- Anzeige -
- Anzeige -
Lesedauer: 8min
KI für Ingenieure beherrschbar machen

Sep 29, 2020 | Industrielle Produktion

Künstliche Intelligenz (KI) steckt in Smartphones, Suchmaschinen oder Navigationsgeräten und erleichtert so den Alltag. Auch im Ingenieurwesen gibt es große Potenziale für deren Einsatz, wie in smarten Fabriken oder autonomen Fahrzeugen. Allerdings fehlt es an Verfahren, die das Verhalten der Systeme planbar und ihre Entscheidungen nachvollziehbar machen. Abhilfe schaffen soll das 'Kompetenzzentrum für KI-Engineering' (CC-King) unter Federführung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB mit Beteiligung des Karlsruher Instituts für Technologie (KIT) und des FZI Forschungszentrums Informatik.
Bild: ©sdecoret/Fotolia.com

Klassisches Engineering zeichnet sich durch Planbarkeit aus: Entwickler wissen schon in der Entwurfsphase, wie sich die einzelnen Komponenten und damit auch das Gesamtsystem später einmal verhalten werden. Systeme mit Bestandteilen künstlicher Intelligenz (KI) oder maschinellen Lernens (ML) sind nicht so vorhersehbar; datengetrieben entwickeln sie sich während ihrer Laufzeit weiter und entfalten erst im Betrieb ihre finale Funktionalität. Für die sichere Beherrschung von Ausnahmesituationen ist dies eine große Herausforderung – und auch der wirtschaftliche Nutzen ist vorab kaum bezifferbar. Ohne die Kalkulierbarkeit des klassischen Engineerings gestaltet sich der Einsatz intelligenter Systeme für Unternehmen deshalb schwierig.

Das „Kompetenzzentrum für KI-Engineering“ (CC-King) vereint die informationstechnische und ingenieurwissenschaftliche Kompetenz des Standorts Karlsruhe, um den KI-Einsatz in der Praxis entscheidend zu erleichtern: Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, das FZI Forschungszentrum Informatik und das KIT forschen in engem Kontakt mit Unternehmen an grundlegenden Fragen, praxistauglichen Methoden und konkreten Anwendungsproblemen.

Grundsätzliche methodische Fragestellungen

Die (Un-)Vorhersehbarkeit des Verhaltens lernender Systeme ist ein zentrales Thema des KI-Engineering. „KI-Engineering hat zum Ziel, KI und ML ingenieursmäßig nutzbar zu machen, vergleichbar dem klassischen Engineering. Es handelt sich dabei um eine ganz junge Disziplin, die die Brücke schlägt zwischen KI-Grundlagenforschung und Ingenieurswissenschaften“, sagt Professor Jürgen Beyerer, wissenschaftlicher Direktor des Kompetenzzentrums, Institutsleiter des Fraunhofer IOSB und Professor am KIT. „Neben der Vorhersehbarkeit stehen dabei etwa auch die Sicherheit KI-basierter Systeme, die Erklärbarkeit von Entscheidungen oder die Einbindung von Vor- und Expertenwissen in datengetriebene Ansätze im Fokus der Forschenden.“ Ziel sei, ein Standard-Vorgehensmodell für KI-Engineering zu entwickeln, das KI-Technologien auch für große und heterogene Teams zielsicher einsetzbar macht.

„Als Technologieregion mit langer Tradition sowohl in den Ingenieurswissenschaften als auch in der Informatik bietet der Standort Karlsruhe optimale Voraussetzungen für das Kompetenzzentrum“, betont Beyerer. Mit dem Testfeld Autonomes Fahren Baden-Württemberg und der gerade entstehenden Karlsruher Forschungsfabrik gebe es zudem die passenden Reallabore für die Anwendungsfelder Mobilität und industrielle Produktion. „Unter diesen Bedingungen könnte KI-Engineering zum Alleinstellungsmerkmal deutscher KI werden.“

Beratung und Lernlabor für KMU

CC-King soll insbesondere kleinen und mittleren Unternehmen (KMU) die beherrschbare Nutzung von KI-Komponenten ermöglichen. „Auch hoch innovativen Mittelständlern mangelt es oft an KI-Kompetenz. Diese Lücke lässt sich schwer schließen, weil KI-Experten rar und zudem mit den typischen Anwendungsdomänen in der Regel nicht vertraut sind“, so Beyerer. Deshalb biete CC-King Unternehmen konkrete Unterstützung an. Firmen können etwa ganz unbürokratisch sogenannte QuickChecks oder TransferChecks in Anspruch nehmen. Eine Beratungsstelle sowie ein KI-Engineering-Lernlabor für die Schulung von Unternehmensmitarbeitern sind in Aufbau.

