Glossar

Aktion (Action):
Jeder Steuerbefehl, den ein autonomes KI-System in einer industriellen Umgebung ausführt. Zur Steuerung eines Fahrzeugs gehören als veranschaulichendes Beispiel Gasgeben, Bremsen und Lenken.

Algorithmus:
Ein Ablauf oder eine Abfolge von Anweisungen, mit denen eine bestimmte Aufgabe gelöst wird.

Künstliche Intelligenz:
Computersysteme, die Aufgaben erledigen können, für die normalerweise menschliche Intelligenz notwendig wäre.

Assessment:
Eine Reihe von Testszenarien, in denen die autonome KI bewertet wird. Dabei wird geprüft, ob sie in den relevanten Situationen zuverlässig funktioniert. Es gibt automatische Bewertungen (während des Trainings) und manuelle Bewertungen, bei denen Nutzer gezielt einzelne Szenarien analysieren können.

Automatisierung:
Der Einsatz von Software zur Durchführung von Aufgaben – meist basierend auf Berechnungen, Optimierung oder Regelwerken.

Autonome Künstliche Intelligenz:
Ein System, das seine Umgebung wahrnimmt und eigenständig Entscheidungen trifft, um festgelegte Ziele zu erreichen.

Benchmark:
Ein Referenzwert, der die Leistung aktueller Methoden misst. Er basiert auf abgestimmten Kennzahlen (KPIs) und dient als Vergleichsgrundlage für neue KI-Modelle.

Agent-Gewichtungen:
Jeder der Parameter, die die aktuellen Strategien des Agenten definieren. Das Training beginnt mit zufälligen Gewichten. Während des Trainings werden diese Gewichte geändert, um effektivere Strategien zu erforschen. Sobald während eines automatischen Assessments eine bessere Strategie gefunden wird, überschreiben die neuen Gewichte die zuvor gespeicherten und werden zum neuen Champion. 

Herausforderer:
Eine Strategie, die mit dem aktuellen Champion oder der besten gefundenen Strategie verglichen wird. Während des Agententrainings erforscht dieser mehrere Strategien. In regelmäßigen Abständen werden die neuen Strategien durch eine automatische Bewertung beurteilt. Wenn die Zeit für eine Bewertung gekommen ist, wird die aktuell untersuchte Strategie, die gerade bewertet wird, zum Herausforderer.

Champion:
Die aktuell beste Version eines KI-Modells im Training. Ein Champion wird nur durch einen besseren Herausforderer ersetzt.

Closed-Loop-System:
Ein System, das sowohl Entscheidungen trifft als auch Rückmeldungen aus der Umgebung verarbeitet.

Konzept:
Einzelne Fähigkeiten, die das KI-System unabhängig voneinander lernen kann. Diese Konzepte ermöglichen einen modularen Aufbau von Industrial Agents

Regelungstechnik:
Ein mathematischer Ansatz zur automatisierten Entscheidungsfindung mit vorhersehbaren Ergebnissen.

Datengetriebene Simulation:
Eine Simulation, die auf echten Daten oder maschinellem Lernen basiert, um das Verhalten eines Systems zu prognostizieren.

Deep Learning:
Eine Methode des maschinellen Lernens, bei der neuronale Netzwerke mit vielen Schichten zum Einsatz kommen.

Deep Reinforcement Learning:
Eine Lernmethode, bei der die KI durch Wiederholung und Feedback ihre Entscheidungen optimiert – die Ergebnisse werden in einem neuronalen Netzwerk gespeichert.

Episode:
Ein abgeschlossener Trainingsdurchlauf für die KI, z. B. eine einzelne Runde in einem Autorennen oder ein Produktionslauf in der Fertigung.

Expertenregeln:
Handlungsanweisungen basierend auf Erfahrung und Wissen von Fachleuten.

Expertensysteme:
Intelligente Systeme, die auf einer Sammlung von Expertenregeln, einer Benutzeroberfläche und einem Auswertungssystem basieren.

Rückkopplungsregelung:
Ein System, das Entscheidungen auf Basis von Rückmeldungen trifft.

