Skip to main content
SpringerLink
Log in

Anwendungsfälle und Methoden der künstlichen Intelligenz in der anwendungsorientierten Forschung im Kontext von Industrie 4.0

  • Living reference work entry
  • First Online:
Handbuch Industrie 4.0

Part of the book series: Springer Reference Technik

Zusammenfassung

Es wird erwartet, dass datengetriebene Methoden künstlicher Intelligenz im Kontext Industrie 4.0 die Zukunft industrieller Fertigung prägen werden. Obwohl das Thema in der Forschung sehr präsent ist, bleibt der Umfang der tatsächlichen Nutzung dieser Methoden unklar. Dieser Beitrag analysiert daher von 2013 bis 2018 veröffentlichte wissenschaftliche Artikel, um statistische Daten über den Einsatz von Methoden künstlicher Intelligenz in der Industrie zu gewinnen. Besonderes Augenmerk wird dabei auf die Trainings- und Evaluations-Datentypen, die Verbreitung in verschiedenen Industriezweigen, die betrachteten Anwendungsfälle sowie die geografische Herkunft dieser Artikel gelegt. Die resultierenden Erkenntnisse werden in praxisnahe Hinweise für Entscheider destilliert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Institutional subscriptions

Similar content being viewed by others

Literatur

  • Alcala-Fdez J, Alonso JM (2016) A survey of fuzzy systems software: taxonomy, current research trends, and prospects. IEEE Trans Fuzzy Syst 24(1):40–56

    Article  Google Scholar 

  • Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V (Bitkom e.V.). (2018) Digitalisierung gestalten mit dem Periodensystem der Künstlichen Intelligenz – Ein Navigationssystem für Entscheider. Bitkom e.V., Berlin

    Google Scholar 

  • Diez-Olivan A, Del Ser J, Galar D, Sierra B (2019) Data fusion and machine learning for industrial prognosis: Trends and perspectives towards Industry 4.0. Inf Fusion 50:92–111

    Article  Google Scholar 

  • Flasiński M (2016) Introduction to artificial intelligence, 1. Aufl. Springer, Wiesbaden

    Book  Google Scholar 

  • Fukunaga K (2013) Introduction to statistical pattern recognition. Elsevier, Amsterdam

    MATH  Google Scholar 

  • Glover FW, Kochenberger GA (Hrsg) (2006) Handbook of metaheuristics, 57. Aufl. Springer, Wiesbaden

    MATH  Google Scholar 

  • Hesenius M, Schwenzfeier N, Meyer O, Koop W, Gruhn V (2019) Towards a software engineering process for developing data-driven applications. In: Proceedings of the 7th international workshop on realizing artificial intelligence synergies in software engineering. IEEE Press, Piscataway, New Jersey, S 35–41

    Google Scholar 

  • Jeschke S, Brecher C, Meisen T, Özdemir D, Eschert T (2017) Industrial internet of things and cyber manufacturing systems. In: Jeschke S, Brecher C, Song H, Rawat DB (Hrsg) Industrial Internet of Things. Springer, Berlin/Heidelberg, S 9–13

    Chapter  Google Scholar 

  • Jordan MI, Mitchell TM (2015) Machine learning: Trends, perspectives, and prospects. Science 349(6245):255–260

    Article  MathSciNet  Google Scholar 

  • Kagermann H, Wahlster W, Helbig J (2013) Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0

    Google Scholar 

  • Kitchenham B (2004) Procedures for performing systematic reviews. Technical Report der Keele University, Keele

    Google Scholar 

  • Mankins JC (2009) Technology readiness assessments: A retrospective. Acta Astronautica 65(9–10):1216–1223

    Article  Google Scholar 

  • Muhuri PK, Shukla AK, Abraham A (2019) Industry 4.0: A bibliometric analysis and detailed overview. Eng Appl Artif Intell 78:218–235

    Article  Google Scholar 

  • Niggemann O, Biswas G, Kinnebrew JS, Khorasgani H, Voglmann S, Bunte A (2017) Datenanalyse in der intelligenten Fabrik. In: Vogel-Heuser B, Bauernhansl T, ten Hompel M (Hrsg) Handbuch Industrie 4.0, Bd 2. Springer Vieweg, Berlin/Heidelberg, S 471–490

    Chapter  Google Scholar 

  • Runkler TA (2015) Data Mining-Methoden und Algorithmen intelligenter Datenanalyse, 2. Aufl. Vieweg+Teubner, Wiesbaden

    MATH  Google Scholar 

  • Salcedo-Sanz S, Rojo-Álvarez JL, Martínez-Ramón M, Camps-Valls G (2014) Support vector machines in engineering: an overview. WIREs Data Mining Knowl Discov 4(3):234–267

    Article  Google Scholar 

  • Schmidhuber J (2015) Deep learning in neural networks: an overview. Neural Netw 61:85–117

    Article  Google Scholar 

  • Sharp M, Ak R, Hedberg T (2018) A survey of the advancing use and development of machine learning in smart manufacturing. J Manuf Sys 48:170–179

    Article  Google Scholar 

  • Vogel-Heuser B (2011) Erhöhte Verfügbarkeit und transparente Produktion. In: Tagungsband Automation Symposium. Kassel University Press, Kassel

    Google Scholar 

  • Vogel-Heuser B (2017) Herausforderungen und Anforderungen aus Sicht der IT und der Automatisierungstechnik. In: Vogel-Heuser B, Bauernhansl T, ten Hompel M (Hrsg) Handbuch Industrie 4.0, Bd 4. Springer Vieweg, Berlin/Heidelberg, S 33–44

    Chapter  Google Scholar 

  • Wang J, Ma Y, Zhang L, Gao RX, Wu D (2018) Deep learning for smart manufacturing: Methods and applications. J Manuf Sys 48:144–156

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Institut für Automatierungstechnik und Softwaresysteme (IAS), Universität Stuttgart, Stuttgart, Deutschland

    Benjamin Maschler, Dustin White & Michael Weyrich

Authors
  1. Benjamin Maschler
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Dustin White
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Michael Weyrich
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding authors

Correspondence to Benjamin Maschler or Dustin White .

Editor information

Editors and Affiliations

  1. Dortmund, Nordrhein-Westfalen, Germany

    Michael ten Hompel

  2. LS. AIS /MW, Technische Universität München, Garching b. München, Bayern, Germany

    Birgit Vogel-Heuser

  3. Stuttgart, Germany

    Thomas Bauernhansl

Section Editor information

  1. Lehrstuhl für Automatisierung und Informationssysteme, Technische Universität München, Garching, Deutschland

    Birgit Vogel-Heuser

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this entry

Check for updates. Verify currency and authenticity via CrossMark

Cite this entry

Maschler, B., White, D., Weyrich, M. (2020). Anwendungsfälle und Methoden der künstlichen Intelligenz in der anwendungsorientierten Forschung im Kontext von Industrie 4.0. In: ten Hompel, M., Vogel-Heuser, B., Bauernhansl, T. (eds) Handbuch Industrie 4.0. Springer Reference Technik (). Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-45537-1_123-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-45537-1_123-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer Vieweg, Berlin, Heidelberg

  • Print ISBN: 978-3-662-45537-1

  • Online ISBN: 978-3-662-45537-1

  • eBook Packages: Springer Referenz Technik und Informatik

Publish with us

Policies and ethics

Search

Navigation