"Ein evolutionärer Schritt"

"Ein evolutionärer Schritt"

Experteninterview mit Markus Schatzl

Markus Schatzl, Leiter des senswork Innovation Lab, erklärt, welche Chancen sich mit dem Einsatz von KI ergeben und welche Hürden damit verbunden sind. Das Interview führte Matthias Günther für seine Abschlussarbeit „Künstliche Intelligenz im Qualitätsmanagement – Implementierungsmöglichkeiten entlang der Wertschöpfungskette und die Entwicklungen in KMU“ im Studiengang Wirtschaftsingenieurwesen Maschinenbau an der Hochschule Konstanz.

Wie schätzen Sie den aktuellen Stand bei KI ein und mit welchem Fortschritt ist in den nächsten Jahren zu rechnen?

Das Anwendungsgebiet von KI ist sehr breit gefächert, sodass die Frage nicht ganz einfach zu beantworten ist. Für unser Tätigkeitsfeld hat es eine hohe Relevanz, dass die Treffsicherheit bzw. Performance mittlerweile äußerst gut sind. Durch den Entwicklungsfortschritt im Hardwarebereich ist auch kein Großrechner mehr notwendig, um interessante Aufgaben zu bearbeiten. Ein Thema, das langsam im Anwendungsbereich ankommt, ist die bessere Erklärbarkeit des Verhaltens eines neuronalen Netzes. In der Vergangenheit war das nicht möglich, sodass ein Resultat einfach akzeptiert werden musste. Im Fertigungsumfeld war das unproblematisch, da es natürlich attraktiver ist, eine automatisierte Lösung mit einer Treffsicherheit von 99,5 % zu haben als keine. Besonders im Medizintechnik- und Automotivebereich ist die Erklärbarkeit einer Entscheidung in der Qualitätssicherung aber zentral, sodass diese Entwicklung durchaus nochmals weitere Anwendungen erschließen wird.

Wie zuverlässig sind heutige Methoden, gerade bei komplexeren Bauteilen oder Anforderungen?

Das kommt auf den konkreten Anwendungsfall an. Die Klassifizierung von Teilen und Objekterkennung bei Bauteilen ist in der Regel gut zu lösen. Bestimmte Eigenschaften können die Erkennung erschweren, allerdings gibt es in der industriellen Bildverarbeitung wirkungsvolle Methoden, mit denen man die Ausgangslage verbessern kann. Das kann eine spezielle Aufnahmetechnik oder eine Datenvorverarbeitung mit konventioneller Bildverarbeitungstechnik sein. Außerdem ist die Hardware für das Rechnen komplexerer Netze mittlerweile sehr leistungsfähig. Die erreichbare Performance hängt großteils von der finanziellen Investition in ein System ab.

Für welche Unternehmensgrößen eignen sich KI-Technologien am besten?

Aus meiner Sicht lässt sich das kaum an der Unternehmensgröße festmachen. Die Infrastruktur und wichtige Werkzeuge, die man für eine Implementierung benötigt, sind frei verfügbar. Das befähigt ein Ein-Mann/Frau-Unternehmen in gleicher Weise wie einen Konzern, KI-basierte Anwendungen umzusetzen. Aus meiner Sicht liegen die Beschränkungen im Bereich der High-Performance-Anwendungen, da die benötigte Rechenleistung eine finanzielle Frage sein kann.

Gibt es andere Mindestanforderungen an die Unternehmen, etwa technische Gegebenheiten oder Umsatz, um KI zu implementieren?

Seit sich Rechenleistung per Cloud mieten lässt, besteht die Möglichkeit, Konzeption und Vorarbeit auf einer durchschnittlichen Workstation umzusetzen und im Anschluss auf einer hochperformanten, temporär gemieteten Rechenplattform zu trainieren. Prinzipiell ist die Verwendung bestehender neuronaler Netze meist unproblematisch, die Arbeitsabläufe sind relativ einfach. Schwierig hingegen ist der Entwurf eigener komplexer Netzarchitekturen, was aber im Anwendungsbereich in den seltensten Fällen passiert. Dieser Unterschied ist nach außen hin oftmals nicht klar. Die größte Hürde bei KMU ist grundsätzlich die Entscheidung, sich mit dem Thema auseinanderzusetzen zu wollen.

Sind große Unternehmen nicht die eigentlichen Gewinner der Entwicklung dieser Technologien?

Je größer ein Prozess oder der Umfang an Prozessen ist, die in einem Unternehmen vorhanden sind, desto größer ist die Auswirkung der Automatisierung dieser Prozesse. Wer Prozesse hat, die aufgrund geringer Bedeutung oder auch großer Variation den Implementierungsaufwand nicht rechtfertigen, kann hier natürlich nur beschränkt profitieren. Das trifft sicher für viele kleinere Unternehmen und Handwerksbetriebe zu. Im Sektor der Arbeitsorganisation können aber auch kleinere Unternehmen sinnvoll KI-Anwendungen einsetzen und etwa im Bereich der Qualitätssicherung profitieren.

Sehen Sie sich als Technologieanbieter in der Pflicht, die Vorteile proaktiv aufzuzeigen?

