Künst­li­che Intel­li­genz prak­tisch anwenden

Auf dem Weg zu per­so­na­li­sier­ten Pro­duk­ten sorgt Künst­li­che Intel­li­genz (KI) für einen enor­men Pro­duk­ti­vi­täts­schub. Um die For­schung und den Tech­no­lo­gie­trans­fer von KI und maschi­nel­lem Ler­nen (ML) vor­an­zu­trei­ben, haben sich Wis­sen­schaft­ler des Fraun­ho­fer-Insti­tuts für Pro­duk­ti­ons­tech­nik und Auto­ma­ti­sie­rung IPA zum Zen­trum für Cyber Cogni­ti­ve Intel­li­gence (ZCCI) zusam­men­ge­schlos­sen. Beim Open Lab Day am 5. Juli 2018 geben sie nicht nur Ein­bli­cke in ihre Arbeit, son­dern bie­ten Unter­neh­mens­ver­tre­tern auch die Mög­lich­keit, deren Anwen­dungs­ideen im Rah­men einer Feld­stu­die umzusetzen.
In der Indus­trie 4.0 liegt eine gro­ße Chan­ce für den Wirt­schafts­stand­ort Deutsch­land. Denn Pro­duk­tio­nen ver­schie­dens­ter Grö­ßen und Bran­chen kön­nen mit intel­li­gen­ten Auto­ma­ti­sie­rungs­lö­sun­gen die Pro­duk­ti­vi­tät, Wett­be­werbs­fä­hig­keit und Qua­li­tät ihrer Arbeits­pro­zes­se wei­ter ver­bes­sern. Und für die Her­stel­ler von Maschi­nen und Anla­genb erge­ben sich völ­lig neue Inno­va­ti­ons­po­ten­zia­le. Der Grund: Dank der zuneh­men­den Ver­net­zung von Pro­duk­ti­ons­an­la­gen sind rie­si­ge Daten­men­gen ver­füg­bar. Wer­den die­se mit KI- und ML-Metho­den aus­ge­wer­tet, sind zum einen Leis­tungs­sprün­ge in der Nut­zung von Maschi­nen und Anla­gen in Bezug auf Qua­li­tät, Fle­xi­bi­li­tät und Effi­zi­enz zu erwar­ten. Zum ande­ren wer­den mit KI aus­ge­stat­te­te Robo­ter ver­mehrt Ein­zug in alle Arbeits- und All­tags­um­ge­bun­gen hal­ten – und neue Auf­ga­ben übernehmen.
Auch bei der Her­stel­lung per­so­na­li­sier­ter Pro­duk­te zu Prei­sen von Mas­sen­wa­re spie­len Künst­li­che Intel­li­genz und maschi­nel­les Ler­nen eine Schlüs­sel­rol­le: »Maschi­nen und Robo­ter kön­nen unmög­lich für jedes ein­zel­ne per­so­na­li­sier­te Pro­dukt auf­wen­dig umge­rüs­tet und umpro­gram­miert wer­den. Sie müs­sen sich über ler­nen­de Algo­rith­men selbst­stän­dig an ver­än­der­te Gege­ben­hei­ten anpas­sen kön­nen«, sagt Wer­ner Kraus, stell­ver­tre­ten­der Lei­ter der Abtei­lung Robo­ter- und Assis­tenz­sys­te­me am Fraun­ho­fer IPA. Wie das gelin­gen kann, erfor­schen Kraus und Wis­sen­schaft­ler ande­rer Abtei­lun­gen des Fraun­ho­fer IPA. Sie haben sich zu die­sem Zweck zum ZCCI zusammengeschlossen.

Quick Checks für Anwendungsideen

Ein­bli­cke in lau­fen­de For­schungs­pro­jek­te gewäh­ren die Wis­sen­schaft­ler am Don­ners­tag, 5. Juli 2018 beim Open Lab Day am ZCCI. In Vor­trä­gen und anhand ver­schie­de­ner Demons­tra­to­ren prä­sen­tie­ren sie ein brei­tes Spek­trum maschi­nel­ler Lern­ver­fah­ren für die

• Robo­tik – Im Pro­jekt »Deep Grasping« wen­den die For­scher bei­spiels­wei­se ML auf den Griff-in-die-Kis­te an. Dabei wer­den die nöti­gen Daten in einer vir­tu­el­len Lern­um­ge­bung gewon­nen und die vor­trai­nier­ten Neu­ro­na­len Net­ze anschlie­ßend auf den rea­len Robo­ter übertragen.
• Opti­mie­rung von Pro­duk­ti­ons­pro­zes­sen – Das selbst­ler­nen­de Ana­ly­se­tool »Smar­te Sys­tem­op­ti­mie­rung« etwa erkennt und mel­det selbst­stän­dig Feh­ler und deren Ursa­chen in lau­fen­den Produktionsprozessen.
• Umge­bungs­er­fas­sung – In den Pro­jek­ten »Ambos« und »MonS­i­Ko« wer­den maschi­nel­le Lern­ver­fah­ren für die Ges­ten­er­ken­nung ein­ge­setzt, um Unter­stüt­zung bei manu­el­len Arbeits­schrit­ten an Behin­der­ten­ar­beits­plät­zen oder Mon­ta­ge­ar­beits­plät­zen zu bieten.
• Qua­li­täts­si­che­rung – Deep Lear­ning wird bei­spiels­wei­se für die Bewer­tung von Laser- Schnitt­kan­ten an Ble­chen mit­tels Bild­da­ten ein­ge­setzt. Bewer­tungs­kri­te­ri­en sind hier­bei Rau­heit und Gra­te. Auf Basis der Ergeb­nis­se wird anschlie­ßend die Opti­mie­rung der Schnitt­kan­ten­qua­li­tät durch die Ver­bes­se­rung der Bear­bei­tungs­pa­ra­me­ter erfolgen.