Vorausschauende Regelung:
Ein System, das Störungen antizipiert und Regelgrößen unabhängig voneinander steuert.

Physikalisch basierte Simulation (First-Principles Simulation):
Eine Simulation, die auf physikalischen und mathematischen Grundprinzipien beruht.

Zielvorgabe:
Jede der einzelnen Bedingungen, die bei der Zieldefinition erfüllt werden müssen. Diese Ziele werden während einer Episode für jedes anwendbare Szenario einzeln bewertet.

Zielrobustheit:
Eine Kennzahl, die zeigt, wie effektiv die KI bei der Zielverfolgung ist – auch über die definierten Erfolgskriterien hinaus.

Ziel- Erfüllung:
Eine kontinuierliche Metrik zur Messung der Effektivität eines zielbasierten Konzepts. Diese Metrik ist kontinuierlich und ermöglicht es den Nutzern, selbst die kleinsten Verbesserungen der Leistung zu verfolgen. Diese Metrik ist durch einen Wert von 100 % begrenzt, der erreicht wird, wenn der Champion die für alle individuellen Zielvorgaben definierten Erfolgsschwellenwerte erreicht.

Ziel:
Eine hochrangige Spezifikation dessen, was die KI lernen soll. Jedes Ziel identifiziert alle Zielsetzungen, die das Konzept lernen muss. 

Iteration:
Eine Steuerungsaktion oder Entscheidung. Iterationen werden zu Episoden aneinandergereiht.

Key Performance Indicator (KPI):
Eine objektive Kennzahl zur Bewertung der Leistung in relevanten Szenarien. Sie wird gemeinsam mit Fachexperten definiert.

Learning Layer:
Enthält die technischen Algorithmen, die während des Trainingsprozesses lernen. Diese werden später im Einsatz genutzt, um die Entscheidung herbeizuführen.

Maschinelles Lernen (Machine Learning):
Algorithmen, die durch Erfahrung und Daten eigenständig besser werden.

Machine Teaching:
Ein strukturierter Ansatz, um Maschinen gezielt mit menschlicher Anleitung neue Fähigkeiten beizubringen.

Modul:
Ein Baustein im KI-System, der Konzepte, Strategien oder Regeln enthalten kann. Module lassen sich flexibel kombinieren.

MPC-Steuerung:
Ein Verfahren, das Entscheidungen auf Basis von Modellrechnungen trifft – bevor eine Aktion tatsächlich ausgeführt wird.

Open-Loop-System:
Ein Steuerungssystem, das ohne Rückmeldung auf festgelegten Abläufen basiert.

Optimierung:
Algorithmen, die gezielt nach der mathematisch besten Lösung für ein bestimmtes Problem suchen.

Overfitting (Überanpassung):
Ein Zustand, in dem ein KI-Modell in einem speziellen Szenario sehr gut abschneidet, in anderen aber versagt.

PID-Regelung:
Ein verbreitetes Regelungsverfahren, das drei Parameter (proportional, integral, differenziell) nutzt.

Strategie mit überdurchschnittlicher Leistung:
Strategien, die den Benchmark übertreffen und/oder die Erfolgskriterien erfüllen.

Strategie:
Ein geplanter Handlungsablauf zur Erreichung eines Ziels, welcher die Umweltzustände als Eingaben nutzt und entsprechende Werte für jede Umweltvariable ausgibt.

Strategie mit unterdurchschnittlicher Leistung:
Strategien, die den Benchmark nicht schlagen und/oder die Erfolgskriterien nicht erfüllen. 

Reinforcement Learning:
Eine Methode des maschinellen Lernens, bei der KI die Ausführung einer Aufgabe übt.

Szenario:
Ein bestimmter Zustand oder eine Konfiguration der Umgebung.

Simulation:
Eine digitale Nachbildung eines realen Systems, in dem die KI lernen und trainieren kann.

Fähigkeit (Skill):
Einzelne Kompetenzen, die das KI-System erlernen und anwenden kann.

Fachexperten (SMEs – Subject Matter Experts):
Menschen, die sich mit dem jeweiligen Prozess oder Problem gut auskennen – z. B. Bediener, Techniker oder Simulationsexperten.