Industrie 4.0 Everything 4.0 Thesen zu Wandel, Chancen und Herausforderungen

Transkript

1 Industrie 4.0 Everything 4.0 Thesen zu Wandel, Chancen und Herausforderungen Digitalisierung der Gesellschaft Akademie für politische Bildung, Tutzing, November 2017 Prof. Dr. Ingrid Isenhardt IMA/ZLW & IfU Faculty of Mechanical Engineering RWTH Aachen University

2 Die vierte Industrielle (R)Evolution Industrie Jeder und alles ist vernetzt Everything 4.0 Mögliche Szenarien Volkswagen Group lokal zu global lokal zu global um 1750 um 1900 um 1970 heute 1. industrielle Revolution Mechanische Produktionen nutzen systematisch Wasserund Dampfenergie Energierevolution Zentralisierte Infrastruktur von Elektroenergie; Massenproduktion mittels Arbeitsteilung Digitale Revolution Computertechnologie und Kommunikationstechnologien verbessern die Intelligenz von Systemen Informationsrevolution Jeder und alles ist vernetzt vernetzte Informationen als Grundlage für KI 2

3 #1 Daten als Grundlage von Innovation Immenses Datenwachstum lassen neue Anbieterstrukturen und Geschäftsmodelle entstehen und schaffen eine bedenkliche Transparenz 3

4 Daten als Grundlage von Innovation Immenses Datenwachstum - Big Data MIT Technology Review ICD

5 Daten als Grundlage von Innovation Neue Geschäftsmodelle soziotechnischer Systeme Das weltweit erste autonom fahrende Auto bringt eine Suchmaschine auf den Markt. Das weltweit größte Taxiunternehmen hat keine eigenen Fahrer. Der weltweit größte Vermittler von Unterkünften hat keine eigenen Immobilien. Produkt-Spezialisten? Nein. Konnektivitäts- & Daten-Spezialisten. Der weltweit größte Medienanbieter erstellt keine eigenen Inhalte. Der weltweit größte Einzelhändler hat keine eigene Lagerfläche. 5

6 Daten als Grundlage von Innovation Bedenkliche Transparenz Ganz neue Prognose- Chancen Angst vor Verlust der Privatsphäre Google Serves 25 Percent of North American Internet Traffic McMillan, wired.com, 2013 Zentralisierte Strukturen entstehen ohne Mitwissen des Nutzers Zunehmende Bedeutung des digitalen Fingerabdrucks als zentrale Größe für Sichtbarkeit im Internet Precobs Vorhersagen, wo Verbrecher das nächste Mal zuschlagen Biermann, Zeit, 2015 Predictive Policing zur Mustererkennung in heterogenen Polizeidaten Impact ungewiss, Evaluation der Technik fehlt Bestimmte Systeme machen zudem gezielte Fahndungen nach Menschengruppen möglich 6

7 #2 Two worlds collide Realität und Virtualität kommen zusammen Künstliche Intelligenzen auf dem Vormarsch Hybride Teams wollen auch Teamentwicklung und werfen digitale Schatten 7

8 Two worlds collide Closed systems meet open systems Physische Welt Cyber-physisch Digitale Welt Herstellungsprozesse Eingebettete Systeme Materialeigenschaften Simulation Automatisierung Semantik Unique Identifier Internet Serviceorientierung Closed Systems Kontrollierbar & durch Simulationen vorhersagbar CPS Open Systems Offenes Systemverhalten IOT 8

9 Physisch-reale und digitale Welten verschmelzen zu soziotechnischen, hybriden Systemen Machine-machine cooperation Human-machine-machine interaction in the X-Cell Der Mensch als Dirigent... 9

10 Herausforderung Robotisierung Oder ersetzt der Roboter den Menschen? Studie der Universität Oxford (2013)! Michael Osborne und Carl Frey Identifizierung von Berufsfeldern, die in den nächsten zehn Jahren von Robotern ersetzt werden. Kredit-Sachbearbeiter Rezeptionisten Anwaltsgehilfen Verkäufer im Einzelhandel Taxifahrer und Chauffeure 10

11 Intelligente Maschinen Können Maschinen lernen? Lernen durch Beobachtung und Erklärungen Data-driven learning Learning by doing Trial-and-error learning Das Modell des cooperative learnings: Deep Learning Vollkommen dezentralisiert Starke Kooperation Keine hard coded components Intensiver Informationsaustausch Entscheidungsfindung in Kooperation Flexible Umdisponierung während der Aufgabe 4x Neuronale Netze in Kombination mit der Analyse von Big Data und kooperieren 11

12 Herausforderung Robotisierung Eine emotionslose Zukunft?! Akzeptanz als zentrale Herausforderung! Die mangelnde Emotionalität und Sozialkompetenz von Robotern führt noch zu Akzeptanzproblemen, v.a. im Fall von Assistenzrobotern (Pflege, Haushalt, Produktion)

13 Arbeit in der Industrie der Zukunft Socializing with Robots Social Robotics und Teamentwicklung in Mensch-Maschine-Teams Performancebedingungen (Vertrauen, Stress, Leistung) hybrider Teams Interaktions- und Kollaborationsdynamiken hybrider Teams Teamentwicklung in hybriden Teams Das Aussehen des Roboters hat keinen Einfluss auf die Vertrauenswürdigkeit und die erlebte Stressbelastung Die Arbeitsgenauigkeit des Roboters hat einen Einfluss darauf, wieviel Vertrauen ihm geschenkt wird Bei humanoiden Robotern waren die Abbruchraten geringer und die Aufgabenbewältigung höher Bei industriellen Robotern war die Performance im Team besser (mehr Seilzüge in kürzerer Zeit) manuell autom. Zelle Koexistenz synchronisiert Kooperation Kollaboration Akzeptanz und Führung in der Mensch-Roboter- Kollaboration (MRK) Informationsvisualisierung und Kommunikationsstile Einfluss von Führung (Mensch vs. Roboter) Reziproke Reaktionsanalyse auf fehlerhaftes Verhalten 13

14 Das Zeitalter hybrider Intelligenz wirft digitale Schatten Langfristig werden alle wesentlichen technischen Gegenstände dieser Welt intelligent werden und eigenes Bewusstsein haben. Alle wesentlichen technischen Gegenstände werden in einen lebenslangen Lernprozess mit sich, ihren technischen Nachbarn und mit den Menschen eingehen. Die allgegenwärtige und unauffällige Interaktion zwischen den digitalen Schatten von Technologie und Menschen wird alle Aspekte von Kommunikation dominieren. Diese Welt gilt es aktiv und wertorientiert zu gestalten! 14

15 #1 Daten als Grundlage von Innovation Immenses Datenwachstum und die Technologien dieses zu nutzen lassen neue Anbieterstrukturen entstehen und schaffen eine bedenkliche Transparenz #2 Two worlds collide Realität und Virtualität kommen zusammen Künstliche Intelligenzen auf dem Vormarsch Hybride Teams wollen auch Teamentwicklung und werfen digitale Schatten 15 Herzlichen Dank für Ihre Aufmerksamkeit! Prof. Dr. Ingrid Isenhardt ima-zlw-ifu.rwth-aachen.de