Die Beiträge der beteiligten Forschungsinstitutionen

Als federführender Konsortialpartner bringt das Fraunhofer IOSB seine breite informationstechnische Kompetenz sowohl in der industriellen Automatisierungs- und Regelungstechnik als auch in den Bereichen KI und ML in das Kompetenzzentrum ein. „Insbesondere haben wir in den vergangenen drei Jahren im Rahmen des Fraunhofer-internen Leitprojekts ‚ML4P – Machine Learning for Production‘ bereits ein toolgestütztes Vorgehensmodell für KI-Engineering in der industriellen Produktion entwickelt“, erläutert Dr. Julius Pfrommer, Forschungsgruppenleiter am Institut und technisch-wissenschaftlicher Leiter von CC-King. „Es erlaubt uns, planbar und wiederholbar KI-Verfahren zur Anwendung zu bringen. Dabei sind die KI-Algorithmen zentral wichtig, machen aber häufig nur einen Bruchteil der Gesamtlösung aus.“ Ein Fokus liege auf der tiefen Integration vorhandener Werkzeuge aus den Ingenieurdisziplinen mit den KI-Verfahren. „Nur so ist es möglich, dass die KI auch in den Bereichen gute Arbeit leistet, wo sie keine oder nur wenig Daten und Erfahrungswerte aus der Vergangenheit zur Verfügung hat.“ Als Erprobungsumgebung für den KI-Einsatz in der industriellen Produktion baut die Fraunhofer-Gesellschaft zusammen mit dem KIT derzeit die Karlsruher Forschungsfabrik, die 2021 den Betrieb aufnehmen wird.

Seiten: 1 2Auf einer Seite lesen

Autor:
Firma: Karlsruher Institut für Technologie
www.uni-karlsruhe.de

News

- Anzeige -

Weitere Beiträge

Das könnte Sie auch interessieren

KI per Smartphone

Die KI-Software AI.See von Elunic wird häufig zur Prüfung von Oberflächen aus Metall und Kunststoff eingesetzt. Mit einem Starterkit und einem Smartphone können Anwender selbst einen ersten Eindruck einer KI-basierten Qualitätsprüfung gewinnen.

mehr lesen

Künstliche Intelligenz analysiert wertvolle Inhaltsstoffe

Kunststoffmüll ist ein Problem. Weltweit. Der Grund: Kunststoff ist meist verbaut und Teil eines komplexen Produktes: Auto, Kühlschrank, Lederschuh oder Smartphone. Materialanalyse, -trennung und Recycling wären ein Lösungsansatz. Hier setzt das Projekt ‚Digital Lifecycle Record for the Circular Economy‘ – kurz ReCircE – an. Es will mithilfe von künstlicher Intelligenz ein umfassendes Recyclingverfahren entwickeln. Teil des Projektes ist ein digitaler Produktpass. Er soll Transparenz über die gesamte Wertstoffkette schaffen, um die Verwertung von Kunststoffen aus hochentwickelten Produkten zu erleichtern.

mehr lesen

Unternehmen reagieren bei ethischen KI-Fragen zögerlich

Das Bewusstsein für ethische Fragestellungen beim Einsatz von künstlicher Intelligenz ist in Unternehmen und Verwaltungen gestiegen. Dennoch fällt ihre diesjährige Handlungsbilanz gemischt aus, da nur in Teilbereichen Verbesserungen erzielt wurden. Zu diesen und weiteren Erkenntnissen kommt eine Studie von Capgemin für die 2.900 Konsumenten sowie 900 Führungskräfte befragt wurden.

mehr lesen

Künstliche Intelligenz trifft Embedded

An künstlicher Intelligenz (KI) und maschinellem Lernen führt kein Weg vorbei. Die Automobilindustrie, die industrielle Automation, die Landwirtschaft – kaum ein Sektor, der nicht vor tiefgreifenden Veränderungen steht. Mit KI-fähigen Embedded-Systemen steht künstliche Intelligenz zunehmend direkt at the Edge zur Verfügung.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.