Abstract

Maschinelles Lernen, ein Teilbereich der Künstlichen Intelligenz, gewinnt auch in Unternehmen zunehmend an Bedeutung. Im vorliegenden Beitrag werden verschiedene Verfahren des maschinellen Lernens und ihre praktischen Anwendungen in der Industrie beschrieben. Ein besonderer Fokus liegt auf (Deep) Reinforcement Learning, einer Kategorie des maschinellen Lernens auf Basis von Belohnungen. Ein Beispiel für diese Art des Lernens findet sich in der Robotik, in der Roboterarme lernen, autonom zu greifen. Derzeit wird (Deep) Reinforcement Learning im Wesentlichen am Beispiel von Spielsimulationen erforscht. Im Aufsatz werden mit Hilfe von zwei Spielsimulationen verschiedene praktische Problemszenarien erarbeitet und beschrieben, die in der Industrie eine Rolle spielen: zum einen lernt ein Roboterarm, sich in einer vorgegebenen Umwelt fehlerfrei zu bewegen, zum anderen wird ein Sortiervorgang von Gütern auf einem Fließband trainiert.