Von Prozessdaten zu Prozesswissen
Darum braucht Künstliche Intelligenz semantische Modelle
Automation
Zusammenfassung
Modulare pharmazeutische Anlagen erzeugen umfangreiche Betriebsdaten. Für Anwendungen der Künstlichen Intelligenz (KI) reicht Datenerfassung allein jedoch nicht aus, weil Messwerte erst durch Kontext aus Modulstruktur, Service, Zustand, Rezeptphase und Dokumentation fachlich bewertbar werden. Dieser Fachbeitrag entwickelt eine konzeptionelle Architekturperspektive, wie semantische Informationsmodelle Engineering-Wissen und Betriebsdaten verbinden können. Am Beispiel eines Temperaturwerts werden Potenziale für kontextbasierte Anomalie-Erkennung, Modellübertragbarkeit und Nachvollziehbarkeit als Forschungs- und Implementierungshypothesen diskutiert.
Korrespondenz:
Dr.-Ing. Stephan Hensel
Semodia GmbH, Meißner Str. 37, 01445 Radebeul
stephan.hensel@semodia.com
 | Anna Menschner ist seit 2019 Mitgründerin und Geschäftsführerin der Semodia GmbH. Nach ihrem Elektrotechnikstudium an der TU Dresden war sie von 2014 bis 2019 als wissenschaftliche Mitarbeiterin am Lehrstuhl für Prozessleittechnik tätig. Heute ist sie Mitglied in verschiedenen Standardisierungsarbeitskreisen, darunter PNO, NAMUR und VDMA, und leitet die JWG Marketing der PNO. Seit 2024 engagiert sie sich zudem als Vorbild-Unternehmerin der Initiative „FRAUEN |
Schließen Sie hier ein Abonnement ab und profitieren Sie von den vielseitigen Nutzungsmöglichkeiten.
