Google+ Facebook Twitter XING LinkedIn GoogleCurrents YouTube

Interview

Mit „Ingenieur-Denke“ systematisch künstliche Intelligenz einsetzen

| Autor / Redakteur: Nikolaus Fecht / Benedikt Hofmann

Künstliche Intelligenz analysiert in einem Laservollautomaten die zunächst missglückte, dann aber erfolgreiche Entnahme von geschnittenen Blechteilen und automatisiert die Vorgehensweise mit Hilfe der analysierten Daten.
Künstliche Intelligenz analysiert in einem Laservollautomaten die zunächst missglückte, dann aber erfolgreiche Entnahme von geschnittenen Blechteilen und automatisiert die Vorgehensweise mit Hilfe der analysierten Daten. (Bild: Trumpf)

Prof. Jörg Krüger, Leiter des Fachgebiets Industrielle Automatisierungstechnik, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) der TU Berlin, und Bereichsleiter Automatisierungstechnik am Fraunhofer IPK, ruft zu mehr Mut beim Thema KI auf.

Die Überschrift provoziert – mit Absicht. Denn mit Blick auf China, Japan und USA, die laut einer Studie von Boston Consulting aus dem Jahr 2018 auf dem Gebiet künstliche Intelligenz (KI) schon lange kräftig aufrüsten, ist in Europa Aufwachen angesagt. Einen Weckruf startet daher Prof. Jörg Krüger, Leiter des Fachgebiets Industrielle Automatisierungstechnik, Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) der TU Berlin, und Bereichsleiter Automatisierungstechnik am Fraunhofer IPK. Der Tipp des KI-Pioniers für Produktioner: Lassen Sie sich auf der EMO Hannover 2019 von der WGP (Wissenschaftlichen Gesellschaft für Produktionstechnik) und mutigen Maschinenherstellern zu ersten KI-Schritten inspirieren.

Herr Professor Krüger, wie und wann hatten Sie Ihren ersten Kontakt zu KI?

Jörg Krüger: Das geschah 1992, als ich mich mit künstlichen neuronalen Netzen bei der Diagnose von Werkzeugmaschinenachsen beschäftigte. Heute bin ich fasziniert von den enormen Fortschritten durch Deep Learning (Teilbereich des Machine Learning, der neuronale Netze und große Datenmengen nutzt, Anm. des Autors) und Convolutional Neural Networks, die zum Teil die menschlichen Fähigkeiten in der Muster- und Bilderkennung bei der Verarbeitung von Audio- und Videodaten bereits übertreffen.

Im November 2018 erschien im Münchner Riva-Verlag das Buch „Der unterlegene Mensch: Digitalisieren wir uns mit Algorithmen, künstlicher Intelligenz und Robotern selbst weg?“. Was halten Sie von den pessimistischen KI-Ansichten des Autors Prof. Armin Grunwald, der ja als Leiter des Büros für Technologiefolgen-Abschätzung beim Deutschen Bundestag (TAB) einen gewissen Einfluss besitzt?

Krüger: Ich verstehe seinen skeptischen Blick auf die teilweise Undurchschaubarkeit dieser Systeme, denn deren Komplexität nimmt weiter zu. Wir müssen einfachere Strukturen der Automatisierung schaffen, mit denen sich die Komplexität maschineller Lernverfahren besser verstehen und beherrschen lässt. Es geht darum, ob Produktioner einem lernenden System soweit vertrauen können, dass sie es in der Produktion „scharf schalten“. Weil sich Aus- und Weiterbildung aber oft nicht schnell genug an diese schnelle Entwicklung in der Forschung anpassen, gelingt es uns nur mit erheblicher Verzögerung, entsprechende Fähigkeiten zur Beherrschung der Komplexität aufzubauen und Vertrauen in diese neuen Technologien zu schaffen. Das alles schürt natürlich die Vorstellung, dass der Mensch irgendwann unterliegt.

Prof. Jörg Krüger vom Institut für Werkzeugma-schinen und Fabrikbetrieb IWF, Berlin: „Wir benötigen eine systematischere Vorgehensweise, um mit KI in der Produktion neue Wertschöp-fungspotenziale zu erschließen.“
Prof. Jörg Krüger vom Institut für Werkzeugma-schinen und Fabrikbetrieb IWF, Berlin: „Wir benötigen eine systematischere Vorgehensweise, um mit KI in der Produktion neue Wertschöp-fungspotenziale zu erschließen.“ (Bild: IFW Berlin)

Und dann steht der Produktioner vor einem Big Data-Gebirge: Wie geht er damit um?

