Kein Wunder, denn Nanjundaiah arbeitete vor seiner Selbstständigkeit bei MAN und begleitete nach seinem Studium an der TU München einige KI-Projekte. Doch im Laufe der Selbstständigkeit veränderte sich der Ansatz der Gründer. Im Industrial AI Podcast stellt sich jeden Monat ein KI Startup vor. Nanjundaiah und seine Kolleginnen und Kollegen wollen das Reinforcement Learning zur Prozessoptimierung in den „German Mittelstand“ bringen. Die Voraussetzung: Eine Anlage, eine Verpackungsstraße, ein Förderband muss simulierbar sein.

„Was vor allem in der Industrie bei der Anwendung von Reinforcement Learning sehr wichtig ist, ist die Tatsache, dass man diese Technologie nur auf Anwendungsfälle anwenden kann, die man in Simulationen gut modellieren kann. Ein typisches Beispiel dafür ist ein Fließband. Das ist etwas, das man in Simulationen sehr gut modellieren kann. Wir fragen uns dann welche Maschinen gibt es, wie lange dauert der Prozess, wie lange dauert der Prozess bis zu einer Maschine, wie lang sind die Ausfallzeiten? Man hat also alle Informationen, um Simulationen erstellen zu können. Und für solche Anwendungsfälle ist das Reinforcement Learning sehr sinnvoll. Aber für andere Anwendungsfälle, wie z. B. die von mir erwähnte vorausschauende Wartung eignet sich nicht. Dort müssen die Anwender Daten sammeln, sie brauchen eine Menge Informationen, bevor Sie Ihre Ansätze vorhersagen können“, erklärt Nanjundaiah im Podcast. Im Gespräch mit Robert Weber erklärt den Projektablauf bei einem Reinforcement-Ansatz und spricht auch über den ROI der Lösung.

Auf der Hannover Messe im April spielt Reinforcement Learning auch eine große Rolle. Hawe Hydraulik berichtet am Dienstagvormittag auf dem KI-Event beispielsweise über einen Reinforcement-Ansatz in einem hydraulischen System.