all
Tech Trends 2030: Die nächste Ära der generativen KI
Dieser Tech Trends-Bericht untersucht generative industrielle KI-Entwicklungen und ihre Auswirkungen auf die Branche. Entdecken Sie wichtige Trends und Zukunftsszenarien.
Glossar zur künstlichen Intelligenz
Das Gebiet der KI umfasst eine Vielzahl von Disziplinen und Technologien. Dieses Glossar der wichtigsten Schlüsselbegriffe kann Ihnen helfen, Ihr Verständnis zu erweitern und tiefer in diese faszinierende Welt einzutauchen.
EIN
Agentic AI bezieht sich auf fortschrittliche KI-Systeme, die über die bloße Reaktion auf Befehle hinausgehen. Sie generieren Inhalte, führen Aufgaben autonom aus und erreichen Ziele. Diese Systeme kombinieren Denkvermögen, Gedächtnisfunktionen und Feedback-Schleifen, um eigenständig Aktionen zu planen und durchzuführen. Dabei kommen häufig verschiedene digitale Tools zum Einsatz und passen ihren Ansatz durch Lernen an. Im Gegensatz zu herkömmlicher KI kann agentische KI sowohl unabhängig als auch mit anderen KI-Agenten zusammenarbeiten. Sie trifft autonome Entscheidungen und arbeitet gleichzeitig mit verschiedenen Plattformen und Systemen zusammen, um komplexe Aufgaben zu erledigen.
Im industriellen Kontext beinhaltet Agentic AI den Einsatz von KI-Systemen, die verschiedene Aspekte industrieller Abläufe unabhängig überwachen, analysieren und steuern können, wie z. B. vorausschauende Wartung, Qualitätskontrolle, Bestandsverwaltung oder die Optimierung von Produktionsprozessen.
Künstliche Intelligenz (KI) bezieht sich auf Software, die lernen und sich anpassen kann. KI kann Aufgaben lösen, bei denen sie die Bedeutung von Eingabedaten interpretieren und sich an die Anforderungen anpassen muss. In der Regel handelt es sich dabei um Aufgaben, die bisher nur mit natürlicher Intelligenz gelöst werden konnten. Es gibt verschiedene Arten von KI-Methoden, die sich in ihren Einsatzgebieten, ihren Potenzialen und den damit verbundenen Risiken erheblich unterscheiden. Die Grundprinzipien der KI wurden im 20. Jahrhundert entwickelt. Da alle KI-Methoden große Mengen an Trainingsdaten benötigen, gewinnt die Technologie nun durch Digitalisierung und Big Data an kritischer Relevanz.
Eine Technologie, die es ermöglicht, Umgebungen und Objekten in der realen Welt digitale Informationen zu überlagern, wobei in der Regel immersive 3D Virtual Reality verwendet wird. AR ermöglicht eine erweiterte Version der physischen Welt durch Hinzufügen digitaler Bild-, Ton- und anderer sensorischer Elemente.
Systeme, die ohne menschliches Eingreifen funktionieren können, wie selbstfahrende Autos und Drohnen.
Fahrzeuge, die ohne menschliches Eingreifen betrieben werden können, z. B. selbstfahrende Autos und Lastwagen.
B
Unbeabsichtigte Vorurteile oder Bevorzugungen, die in KI-Systemen aufgrund voreingenommener Trainingsdaten oder Algorithmen auftreten können.
Große und komplexe Datensätze, die oft von (industriellen) Sensoren, aber auch von Unternehmen, Organisationen und Menschen generiert werden. Da diese Daten oft unstrukturiert, unvollständig oder falsch sind, kann Software, die nicht auf KI basiert, sie in der Regel nicht sinnvoll verarbeiten.
C
Ein KI-gestütztes Programm, das über Text- oder Sprachkommunikation mit Menschen interagieren kann.
Eine Art von KI, die darauf abzielt, menschliche kognitive Prozesse wie Wahrnehmung, Argumentation und Entscheidungsfindung nachzubilden.
Eine Untergruppe der KI, die es Computern ermöglicht, Informationen aus Bildern wie Bildern und Videos zu extrahieren, um sie zu verstehen und zu interpretieren.
