Duitse machinebouwers moeten haast maken met het ontwikkelen van machine learning en het bedenken van nieuwe verdienmodellen. Nog is het niet te laat om de aansluiting met China en de VS te houden. “Maar dan moeten we wel vandaag beginnen”, zegt Peter Seeberg, business development manager bij het Duitse Softing Industrial Automation.
10e Maschinenbaugipfel maant Duitse industrie tot versnelling AI
Vijf jaar. Zolang heeft Peter Seeberg van Softing de Duitse machinebouwers onlangs gegeven op de 10e Maschinenbau Gipfel. Over vijf tot tien jaar is machine learning de enige weg om succesvol te blijven als machinebouwer, zegt Seeberg. Volgens hem heeft de Duitse machinebouwindustrie op dit vlak het afgelopen decennium zitten slapen. Algoritmes die oorspronkelijk in Duitsland zijn ontwikkeld, vinden vandaag de dag toepassing in slimme consumentenproducten die echter door Amerikaanse bedrijven op de markt worden gebracht. In de B2B markt is het nog niet te laat om de wereld te tonen in welke richting het gaat, zegt Seeberg. Hij bedoelt dan vooral te tonen dat de Duitse machinebouwers nog meespelen in de digitalisering.
In standaard industrie pc
Peter Seeberg maakt overigens onderscheid tussen Kunstmatige Intelligentie en machine learning, alhoewel hij verwacht dat binnen enkele jaren alleen nog over Kunstmatige Intelligentie wordt gesproken. “Kunstmatige Intelligentie probeert de intelligentie van mensen te kopiëren en te overstijgen. Machine learning is een gereedschap voor datamining.” En daarmee kunnen de machinebouwers de inzet van machines en de processen bij hun klanten optimaliseren. Daarbij hoeft het helemaal niet om het analyseren van terrabytes aan data te gaan. IT-bedrijven zoals Softing doen er juist alles aan om de hoeveelheid data te comprimeren zodat de standaard industrie PC in machines deze kan verwerken met machine learning algoritmen.
De Duitse machinebouwers hebben zich onlangs weer gebogen over de toekomst van produceren op de 10e editie van Maschinenbau Gipfel.
Niet alles meer programmeren
Volgens Zbigniew Jerzak, die bij SAP het Machine Learning Centre of Excellence leidt, zorgt machine learning ervoor dat een machine flexibel met een situatie kan omgaan. Niet elke situatie hoeft voorgeprogrammeerd te worden omdat de machine leert uit voorgaande situaties. De moeilijkheid is volgens de SAP-expert om een business case te vinden waarin deze technologie zaken mogelijk maakt die voorheen onmogelijk waren en voldoende meerwaarde oplevert. Machine Learning is essentieel voor nieuwe verdienmodellen, zoals het afrekenen met productie output of per gedraaid spindeluur.