Aus unserer Sicht ist es von zentraler Bedeutung, unsere Kunden mitzunehmen und das Verständnis für die Potentiale von Deep Learning zu fördern. Bei senswork haben wir deshalb im Frühjahr 2020 entschieden, dass wir genau das tun wollen. In Zukunft planen wir, uns in puncto Wissenstransfer zu KI stärker aufzustellen und zu diesem Zweck eine Plattform zu schaffen. Konkret können das beispielsweise Workshops für Entscheider (Banken, Fördergeber, IHK, HWK), Gesprächskreise aus Lehre und Forschung oder klassische Train-the-trainer-Veranstaltungen für Beratungsunternehmen sein. Aber auch Kurse für technisch affine und interessierte Menschen, die an einem Wochenende praktisch verstehen, wie sich das Wuchsstadium der Tomatenpflanze am Fensterbrett per KI beurteilen lässt, sind vorstellbar.

Angenommen, es findet eine erfolgreiche Kontaktaufnahme mit einem Unternehmen statt: Wie ist der weitere Ablauf, von ersten Ideen bis zur Fertigstellung des Systems?

In unserer Domäne hat es auf den generellen Ablauf kaum Einfluss, ob eine Anwendung mit konventionellen regelbasierten Verfahren oder einem neuronalen Netz gelöst wird. Einer Anwendung in der industriellen Bildverarbeitung liegt üblicherweise eine Spezifikation zugrunde, auf deren Basis eine Entscheidung bzgl. Rechenplattform, Kamera, Beleuchtung und optischem Setup getroffen wird. Der Hardware kommt eine entscheidende Rolle zu, denn nur wenn die Daten bzw. die darin enthaltene Information optimal ist, ist eine performante Auswertung mit hoher Fehlererkennungsrate möglich.

Außerdem ist umfangreiches Bildmaterial wichtig. Sind die Bilddaten gekennzeichnet (getaggt), wird mit ihnen ein neuronales Netz trainiert. Im Rahmen des Trainings wird die Erkennungsleistung des Netzes optimiert. In der eigentlichen Anwendung arbeitet man mit dem optimierten Netz, das im Anlagenbetrieb kontinuierlich einzelne Eingabebilder erhält und diese beurteilt. Zur Qualifizierung einer Anwendung kann es ausreichen, vorhandenes Bildmaterial aus der Produktion des Kunden zu verwenden, sodass vorab kein spezielles Kamerasystem konzipiert und aufgebaut werden muss.

Insbesondere KMU haben Angst vor dem finanziellen Risiko, dem Verlust von Arbeitsplätzen oder manipulierter Software. Was sind für Sie die Gründe für den geringen Einsatz?

Die genannten Punkte können bei jeder Art von Automatisierung eingewendet werden (was häufig auch der Fall ist). Ich denke nicht, dass KI-Themen hier speziell sind. Das größte Hemmnis ist meiner Meinung nach das mangelnde Verständnis der Funktionsweise neuronaler Netze. Es gibt die weit verbreitete Vorstellung, dass ein komplexes Rechnersystem wichtige alltägliche Entscheidungen übernimmt, die nicht nachzuvollziehen sind. Die damit verbundene Angst ist insofern unbegründet, dass so gut wie jede KI nur kennt, wofür es von einem Menschen trainiert wurde.

Können Sie Praxisbeispiele in Bezug auf das Qualitätsmanagement bei der Umsetzung von Ihren Projekten aufzeigen?

Sehr effektiv ist der Einsatz von Deep Learning in Anwendungen mit Objekten, die einer großen Variationsbandbreite unterliegen. Dazu gehören viele in der Natur vorkommende Materialien und Partikel oder auch Pflanzen und ihr Wuchs. Einem menschlichen Spezialisten fällt die Beurteilung zumeist sehr leicht. Die Implementierung derartiger Applikationen war durch die hohe Komplexität bis in jüngere Vergangenheit nur in relativ einfachen Konstellationen machbar. Ab einem gewissen Grad an Komplexität ist ein Regelsatz zur klaren Unterscheidung und Einordnung von Merkmalen nicht mehr beschreibbar, womit eine konventionelle algorithmische Lösung in weite Ferne rückt. Mithilfe neuronaler Netze besteht nun ein Ansatz, dieser Problematik beizukommen, da eine Beschreibung von Regeln nicht mehr notwendig ist.

Wie ist bei Ihnen das Verhältnis zwischen Großfirmen und mittelständischen Unternehmen als Kunden?

Bei uns ist das Verhältnis sehr ausgewogen. Wir entwickeln sowohl Systeme für sehr große Kunden als auch für KMU. Das bezieht sich natürlich auf Bilderverarbeitungs-Anlagen generell. Für unsere Kunden steht de Lösung der Aufgabe im Vordergrund. Für uns ist die Anwendung neuronaler Netze ein großer evolutionärer Schritt in der Verbesserung der Analyseleistung.

Zurück

Es werden notwendige Cookies, Google Fonts, Google Maps, OpenStreetMap, Youtube und Google Analytics geladen. Details finden Sie in unserer Datenschutzerklärung und unserem Impressum.