Offenheit durch XAI bei ML-unterstützten Entscheidungen: Ein Baustein zur Optimierung von Entscheidungen im Unternehmen?

ZusammenfassungKünstliche Intelligenz (KI) und Machine Learning (ML) gelten gegenwärtig als probate Mittel, um betriebswirtschaftliche Entscheidungen durch mathematische Modelle zu optimieren. Allerdings werden die Technologien häufig in Form von „Black Box“-Ansätze mit entsprechenden Risiken realisiert. Der Einsatz von Offenheit kann in diesem Kontext mehr Objektivität schaffen und als Treiber für innovative Lösungen fungieren. Rationale Entscheidungen im Unternehmen dienen im Sinne einer Mittel-Zweck-Beziehung dazu, Wettbewerbsvorteile zu erlangen. Im Sinne von Governance und Compliance sind dabei regulatorische Rahmenwerke wie COBIT 2019 und gesetzliche Grundlagen wie die Datenschutz-Grundverordnung (DSGVO) zu berücksichtigen, die ihrerseits ein Mindestmaß an Transparenz einfordern. Ferner sind auch Fairnessaspekte, die durch Bias-Effekte bei ML-Systemen beeinträchtigt werden können, zu berücksichtigen. In Teilaspekten, wie z. B. bei der Modellerstellung, wird in den Bereichen der KI und des ML das Konzept der Offenheit bereits praktiziert. Das Konzept der erklärbaren KI („Explainable Artificial Intelligence“ – XAI) vermag es aber, das zugehörige Potenzial erheblich steigern. Hierzu stehen verschiedene generische Ansätze (Ante hoc‑, Design- und Post-hoc-Konzepte) sowie die Möglichkeit, diese untereinander zu kombinieren, zur Verfügung. Entsprechend müssen Chancen und Grenzen von XAI systematisch reflektiert werden. Ein geeignetes, XAI-basiertes Modell für das Fällen von Entscheidungen im Unternehmen lässt sich mit Hilfe von Heuristiken näher charakterisieren.

Lebensdauer von Profilschienenführungen* – Teil 1/Lifespan of profile rail guides – Developing of a simplified rolling contact related life calculation for profile rail guides

Die Berechnung der Lebensdauer von Profilschienenführungen (PSF) ist bei der Anlagenauslegung ein wesentlicher Bestandteil. Bei der wälzkontaktbezogenen Lebensdauerrechnung (WKBL) wird die Überlebenswahrscheinlichkeit jedes Wälzkontaktes berücksichtigt, was bei bestimmten Anordnungen von PSF, unter Momentenbelastung, bis zu 4-fach höhere Lebensdauerwerte als eine konventionelle Berechnung liefert. Neue mathematische Modelle erlauben eine adaptierbare und anwenderfreundliche Berechnung der WKBL.   Calculating the life span of profile rail guides is an essential part in designing new mechanical systems. The ‚rolling contact related life calculation‘ (RCRL) takes into account the survival probability of each rolling contact. This allows for calculating life spans up to four times higher than by conventional calculation methods for pitch and yaw moments on single profile rail guides. New mathematical models enable an adaptable and user-friendly calculation of RCRL.

Produktivität versus Termintreue*/Productivity versus schedule compliance – Logistics-oriented order sequencing for multi-stage production processes

Die logistische Leistungsfähigkeit und Wirtschaftlichkeit einer Produktion werden durch die Auftragsreihenfolgebildung beeinflusst. Mathematische Modelle zur Beschreibung der Auswirkungen verschiedener Reihenfolgeregeln auf logistische Zielgrößen einzelner Arbeitssysteme können zur Ableitung von Reihenfolgestrategien für mehrstufige Produktionen genutzt werden. Die Festlegung der Strategie erfolgt dabei durch eine bewusste Positionierung im Spannungsfeld zwischen Produktivität und Termintreue.   The logistical performance and economic efficiency of a production system are influenced by order sequencing. Mathematical models to describe the effects of different sequencing rules on logistic target variables of individual workstations may be used to derive sequencing strategies for multi-stage productions. The strategy is defined by conscious positioning in the conflicting fields of productivity and schedule compliance.