Schwerpunkte

Interview mit Dr. Fabian Bause, Beckhoff

»KI ist ein evolutionärer Prozess«

29. März 2021, 10:17 Uhr   |  Andrea Gillhuber

»KI ist ein evolutionärer Prozess«
© Beckhoff

Beckhoff hat in seine TwinCAT-3-Steuerungen Machine Learning integriert und Erfahrungen gesammelt. Im Interview erläutert Dr. Fabian Bause, Produktmanager Twin-CAT, wie Machine Learning gewinnbringend eingesetzt werden kann.

Bevor Unternehmen Machine Learning einsetzen, was sollte dabei grundsätzlich der erste Schritt sein?

Dr. Fabian Bause: Es sollte zunächst immer genau analysiert werden, an welchen Stellen Machine Learning (ML) erfolgreich, d. h. auch nutzbringend, eingesetzt werden kann. Man neigt bei neuen Technologien gern zu extremen Positionen: Entweder es gibt Bedenken, weil die Erfahrung damit fehlt, oder die Begeisterung ist so groß, dass möglichst alle zuvor nur unzureichend angegangenen Herausforderungen mit dieser Technologie gelöst werden sollen. Beide Wege sollte man nicht beschreiten, sondern sachlich analysieren, an welchen Stellen ML wirklich mit Erfolg weiterhelfen kann.

Ist eine potenziell geeignete Applikation für ML gefunden, sollte diese in einem agilen Umfeld zügig prototypisch umgesetzt werden. Die Agilität des Projektteams ist ein entscheidender Faktor. ML-Projekte haben von Grund auf einen evolutionären Charakter und lassen sich daher nicht in ein enges vorgegebenes Korsett drängen.

Dr. Fabian Bause, Produktmanager TwinCAT bei Beckhoff Automation
© Dr. Fabian Bause, Produktmanager TwinCAT bei Beckhoff Automation

Dr. Fabian Bause, Produktmanager TwinCAT bei Beckhoff Automation: »Heute ist es kein Problem, auch im Mikrosekunden-Bereich Neuronale Netze auszuführen.«

Auf der Hannover Messe 2019 hatte Beckhoff angekündigt, Machine Learning in die TwinCAT-3-Steuerung zu integrieren. Welche Anwendungsbereiche haben sich seitdem besonders hervorgetan und warum?

Dr. Fabian Bause: Im letzten Jahr hatten wir eine erfolgreiche Beta-Phase und auch einen sehr erfolgreichen Marktstart für unser erstes Produkt – eine nahtlos in TwinCAT 3 integrierte Inferenzmaschine für Modelle des maschinellen Lernens. Die besondere Eigenschaft dieser Lösung ist die Ausführung von Modellen wie beispielsweise neuronale Netze direkt in der TwinCAT-Echtzeitumgebung. Hinsichtlich der Anwendungsfelder in einer Maschine sind damit keine Grenzen gesetzt.

Anwenderseitig hat sich in erster Linie ein Cluster bei ML-basierten Lösungen zur Qualitätskontrolle und Prozessüberwachung/Prozessoptimierung gebildet. Eine vollautomatisierte und steuerungsintegrierte Qualitätskontrolle, welche zudem auf bereits vorhandenen Maschinendaten, z. B. Motorströme, Drehzahlen und Schleppfehler, beruht, ermöglicht eine 100-prozentige Überprüfung der produzierten Güter – und das 24 Stunden am Tag, 7 Tage die Woche, ohne zu ermüden und in einer Taktzeit, die dem Menschen bei Weitem überlegen ist. Die Bereiche Prozessüberwachung und Prozessoptimierung sind konsekutive, also unmittelbar aufeinanderfolgende Schritte: Lässt sich ein Prozess mit einem trainierten Modell überwachen, kann die Maschine eine Meldung an den Maschinenbediener senden, der wiederum den Prozess zeitnah adaptiert, um die gewünschte Produktqualität zu erhalten. Der nächste Schritt liegt darin, von dem erfahrenen Maschinenbediener zu lernen und das Modell so zu trainieren, dass es nach seinem Vorbild die nötigen Parameteranpassungen autark vornimmt oder in einem Zwischenschritt als ‚Smart Assistant‘ Parametriervorschläge unterbreitet.

Bei Beckhoff beschäftigen wir uns neben den infrastrukturellen Komponenten für ML in der Steuerung zunehmend auch mit Anwendungen in den Bereichen Bildverarbeitung und Motion Control. Ziel ist es, Anwendern optimierte und ohne ML-Vorwissen einsetzbare Komponenten in Hard- und Software zur Verfügung zu stellen.

Seite 1 von 3

1. »KI ist ein evolutionärer Prozess«
2. Machine Learning in Echtzeit
3. ML-Modelle trainieren und schützen

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

Beckhoff Automation GmbH