Schwerpunkte

Weidmüller

Demokratisierung von Machine Learning

17. November 2020, 09:23 Uhr   |  Andrea Gillhuber

Demokratisierung von Machine Learning
© Weidmüller

Die Software ‚Industrial AutoML‘ ermöglicht es Unternehmen, Machine-Learning-Modelle eigenständig zu realisieren – ohne Data Scientist. Dafür bringt der Applikationsingenieur sein Domänenwissen ein und die Software erstellt automatisch das ML-Modell.

Maschinelle Lernverfahren und künstliche Intelligenz setzen im Maschinen- und Anlagenbau wichtige technologische Impulse bei der Nutzung von Daten. Zahlreiche Unternehmen sehen datenbasierte Mehrwertdienste als entscheidend für ihr zukünftiges Geschäft. Daher setzen sie sich mit Datenanalyse-Lösungen auseinander, die Produktionsprozesse optimieren und/oder völlig neue datenbasierte Geschäftsmodelle schaffen können. Weidmüller will Maschinenbauer und -betreiber befähigen, Machine-Learning-Modelle (ML-Modelle) einfach und schnell zu erstellen und so die gesammelten Daten in konkrete Handlungsempfehlungen zu überführen. 

Domänenwissen ist gefragt

Bisher analysieren Data Scientists die Daten und erstellen ML-Modelle. Dieser Prozess ist weitestgehend manuell und explorativ. Der Prozess der Modellbildung und der Erstellung der ML-Pipeline ist sehr komplex. Insgesamt gibt es bis zu 10 hoch 40 Kombinationsmöglichkeiten, um eine ML-Lösung aufzubauen. Die konkrete Ausgestaltung der ML-Pipeline ist zudem für jeden Anwendungsfall spezifisch. Weidmüller möchte die Anwendung des maschinellen Lernens so stark vereinfachen, dass Domänenexperten mit ihrem Wissen über die Maschine oder den Produktionsprozess eigenständig ML-Lösungen realisieren können – und zwar ohne Data-Science-Expertise.

Die Software Industrial AutoML führt den Nutzer durch den Prozess der Modellentwicklung; Weidmüller spricht hier auch von ‚Guided Analytics‘. Die Software hilft bei der Übersetzung und Archivierung des Applikationswissens der Domänenexperten in eine verlässliche Machine-Learning-Anwendung, indem sie das vorhandene Wissen abfragt und mit dem im Hintergrund arbeitenden ML-Verfahren kombiniert. Verglichen mit einem automatisierten Modellbildungsprozess verbessert sich die Modellgüte substanziell, wenn Domänenwissen integriert wird.

Die Industrial-AutoML-Lösung besteht im Wesentlichen aus zwei Modulen: Der ‚Modell Builder‘ und die Runtime decken den kompletten Zyklus der Entwicklung, Ausführung und Optimierung der ML-Modelle über ihren Lebenszyklus ab. Mit dem ‚Model Builder‘ kann der Anwender ML-Lösungen zur Anomalie-Erkennung, Klassifikation und Fehlervorhersage erzeugen. Dabei wird sowohl das überwachte als auch das unüberwachte maschinelle Lernen miteinander kombiniert und auf diese Weise das Domänenwissen in den Modellbildungsprozess integriert. Die Aufgabe des Nutzers ist es, in den Trainingsdaten das Normal- oder eventuelle Fehlverhalten der Maschinen zu markieren und gegebenenfalls eigene Features zu erzeugen, die für den Anwendungsfall besonders relevant sind. Dadurch entsteht ein mit Domänenwissen angereicherter Datensatz, auf dem das Training, die Optimierung und die Validierung alternativer ML-Modelle automatisch erfolgen. 
Eine besondere Bedeutung bei diesem AutoML-Ansatz kommt dem Thema ‚Explainable AI‘ zu: Die Software Industrial AutoML ermöglicht es dem Domänenexperten, den Einfluss seines Applikationswissens auf die Modellgüte nachzuvollziehen und letztendlich zu verstehen, warum ein ML-Modell in einem bestimmten Analyse-Ergebnis mündet. 

Das zweite Modul der Industrial-AutoML-Lösung ist die ­Ausführungsumgebung, die zum Betrieb der ML-Modelle in der Cloud oder in einer On-Premise-Anwendung sogar direkt an der Maschine dient. Die Ausführungsumgebung stellt die Modell-Ergebnisse verständlich dar, sodass der Nutzer konkrete Handlungen, beispielsweise zur Fehlervermeidung, umsetzen kann. 

Seite 1 von 3

1. Demokratisierung von Machine Learning
2. Kooperation zwischen Weidmüller und Microsoft
3. Machine-Learning-Anwendungen beschleunigen

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Einfach überwacht
Industrial IoT und Ladeinfrastruktur im Fokus
Initiative für den Schaltschrankbau
Managed Switch über browsergestütztes Web-Interface konfigurieren
Dank KI lernen Roboter das Montieren
KI-Software mit Schnittstellen und Sensorik verbinden
Digitalkonferenz mit großer internationaler Beteiligung

Verwandte Artikel

Weidmüller Interface GmbH & Co.KG

Künstliche Intelligenz CARed

SPS