Viele Veranstaltungen gehen das Thema Künstliche Intelligenz (KI) eher aus Consumer-Sicht an. Beim ‘Forum Künstliche Intelligenz’ der WEKA Fachmedien standen hingegen industrielle und Embedded-Anwendungen im Mittelpunkt. Dazu hatten sich die drei Medien Computer&AUTOMATION, Elektronik und Elektronik automotive zusammengetan und eine Veranstaltung mit drei parallelen Tracks auf die Beine gestellt.

Die Eröffnungs-Keynotes

In seiner Eröffnungs-Keynote zeigte Ralph Bucksch von IBM den Stand der Technik auf und schaffte zu Anfang Klarheit bei der Verwendung von Begriffen, die häufig durcheinandergebracht werden: So gehe es etwa beim Cognitive Computing darum, interaktiv Entscheidungen unter Berücksichtigung detaillierter Domänenmodelle, Einbeziehung evidenter Erklärungsmuster sowie Künstlicher Intelligenz und Machine-Learning-Tools zu treffen. Unter Künstliche Intelligenz hingegen laufen verschiedene Techniken wie zum Beispiel Verarbeitung natürlicher Sprache, Rückgriff auf gespeichertes Wissen, Abwägen und Planen. Beim Maschinellen Lernen hingegen geht es um die statistische Analyse für Mustererkennung, um Vorhersagen auf der Grundlage gesammelter Daten zu treffen. Das Thema KI ist nicht immer so einfach umzusetzen, wie häufig versprochen wird. So gab Bucksch zu, dass IBM in der Vergangenheit aus Marketing-Sicht den Bogen überspannt habe. Viele Anwender dachten, es genüge, die Daten in einen Pool zu werfen. Doch das reiche eben nicht, wie Bucksch betonte: „Man braucht die rar gesäten Data Scientist und diejenigen, die das Problem benennen, das gelöst werden soll.“

Wie Siemens das Thema Künstliche Intelligenz im Geschäft angeht, erläuterte Volkmar Sterzing in der zweiten Keynote. Die Haupteinsatzfelder sind im Service (Stichwort: Predictive Maintenance), aber auch die Themen Betrieb im Life-Cycle-Zyklus, Engineering und Inbetriebnahme werden zunehmend zum Einsatzfeld der KI. Um seine eigenen Ziele in Sachen KI zu erreichen, arbeitet Siemens bereits mit 200 Data Scientists und KI-Experten – weltweit verteil auf neun Standorte. Sterzing stellte auch ein Beispiel vor, an dem Siemens schon sehr lange aktiv ist – das Thema Rohstoffpreisvorhersagen. Dabei setzt der Konzern auf rekurrente neuronale Netze. Dank einer KI-Software kann der Einkaufszeitpunkt so gewählt werden, dass die Rohstoffe zu diesem möglichst günstig zu erwerben sind.

Ein konkretes Praxisbeispiel stellte Dr. Bernd Kosch von Fujitsu in der dritten Keynote vor. Er berichtete, wie ein Hersteller von Turbinenblättern von Windkraftanlagen neuronale Netze zur Qualitätssicherung einsetzt. Da die Turbinenblätter nur in kleiner Zahl hergestellt werden, war die Herausforderung hier, dass auch nur wenige Datensätze für das Training vorliegen. Die Methode des ‚Transfer Learning‘ mit Hilfe eines Faltungsnetzes führt dennoch zu einer hohen Fehler-Erkennungsrate und einer deutlichen Zeit- und Kosteneinsparung von circa 80 %.

KI in der Fabrik

Im Anschluss an die Eröffnungs-Keynote-Vorträge teilte sich die Veranstaltung in die drei parallel laufende Slots ‚KI in Embedded Systemen‘, ‚KI in Automobil und Telematik‘ sowie ‚KI in der Fabrik‘.

