nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
English
Merken Gemerkt
14.03.2018

Künstliche Intelligenz: Reif für die Industrie

Wie man mit KI wetterfühligen Maschinen beikommt

Eines der Highlights beim IKV-Kolloquium hatte nur am Rande mit Kunststoffverarbeitung zu tun: Der Vortrag von Prof. Dr. rer. nat. Sabina Jeschke, früher selbst Professorin an der RWTH Aachen. Inzwischen steht sie als Vorstand Digitalisierung und Technik in Diensten der Deutsche Bahn AG.

Klassische Ingenieursausbildung contra Künstliche Intelligenz?

Prof. Dr. rer. nat. Sabina Jeschke: Vorstand Digitalisierung und Technik der Deutschen Bahn AG (© Hanser/K. Klotz)

Prof. Dr. rer. nat. Sabina Jeschke: Vorstand Digitalisierung und Technik der Deutschen Bahn AG (© Hanser/K. Klotz)

Für das IKV setzte sie einen glanzvollen Akzent auf das Thema Künstliche Intelligenz (KI), das ja die Interaktion mit Kunststoffverarbeitungsmaschinen immer mehr befruchtet, allerdings unter klassisch ausgebildeten Ingenieuren und Praktikern auch auf Vorbehalte stößt, weil das Verhalten der Systeme oft wenig vorhersehbar erscheint. Dennoch: „KI ist reif für Einsatz in Industrie“, lautete eine der Kernbotschaften von Prof. Jeschke.

Die dank lernender Systeme entstehende „Gruppenintelligenz“ kontrastierte sie mit dem traditionellen Ansatz, der im deutschen Ingenieursdenken dominiert: Top-down-Systeme zu bauen, die genau das tun, wofür sie spezifiziert sind. Google dagegen stelle sein Fahrzeug mit einer Anfangsintelligenz auf die Straße und gebe ihm vor, sich lernend an diese Umgebung anzupassen. Solche Bottom-up-Systeme machen deutschen Ingenieuren nach Prof. Jeschkes Beobachtungen Schwierigkeiten, aber: „Da liegt die Zukunft!“, versicherte die KI-Kennerin.

Die wetterfühlige Spritzgießmaschine

Mancher Misserfolg mag auch nicht von KI-Systemen selbst verschuldet sein, sondern von ihrem falschen Einsatz. So schildert Prof. Jeschke ein Beispiel, bei dem ein System Maschinendaten mit der Bauteilqualität korrelieren sollte. Das „Supervised Learning“ lieferte jedoch nur enttäuschende Trefferquoten von etwa 85%.

Erst als ein Mitarbeiter beiläufig bemerkte, dass die Spritzgießmaschine vermutlich „wetterfühlig“ sei, gelang es die Trefferquote auf 95% zu steigern, indem Wetterdaten mit ins Kalkül gezogen wurden. Fazit: (Solche) KI-Systeme brauchen die richtigen Daten als Input. Aber mit wachsender Datenflut wird es immer schwieriger, den Systemen nützliche und korrekt klassifizierte Trainingsdaten vorzugeben.

Bildverarbeitung mit Blick für den Hormonspiegel

Einen Ausweg bietet das „Unsupervised Learning“, das nicht mit kategorisierten Trainingsdaten arbeitet, sondern dem System Hinweise gibt, wo der Schlüssel liegen könnte, um sinnvolle Cluster zu bilden. So könnte sich vielleicht die Haarlänge eignen, um auf Fotos automatisch männliche und weibliche Personen unterscheiden zu können – eine Vorgehensweise, die in der heutigen Zeit allerdings keine zuverlässigen Resultate liefern wird.

Tatsächlich viel bessere Ergebnisse kann ein „intelligentes“ Bildverarbeitungssystem jedoch erzielen, wenn es die Farbgradienten entlang von Gesichtskonturen auswertet – was physiologisch auf den unterschiedlichen Hormonspiegel von Mann und Frau zurückzuführen sei.

Fortschritt durch Irrtum

„Versuch und Irrtum“ (Trial & Error) ist eine Strategie, mit der automatische Systeme eigene Strategien entwickeln können: Dabei überprüft ein Algorithmus, ob er bessere Ergebnisse mit kleinen Änderungen am bisherigen Vorgehen erzielt. In vielen Fällen wird die Änderung kontraproduktiv sein, doch die positiven Ausnahmen bringen den „genetischen Algorithmus“ in kleinen Lernschritten voran auf dem Weg zum Optimum.

Dies illustrierte Prof. Jeschke plakativ mit Videos von Robotern beim Laufen lernen oder von einem „Mario Kart“ spielenden Algorithmus, aber auch mit industrienäheren Beispielen aus der Entwicklung, Fertigung und Bearbeitung von Produkten. Prof. Hopmann kam es dann in seinem anschließenden Vortrag zu, die gemeinsamen Arbeiten mit dem IKV weiter auszuführen.

Kann KI Kreativität hervorbringen?

Ob KI wirklich kreative Lösungen herbringen kann, ist seit Jahrzehnten umstritten. Das Programm AlphaGo, das im Jahr 2016 den vielleicht besten Go-Spieler der Welt deutlich schlug, scheint den Gegenbeweis anzutreten.

Seine Spielstärke ließ sich inzwischen enorm weiterentwickeln, indem es Partien gegen sich selbst spielte, und dabei auch scheinbar absurde – also bis dahin unerwartete und zunächst unverständliche – Strategien findet, die sich dennoch als effektiv erwiesen. Die Charakterisierung „unerwartet, aber effektiv“ scheint dem Verständnis von „kreativ“ aber schon sehr nahe zu kommen.

„Datennester“ vernetzen

Spätestens beim Fazit kam die KI-Expertin, die seit November 2017 als Vorstand Digitalisierung und Technik bei der Deutsche Bahn AG wirkt, wieder zu ganz pragmatischen Aspekten zurück: KI-Verfahren werden derzeit in vielen Unternehmen nach ihrer Ansicht nur in „Nestern“ eingesetzt, die untereinander wenige Verbindungen haben.

Wer beim Einsatz von Künstlicher Intelligenz jedoch weiterkommen will, müsse große, heterogene Datenpools zulassen, da die KI-Systeme sonst ihre Wirksamkeit nicht entfalten können – man erinnere sich an die „wetterfühlige“ Maschine. Nötig sei daher eine konzernweite KI-Strategie, um nicht nur lokale, sondern globale Optima zu finden.

Dr. Karlhorst Klotz, Redaktion


Mediathek

Kunststoffindustrie 4.0

Weiterführende Information
  • 05.03.2018

    Voodoo-freie KI

    Meinung

    Das diesjährige Kolloquium des IKV Aachen steckte voller Überaschungen und Highlights. Auch zukünftige Branchenthemen kommen auf der Veranstaltung nicht zu kurz.   mehr

    1 Kommentar
Diese Beiträge könnten Sie auch interessieren
keine Kommentare
Diesen Artikel kommentieren





Über die Verarbeitung Ihrer personenbezogenen Daten zum Zweck der Kommentierung von Inhalten informiert Sie unsere Datenschutzerklärung.
Newsletter

Sie wollen keine Kunststoffe-News verpassen?
Hier kostenlos anmelden


Beispiel-Newsletter ansehen

Marktbarometer

Erfahren Sie in unserem monatlichen Marktbarometer, wie sich die Kunststoff-Branche entwickelt.


Zum Marktbarometer

Kunststoffe im Automobil

Zum Special