Glossar

KI-Systeme, die Aufgaben eigenständig planen und ausführen und ihre Ergebnisse zur Freigabe vorlegen – die Idee hinter „digitalen Mitarbeitern“.

Eine festgelegte Abfolge von Rechenschritten, die aus Eingaben ein Ergebnis erzeugt – die Grundlage jeder Softwarelogik.

Das automatische Erkennen ungewöhnlicher Muster in Daten, etwa Qualitätsabweichungen oder sich anbahnende Maschinenausfälle.

Definierte Schnittstelle, über die Programme automatisiert Daten austauschen – zum Beispiel zwischen MES, ERP und Cloud.

Sehr große, schnell wachsende und heterogene Datenmengen, die sich mit klassischen Werkzeugen kaum noch verarbeiten lassen.

Das Aufbereiten von Unternehmensdaten zu Kennzahlen, Dashboards und Berichten als Grundlage für Entscheidungen.

Nutzung von Rechenleistung, Speicher und Software über das Internet – skalierbar und nutzungsbasiert statt auf eigenen Servern.

Maschinelles „Sehen“: Bilder und Videos werden automatisch ausgewertet, etwa für die 100-%-Qualitätsprüfung in der Fertigung.

Regeln, Rollen und Verantwortlichkeiten, die dafür sorgen, dass Daten korrekt, konsistent, sicher und nutzbar bleiben.

Zentrale Datenplattform, die die flexible Speicherung eines Data Lake mit der strukturierten Auswertung eines Warehouse verbindet.

Teilbereich des maschinellen Lernens mit vielschichtigen neuronalen Netzen – besonders stark bei Bildern, Sprache und komplexen Mustern.

Der grundlegende Wandel von Prozessen, Produkten und Geschäftsmodellen durch den konsequenten Einsatz digitaler Technologien.

Virtuelles Abbild einer Maschine, eines Produkts oder Prozesses – für Simulation, Überwachung und Optimierung nahezu in Echtzeit.

Datenverarbeitung direkt an Maschine oder Anlage – für niedrige Latenz, Offline-Fähigkeit und große Datenmengen vor Ort.

Verfahren, die KI-Entscheidungen nachvollziehbar machen – wichtig für Vertrauen, Qualitätsverantwortung und Regulatorik.

Enterprise Resource Planning – das zentrale System für Aufträge, Material, Finanzen und Ressourcen eines Unternehmens.

Das Nachtrainieren eines vortrainierten KI-Modells mit eigenen Daten, um es an spezifische Aufgaben anzupassen.

Datenbasierte Vorhersage künftiger Werte wie Bedarfe, Liefertermine oder Wartungszeitpunkte.

KI, die neue Inhalte erzeugt – Texte, Bilder oder Code – etwa für Wissenssuche, Entwürfe und Dokumentation.

Die Vernetzung von Maschinen, Produkten und IT zu intelligenten, weitgehend selbststeuernden Fertigungssystemen.

(Industrielles) Internet der Dinge – vernetzte Sensoren und Geräte, die Betriebsdaten erfassen und austauschen.

Key Performance Indicator – eine messbare Kennzahl zur Steuerung von Prozessen und Zielen, etwa Ausschussquote oder Liefertreue.

Systeme, die Aufgaben lösen, die üblicherweise menschliche Intelligenz erfordern – etwa Wahrnehmen, Schlussfolgern und Entscheiden.

KI-Modell, das natürliche Sprache versteht und erzeugt – die Basis für Chat-Assistenten und intelligente Wissenssuche.

Maschinelles Lernen: Systeme lernen Muster aus Daten, statt für jede Regel fest programmiert zu werden.

Manufacturing Execution System – steuert und überwacht die Fertigung in Echtzeit und verbindet ERP-Ebene und Maschine.

Praktiken und Werkzeuge, um KI-Modelle zuverlässig produktiv zu betreiben, zu überwachen und aktuell zu halten.

Automatische Verarbeitung natürlicher Sprache – etwa zum Durchsuchen von Dokumenten, E-Mails und Serviceberichten.

Ein von Nervenzellen inspiriertes Rechenmodell, das Muster in Daten erkennt – der Kern des Deep Learning.

Overall Equipment Effectiveness – Kennzahl aus Verfügbarkeit, Leistung und Qualität zur Bewertung der Anlageneffektivität.

Steuerungs- und Maschinentechnik in der Produktion – die Betriebstechnik in Abgrenzung zur klassischen Büro-IT.

Vorausschauende Wartung: Ausfälle werden aus Betriebs- und Sensordaten vorhergesagt, bevor sie eintreten.

Das gezielte Formulieren von Eingaben (Prompts), um von KI-Modellen präzisere und nützlichere Ergebnisse zu erhalten.

Eine schnell umsetzbare Maßnahme mit klarem, messbarem Nutzen – der ideale Einstieg in die Digitalisierung.

Retrieval-Augmented Generation – die KI antwortet auf Basis Ihrer eigenen Dokumente statt nur aus ihrem Trainingswissen.

Robotic Process Automation – Software-Roboter übernehmen wiederkehrende, regelbasierte Bildschirmarbeit.

Sensor mit eigener Vorverarbeitung, der bereits aufbereitete Messwerte an übergeordnete Systeme wie ein MES liefert.

Überwachtes Lernen – Modelle lernen aus Beispielen mit bekannten, „gelabelten“ Ergebnissen.

Die Datenbasis, aus der ein KI-Modell lernt – ihre Qualität und Menge bestimmen maßgeblich das Ergebnis.

Ein konkreter Anwendungsfall, in dem eine Technologie einen klar benennbaren wirtschaftlichen Nutzen stiftet.

Speicher für „Bedeutungs-Vektoren“ von Texten oder Bildern – ermöglicht semantische Suche und RAG.

Erfahrungswissen im Unternehmen erfassen, strukturieren und verfügbar machen – zunehmend KI-gestützt.