Strategien, Maßnahmen und Tools zum Schutz digitaler Informationen vor externen Angreifern. KI kann eingesetzt werden, um Cyberangriffe zu erkennen und zu verhindern sowie Sicherheitslücken zu erkennen und darauf zu reagieren.
D
Der Prozess der Analyse und Interpretation von Daten, um Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen.
Computersysteme, die Menschen bei der Entscheidungsfindung unterstützen sollen, indem sie relevante Informationen und Analysen bereitstellen.
Eine Untergruppe des maschinellen Lernens, bei der neuronale Netzwerke mit mehreren Ebenen verwendet werden, damit Maschinen aus Daten lernen können.
Ein mathematisches Modell, das das Verhalten eines physikalischen Objekts oder Prozesses beschreibt. In einer Simulationsumgebung kann ein digitaler Zwilling verwendet werden, um zu simulieren, was in der realen Welt passieren würde, wenn die Parameter des Systems geändert würden. Digitale Zwillinge können während des gesamten Produktlebenszyklus verwendet werden, einschließlich der Entwurfs-, Herstellungs-, Betriebs- und Wartungsphasen. Visuelle Darstellungen digitaler Zwillinge sehen aus und verhalten sich wie ihre physischen Gegenstücke. Sie spiegeln die reale Welt wider und passen sich in Echtzeit an das an, was dort passiert.
E
Edge Computing ist eine Art von Systemarchitektur, die im Gegensatz zu Cloud Computing die Datenverarbeitung und Datenspeicherung näher an die Datenquellen (den „Edge“) bringt. Es hilft, die Reaktionszeiten und die für die Datenübertragung benötigte Energiemenge zu reduzieren. Edge-KI-Systeme können physisch in der Nähe des tatsächlichen Ausführungsgeräts implementiert werden. Auf diesen Geräten können KI-Anwendungen ausgeführt werden, ohne mit der Cloud verbunden zu sein.
KI, die darauf ausgelegt ist, mit der physischen Welt zu interagieren und sich darin zurechtzufinden, häufig mithilfe von Robotern oder autonomen Fahrzeugen.
Das Studium und die Anwendung moralischer Prinzipien bei der Entwicklung und Nutzung von KI, einschließlich Themen wie Vorurteile, Datenschutz und Rechenschaftspflicht.
KI, die so konzipiert ist, dass sie transparent und erklärbar ist und es Menschen ermöglicht, zu verstehen, wie und warum eine Maschine eine bestimmte Entscheidung getroffen hat.
F
Ist eine Trainingsmethode für maschinelles Lernen, bei der mehrere separate Geräte ein maschinelles Lernmodell mit ihrem eigenen (separaten) Datensatz trainieren. Nur die Endergebnisse werden mit dem Hauptakteur im Netzwerk geteilt.
G
KI, die darauf ausgelegt ist, neue Inhalte wie Bilder, Videos und Musik zu generieren, indem bestehende Inhalte kombiniert und daraus gelernt werden.
Fähigkeit einer Anwendung, z. B. einer CAD-Software, autonom eine Reihe von Entwurfsalternativen unter Berücksichtigung einer Reihe von Einschränkungen zu generieren. Nutzt Techniken wie KI, Optimierung und Simulation.
ICH
Industrielle KI bezieht sich auf die Anwendung von KI in den Branchen, die das Rückgrat unserer Volkswirtschaften bilden — Industrie, Infrastruktur, Mobilität und Gesundheitswesen.
Industrial Foundation Models (IFMs) werden anhand branchenspezifischer Daten vorab trainiert, um die „Sprache“ der Technik, Automatisierung und Fertigung gründlich zu verstehen und eine schnellere und genauere Bereitstellung von KI-Lösungen zu ermöglichen. Sie bieten einen standardisierten Ausgangspunkt und sparen durch Skaleneffekte Zeit, Ressourcen und Energie. IFMs sind auf die Lösung realer industrieller Herausforderungen zugeschnitten. Sie dienen als Informationsquelle hinter Industrial Copilots und erleichtern den Wissenstransfer und die sektorübergreifende Zusammenarbeit. Sie unterstützen nicht nur Text, Bilder und Audio, sondern auch 3D-Modelle, 2D-Zeichnungen und andere komplexe Strukturen wie branchenspezifische Zeitreihendaten (siehe auch Multimodale LLMs).
