Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind Teil- und Schnittgebiete der Informatik und anwendungsorientierten Mathematik.

Hierbei ist im Allgemeinen zwischen schwacher KI – gemeint sind für bestimme Anwendungsfälle trainierte Modelle – und starke KI – Meta-Systeme, welche jegliches Wissen eigenständig lernen können – voneinander zu unterscheiden. An Systemen mit starker KI wird aktiv geforscht, lediglich schwache KI ist heute für den produktiven Einsatz bereit.

Im Kontext von Industrie 4.0 stehen hier insbesondere die Anwendungsgebiete der Condition Monitoring, Predictive Maintenance und Optimierung von Anlagen im Fokus. Wertvolle Informationen zu Verschleiß, Fehlerursachen und Optimierungspotentialen sind in den Prozessdaten von Maschinen und Anlagen enthalten. Diese Informationen bleiben heute noch vielfach ungenutzt, da die Menge und Komplexität der Daten hoch ist und vom Menschen nicht ohne technische Unterstützung verwendet werden können.

Im Kontext von schwachen KI-Systemen gibt es noch viele weitere Anwendungsgebiete, welche zusätzlich für produzierende Unternehmen von Relevanz sein können. Dies können zum Beispiel bildgebende Verfahren zur automatisierten Qualitätskontrolle, text-basierte Verfahren zur Nutzung von Mensch-Maschine-Interaktionen und vielen mehr sein. Weitere Informationen und Anwendungsfälle können unter anderem der KI-Strategie des Bundes, der Plattform Lernende Systeme oder der Fraunhofer-Allianz BIG DATA AI entnommen werden.