In letzterem gab Prof. Claus Oetter, Stellvertretender Geschäftsführer des Fachverbandes Software und Digitalisierung beim VDMA, zunächst einen Einblick über die Rolle von Machine Learning als Innovationstreiber im Maschinenbau. Gleich zu Beginn hob er hervor, warum KI jetzt immer mehr Sinn macht: „In den letzten zwei Jahren sind mehr Daten generiert worden, als in der gesamten Geschichte der Menschheit davor.“ Und diese Daten sollen Unternehmen jetzt nutzen und loslegen, nimmt er die Unternehmen in die Pflicht: „Der KI-Zug fährt immer schneller, noch können die Unternehmen aufspringen, aber irgendwann sind die anderen weg.“ Sein Ratschlag: „Einfach ausprobieren!“ Hierfür gebe es jede Menge Open-Source-Software. „Deshalb kann ich jedes Unternehmen nur ermutigen: Probieren Sie es auch aus!“

Wie die Unternehmen dabei vorgehen können, wurde in den weiteren Vorträgen deutlich: So zeichneten etwa Jörg Drees von Ifakt sowie Dr. Harald Bauer von der Hochschule Stuttgart das Vorgehensmodell zur Anwendung von Machine Learning in der industriellen Praxis auf – von der Erfassung der Anforderungen, der Datenbeschaffung und -aufbereitung bis zur Modellierung und Implementierung. Eine zentrale Botschaft des Vortrags: „Viel hilft nicht immer viel.“ So traten etwa bei einem Projekt in einzelnen Datensätzen Effekte auf, die der Prozessbeschreibung widersprachen. In diesem Fall hat eine Reduzierung der Daten zu einem deutlich verbesserten Ergebnis geführt.

Ein weiteres, häufig auftretendes Problem: Es fehlen schlicht die Daten aus der Vergangenheit, um KI-Tools zu trainieren. Anhand eines Use Case zeigte Dr. Rainer Mümmler von Mathworks, wie Unternehmen dann vorgehen können – und zwar mit der Simulation mittels eines digitalen Zwillings.

Clevere Antriebe

Eine konkrete KI-Lösung auf Geräte-Ebene stellte der Geschäftsführer der Lenze-Tochter Encoway Christoph Ranze vor. Diese dient nicht nur dafür, den Ausfall von Antrieben oder Frequenzumrichter vorherzusagen, sondern auch dazu, aus den Daten Rückschlüsse auf die Anwendungen zu finden – etwa dem Förderband.
Die Künstliche Intelligenz hat auch Auswirkungen auf die Arbeit der Mitarbeiter. „Unsere Vision ist es, intelligente Assistenzsysteme zu schaffen, deren Fähigkeiten noch schneller wachsen, als die Komplexität in der Automation steigt”, erklärte Dr. Alexander Maier vom Fraunhofer IOSB-INA. So sinke die wahrgenommene Komplexität für den Mitarbeiter.

Aufmunternde Worte fand auch Markus Ahorner von Arhorner und Partner im Abschluss-Vortrag des Slots: „80 % der Wegstrecke sind gemacht, die Daten sind aufgrund des hohen Automatisierungsgrad da“. Weiter führte er aus: „Wir haben mittlerweile eine Architektur, die erlaubt uns, auf der kleinsten Ebene Daten überall abzuholen, wir können auf einer mittleren Ebene die Modelle bilden und wir können auf der oberen Ebene Anwendungen schaffen, wo Maschinen über Software-Agenten im Prinzip 90 % der Routine-Arbeiten des Menschen sowohl bei der Optimierung als auch bei der Anlagenüberwachung übernehmen können.“ Für einen runden Abschluss des Events ging Dr. Joachim Schrey in seiner Abschluss-Keynote der Frage nach, wer bei autonomen Systemen haftet. Sein ernüchternder Befund: „Die Juristerei steht beim Thema Künstliche Intelligenz noch ganz am Anfang“ – im Gegensatz zur Technologie. Das nächste Forum Künstliche Intelligenz findet am 19. Mai 2019 in Stuttgart statt.