KI in Industriequalität steht für ein Qualitätsniveau; zuverlässig, sicher und vertrauenswürdig, entwickelt, um die strengen Anforderungen und Standards der anspruchsvollsten professionellen Umgebungen zu erfüllen.
Ein Begriff, der verwendet wird, um die vierte industrielle Revolution zu beschreiben, die die Integration von KI, IoT und anderen fortschrittlichen Technologien in Fertigung und Industrie beinhaltet.
Das Netzwerk technischer Geräte, in die Sensoren, Software und Konnektivität eingebettet sind, um den Datenaustausch zu ermöglichen. Das IoT ist einer der Haupttreiber von Digitalisierung und Big Data.
K
Eine Datenbank, die Wissen als Graph miteinander verbundener Knoten und Kanten darstellt und für KI-Anwendungen wie NLP und Suche verwendet wird.
L
Eine Art KI-Sprachmodell, das auf riesigen Datenmengen wie GPT-3 trainiert wird, um menschenähnlichen Text zu generieren.
M
Eine Untergruppe der KI, bei der Algorithmen und statistische Modelle verwendet werden, damit Maschinen aus Erfahrungen oder Daten lernen können.
Eine Untergruppe der KI, die es Maschinen mit angeschlossenen Kameras ermöglicht, visuelle Informationen zu extrahieren, um ihre Umgebung zu verstehen und zu interpretieren.
Multimodale LLMs können mehrere Arten von Daten — wie Text-, Bild-, Audio- oder Sensordaten — gleichzeitig verstehen und verarbeiten. Sie sind in Anwendungen wie Computer Vision, autonome Fahrzeuge und Robotik integriert. Sie verbessern die Objekterkennung und das Szenenverständnis und ermöglichen es Maschinen, komplexe Anweisungen zu befolgen. Multimodale LLMs haben das Potenzial, die Verarbeitung und Generierung branchenspezifischer Daten — wie Zeitreihen, 2D- und 3D-Modelle oder Daten für maschinelles Sehen — auf die gleiche Weise zu beeinflussen, wie herkömmliche LLMs die Text- und Sprachverarbeitung beeinflusst haben.
N
Eine Untergruppe der KI, die sich auf die Interaktion zwischen Computern und menschlicher Sprache konzentriert.
Eine Schnittstelle, die es Menschen ermöglicht, mithilfe natürlicher Gesten, Sprache und anderer Ausdrucksformen mit Computern zu interagieren.
Eine Art von Algorithmus für maschinelles Lernen, der der Struktur des menschlichen Gehirns nachempfunden ist und zur Erkennung von Mustern in Daten verwendet wird.
Ein Verfahren zur Analyse von Spannungs- und Stromänderungen von Gebäuden oder Maschinen, die aus mehreren Untergeräten bestehen, um den individuellen Beitrag jedes Geräts im System abzuleiten.
P
Physikalische KI bezieht sich auf die Integration künstlicher Intelligenz in Maschinen — wie Roboter —, die ihre Umgebung wahrnehmen und in ihr agieren können. Inspiriert vom sensomotorischen Zyklus des Menschen verarbeitet physische KI sensorische Eingaben (wie 3D-Kameras oder taktile Sensoren), generiert daraus Steuerbefehle und ermöglicht es Maschinen, komplexe Aufgaben adaptiv und autonom in physischen 3D-Umgebungen auszuführen.
Physikinformierte KI, auch bekannt als physikbewusste KI, bezieht sich auf eine neue Klasse von Methoden der künstlichen Intelligenz, die physikalische Gesetze direkt in den Trainingsprozess einbeziehen. Im Gegensatz zu herkömmlichen KI-Ansätzen, die sich stark auf große Datensätze stützen, um Verhalten zu lernen, integriert physikinformierte KI physikalische Einschränkungen, um das Lernen zu steuern. Dies ermöglicht es KI-Systemen, selbst dann zu argumentieren und Vorhersagen zu treffen, wenn nur begrenzte Daten aus der realen Welt zur Verfügung stehen, indem sie unser vorhandenes Wissen über die Funktionsweise der physischen Welt nutzen. Anstatt nur anhand von Beispielen zu lernen, nutzen diese Modelle ihr physikalisches Wissen, um das Lernen zu optimaleren und physikalisch konsistenteren Lösungen zu steuern.