Krüger: Es kommt sehr darauf an, um welche Art von Daten es sich handelt und welche Zielsetzung der Produktioner verfolgt. So ging es einem Anwender darum, per Bilderkennung 50.000 bis 60.000 Teile in einem Lager zu erkennen und zu verwalten. Bisher übernimmt ein Lagerarbeiter die Arbeit, bei der er die Teile anhand eines Kataloges identifiziert und sortiert. Wir ließen von jedem Teil nur eine begrenzte Anzahl von Aufnahmen machen, die zum Erfassen einer neuronalen Netzstruktur eigentlich nicht ausreichen. Doch wir stellten fest, dass sich mit vortrainierten Netzen auf Basis nichtindustrieller Bilddaten in Kombination mit wenigen industriellen Bauteildaten schon früh akzeptable Erkennungsquoten für Assistenzfunktionen erzielen lassen. Das KI-System arbeitet dann als halbautomatischer Assistent, der dem Lagerarbeiter jeweils die fünf wahrscheinlichsten Teile anzeigt. Dank dieser Assistenz arbeitet er nun deutlich effizienter und genauer. Das funktioniert aber nur, wenn man die Prozesse sehr genau kennt. Daher lautet meine Botschaft: Nicht nur in Hard- und Software investieren, sondern auch systematisch das so genannte Domänenwissen der Produktioner nutzen. Menschen müssen außerdem lernen, Vorgänge in der Fabrik zu bewerten und zu entscheiden, welche Aufgaben die KI übernimmt. Generell ist das Einbeziehen des Domänenwissens aus der Produktion elementar, um neue Wertschöpfungspotenziale schnell und systematisch zu identifizieren.

Ergänzendes zum Thema
 
Trumpf: KI-Einsatz in der Produktion

Clevere Assistenz ist ein Aspekt, was hat KI noch zu bieten?

Krüger: Die in den Firmen erzeugten Daten sind für mich digitaler Goldstaub. Viele Unternehmen sind sich aus meiner Erfahrung noch nicht bewusst, welche Wertschöpfungspotenziale sie damit erschließen können. Die Werkzeuge für das maschinelle Lernen werden immer leistungsfähiger. In der Produktion sollten wir nun systematisch die Daten und das Domänenwissen verbinden, um die Prozesse weiter zu verbessern und effizienter zu werden. Dieses Thema möchte ich mit den Kollegen der WGP forciert angehen. Wir sollten z.B. unseren Fokus nicht wie früher auf die Erhöhung der Erkennungsquoten mithilfe von maschinellen Lernverfahren richten, sondern einerseits systematischer als bisher die vorhandenen Produktionsdaten auf ihr Potenzial zum maschinellen Lernen analysieren und andererseits auch systematischer die daraus resultierenden Potenziale zur Effizienzsteigerung in der Produktion ableiten. Ich empfehle dazu das Youtube-Video des kanadischen Wissenschaftlers Ajay Agrawal beziehungsweise sein Buch Prediction Machines: The Simple Economics of Artificial Intelligence. Hier kann ein Automatisierer oder Produktioner die Chancen von KI aus der ökonomischen Perspektive kennenlernen, um den digitalen Goldstaub im eigenen Unternehmen zu entdecken. Es entstehen plötzlich völlig neue Wertschöpfungsmodelle und Nischen für kleine Unternehmen sowie vor allem für Start-ups.

Welche Rolle spielen Sensoren?

Jörg Krüger: Die „Sensorisierung“ ist in der Regel der erste Schritt, um Daten für das Lernen zu gewinnen. Je leistungsfähiger und günstiger die Werkzeuge für das maschinelle Lernen sind, umso wertvoller werden die Daten, mit denen dies geschieht. Gerade im Bereich der Sensorisierung sind ja durch die Forschung und Entwicklung in Bezug auf Industrie 4.0 große Fortschritte zu sehen – eine gute Voraussetzung, um jetzt den nächsten Schritt zum maschinellen Lernen in der Produktion zu machen.

Doch wie sehen unsere Chancen aus gegenüber Ländern wie China, die ja enorme Beträge in KI stecken?

Krüger: Die Investitionen in KI-Infrastrukturen, die gerade aus China bekannt werden, sind in der Tat beeindruckend: kaum vorstellbar, hier aus Deutschland in der gleichen Dimension mithalten zu können. Im internationalen Wettbewerb sehe ich jedoch für Deutschland eine gute Zukunftschance darin, mit strukturierter Ingenieur-Denkweise an das Thema der industriellen Nutzung von KI bzw. dem maschinellen Lernen heranzugehen. In dieser Form sollten wir in Zukunft auch unsere weltweit sehr gute Position im Bereich der Automatisierung weiterentwickeln und erhalten können.

Was reizt Sie – nicht nur mit dem Blick des KI-Interessierten und forschenden Produktioners – besonders an der EMO Hannover 2019?

Krüger: Interessant werden sicher Exponate von WGP-Kollegen sein. So hörte ich von einem Institut, dass er etwas sehr Spannendes aus dem Bereich Mustererkennung an Werkzeugmaschinenantrieben ausstellen wird. Mehr darf ich nicht verraten. Ebenso dürfte sich eine Stippvisite zu manchen Maschinenherstellern und Automatisierungsunternehmen lohnen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46119964 / In eigener Sache)


Industrial Usability 2019

Das Anwendererlebnis im Mittelpunkt

Wie sieht eine erfolgreiche UX-Strategie aus? Ein Glück in Sachen Alleinstellungsmerkmal: Eine für alle, die gibt es nicht. Dieses Dossier bietet verschiedene aktuelle Ansätze und Trends in der Industrial Usability. lesen

Effizienzsteigerung

Mit Künstlicher Intelligenz erfolgreich durchstarten

Wie Sie Ihr erstes KI-Projekt starten, wie sich die Branche verändern wird und welche Best Practices es heute schon gibt – hier finden Sie die Fakten und das nötige Grundlagenwissen! lesen