Lösungen nicht bedient. Außerdem bietet die adaptive Planung in Echtzeit in dynamischen Umgebungen einen Mehrwert, der immer höheren Entwicklungsaufwand bedeutet. KI-Lösungen gelten heute als Mittel der Wahl, um diese Hürden zu überwinden. Um KI-basierte Lösungen zu prüfen, können Verfahren der ereignisdiskreten Simulation genutzt werden.

Wer treibt die Entwicklung dieses KI-Elements voran?

Die Fraunhofer-Institute für Software- und Systemtechnik, Materialfluss und Logistik sowie für Intelligente Analyse- und Informationssysteme entwickeln anwendungsnahe, domänenspezifische Lösungen, beispielsweise zur Datenanalyse mit Chatbots oder zur Steuerung von Schwärmen autonomer Transportsysteme zur Antizipation von Aktivitäten in Produktion und Logistik in Echtzeit auf Basis von Sensordaten.