Prädiktive KI nutzt statistische Analysen und maschinelles Lernen, um Muster in Echtzeit- und historischen Betriebsdaten von Maschinen und Anlagen zu identifizieren, sodass zukünftige Verhaltensweisen vorhergesagt, Anomalien erkannt, potenzielle Ausfälle vorhergesagt und Wartungsmaßnahmen empfohlen werden können. Sie wird eingesetzt, um den Zustand und die Zuverlässigkeit von Anlagen zu verbessern, ungeplante Ausfallzeiten zu reduzieren und schnellere datengestützte Entscheidungen in allen industriellen Betrieben zu unterstützen.
Der Einsatz von KI und statistischen Modellen zur Vorhersage zukünftiger Ereignisse oder Trends auf der Grundlage historischer Daten.
Der Einsatz von KI zur Vorhersage, wann Maschinen gewartet oder repariert werden müssen, basierend auf Echtzeitdaten.
Q
Der Einsatz von KI zur Erkennung von Defekten und zur Sicherstellung, dass Produkte den Qualitätsstandards entsprechen.
R
Eine Art von maschinellem Lernen, bei der ungeschulte Agenten eine Strategie durch Strafen und Belohnungen des Systems nach ausgeführten Aktionen erlernen.
KI-Anwendungen, die definierte ethische und moralische Standards erfüllen.
Der Zweig der Technik und KI, der sich auf das Design, die Konstruktion und den Betrieb von Robotern konzentriert.
S
Der Einsatz von KI zur Analyse und Interpretation der in Text oder Sprache zum Ausdruck gebrachten Emotionen und Meinungen.
Ein Stromnetz, das KI und andere fortschrittliche Technologien nutzt, um die Erzeugung, Verteilung und den Verbrauch von Elektrizität zu optimieren.
Spezialisierte Hardware wie Graphics Processing Units (GPUs) oder Language Processing Units (LPUs) fähige Edge-Geräte sind ein neuer Trend in der industriellen KI. Diese Geräte bieten eine leistungsstarke Rechenleistung am Netzwerkrand und ermöglichen die Echtzeitverarbeitung von KI-Algorithmen. Ihre Integration ermöglicht eine parallele Verarbeitung und eine beschleunigte Leistung, was zu einer schnelleren Ausführung komplexer KI-Aufgaben führt. Diese lokale Verarbeitung reduziert die Latenz und die Abhängigkeit von Cloud-Ressourcen und ist daher für zeitkritische Anwendungen von entscheidender Bedeutung. Spezialisierte Hardware unterstützt auch fortschrittliche KI-Modelle, was zu besseren Erkenntnissen und einer verbesserten Leistung führt. Darüber hinaus reduziert es die Kosten, indem es den Bedarf an umfangreicher Cloud-Infrastruktur und Datenübertragung minimiert.
Die Fähigkeit von Maschinen, menschliche Sprache zu erkennen und zu interpretieren.
Eine Lernmethode, bei der Modelle für maschinelles Lernen mit beschrifteten (bekannten) Datensätzen trainiert werden, um ein Ergebnis vorherzusagen.
Optimierung des Waren- und Materialflusses in einer Lieferkette zur Kostensenkung und Verbesserung der Effizienz. KI wird häufig zur Prozessautomatisierung, zur Erkennung von Ineffizienzen, zur Qualitätssicherung von Waren und zur Bedarfsprognose eingesetzt.
Künstliche Daten, die eher durch Algorithmen als durch reale Ereignisse generiert werden und zum Trainieren und Validieren von Modellen für maschinelles Lernen verwendet werden. Die Qualität der synthetischen Daten ist entscheidend. Sie bestimmt, ob die KI nach dem Training akzeptable Ergebnisse erzielt.
U
Eine Lernmethode, bei der Modelle für maschinelles Lernen Muster und Gruppierungen in Daten entdecken, die bisher unbekannt (unbeschriftet) waren.
V
Virtual Reality (VR) stellt eine digital gerenderte Umgebung dar, die einen tatsächlichen Raum nachbilden, eine alternative Realität schaffen oder beides kombinieren kann. Der Benutzer kann den virtuellen Raum von zu Hause, im Büro oder in der Fabrikhalle aus erkunden.
