Generic filters
Exact matches only
Search in title
Search in excerpt
Search in content
FS Logoi

KI: Technologie demokratisiert Künstliche Intelligenz

Kategorie:
Themen: |
Autor: Jonas Völker

Foto: PerfectPattern

Künstliche Intelligenz (KI) wird in der Industrie vorrangig für die Optimierung von Produktionsprozessen eingesetzt. Dabei geht es meist um die Analyse von Daten, um Muster zu erkennen und so Prozessverläufe vorherzusehen. Damit kann frühzeitig eingegriffen werden, wenn Effizienzverluste oder gar Produktionsunterbrechungen drohen. Dies erforderte bislang immer datenwissenschaftliche Kenntnisse. Damit waren Verfahrensingenieure und Fachexperten für komplexe Aufgaben wie die Datenbereinigung, Datenanalyse und Modell­erstellung auf entsprechende Unterstützung angewiesen. PerfectPattern, Spezialist für KI-Anwendungen speziell in der produzierenden Industrie, stellt die KI-Technologie und AutoML-Lösung aivis vor. Die industrie­nahe KI nutzt revolutionäre mathematische Ideen und Konzepte für die automatisierte Datenanalyse und Modellerstellung.

Neue Ära der Nutzung Künstlicher Intelligenz

aivis-Anwendungen führen diese Aufgaben auf Basis unbearbeiteter und unsynchronisierter Rohdaten unbeaufsichtigt, vollautomatisch und in hoher Geschwindigkeit durch. Dazu Fabian Rüchardt, CEO von PerfectPattern: „Damit werden die Dateneigentümer erstmals in die Lage versetzt, Methoden der Künstlichen Intelligenz mit geringem Aufwand selbst einzusetzen. Gleichzeitig ist das Ergebnis verständlich formuliert – das ist KI in Klartext. Wir läuten damit eine neue Ära der Nutzung von Künstlicher Intelligenz ein.“

Mit mathematischer Theorie schnell auf den Punkt

Viele Machine Learning-Plattformen funktionieren im Grunde wie Suchmaschinen für mathematische Methoden und Lösungsansätze. Sie schlagen dann oft mehrere Methoden vor, aus denen die Nutzer eine Wahl treffen müssen. Dazu Christian Paleani, Chief Scientist bei PerfectPattern: „aivis mutet den Nutzern nicht zu, die beste mathematische Methode auszuwählen, um das aktuelle Problem zu lösen – aivis ist bereits die beste Methode. Sie basiert auf einer sehr umfassenden und mächtigen mathematischen Methodik, die perfekt an die datentechnischen Herausforderungen und Fragestellungen der Industrie angepasst ist.“
Die aivis zugrundeliegende Theorie ist eine Weiterentwicklung von Kernel Machines mit Methoden aus der stochastischen Differenzialgeometrie sowie der Quantenfeldtheorie. Diese erlauben es beispielsweise, Hyperparameter direkt geometrisch zu berechnen. Paleani fasst zusammen: „Durch unsere Methoden entfällt nicht nur viel Aufwand bei der Modellerstellung, das Ergebnis ist zudem transparent und interpretierbar.“

Vorteile für Data Analytics und Predictive Analytics

In den Bereichen Data Analytics und Predictive Analytics bietet aivis eine Reihe von Vorteilen gegenüber herkömmlichen Ansätzen wie etwa neuronalen Netzen. So verwendet die Technologie eine sehr effiziente und zielgerichtete Lernstrategie, die es ermöglicht, sehr schnell Ergebnisse zu liefern und gleichzeitig die bekannten Probleme von Overfitting und Hyperparameter Tuning zu umgehen. Obwohl sie riesige Datenmengen sehr schnell verarbeiten kann, ist die für die Ergebnisfindung notwendige Datenmenge vergleichsweise klein. Auch war die Datenanalyse und Modellerstellung bisher zeitaufwändig, teuer und erforderte umfassendes datenwissenschaftliches Fachwissen. aivis arbeitet schnell und unüberwacht mit einer beliebigen Menge ungefilterter Rohdaten.
So ist es Produktionsexperten nun möglich, selbstständig, schnell und mit viel weniger Trainingsdaten als bisher zu arbeiten. Die nötigen Modelle generiert das System unbeaufsichtigt und ohne, dass manuell eingegriffen werden muss. Selbst in komplexen Szenarien mit Lerndaten von Tausenden Datenquellen kann in der Regel innerhalb weniger Minuten mit einem Ergebnis gerechnet werden – mit herkömmlichen Methoden hingegen dauert dies Stunden.

KI in industrieller Anwendung sehr herausfordernd

In industriellen KI-Anwendungen kann die Zahl der relevanten Prozessparameter sehr groß werden. Paleani erläutert: „Bisherige Ansätze stoßen bei mehreren Hundert Parametern an ihre Grenzen – aivis kann problemlos mit Tausenden von Parametern umgehen. Darüber hinaus liefert aivis auch Indikatoren für Ursachen von Entwicklungen – eine wichtige Voraussetzung, um zu erkennen, warum in einem Produktionsprozess etwas passiert.“

Derzeit umfasst aivis die folgenden drei Produktgruppen:

  • aivis Insights: Die Anwendungen in dieser Produktgruppe analysieren Daten hinsichtlich der Frage nach dem Warum. Sie durchsuchen die Daten nach versteckten Mustern und decken Beziehungen, Abhängigkeiten, Reaktionen, Ursachen und Einflussfaktoren auf. Auf dieser Basis lässt sich erklären, warum etwas passiert. Das Ergebnis ist ein klar verständlicher Bericht, der auf die jeweilige Fragestellung eingeht und nicht selten einen „aha“-Effekt mit sich bringt.
  • aivis Predict: Bei diesen Anwendungen dreht sich alles um die Frage nach dem Was. Sie wird mit einfach erstellbaren Softwarebausteinen beantwortet, deren Kern ein trainiertes mathematisches Modell ist. Die wohl bekannteste Anwendung hiervon ist die Erstellung virtueller Sensoren. Auf Basis leicht ermittelbarer Eingangsgrößen bestimmen sie fortlaufend eine Zielgröße, die anzeigt, was gerade passiert. Virtuelle Sensoren werden meist dort eingesetzt, wo der Einsatz eines physischen Sensors erschwert oder unmöglich ist oder Labormessungen durch Livemessungen ersetzt werden sollen.
    Eine weitere Anwendung sind so genannte Schätzer (Regressoren), die ähnlich einem Nachschlage­wert für leicht ermittelbare Eingangsgrößen eine Zielgröße bestimmen. Dabei berücksichtigt das zugrundeliegende mathematische Modell selbst komplizierteste Abhängigkeiten. Diese Schätzer werden beispielsweise zur Bestimmung von Rüstkosten, Festigkeiten oder Viskositäten genutzt. Klassifikatoren als dritte Anwendung von aivis Predict zeigen beispielsweise an, ob sich die relevanten Produktionsparameter gerade in einem gewünschten Zielkorridor befinden oder auszubrechen drohen.
  • aivis Prevent: Diese Anwendungen dienen der Verhinderung unerwünschter Entwicklungen in Produktionsprozessen wie material- oder maschinenbedingte Prozessstörungen, -unterbrechungen und -ausfälle. Sie basiert auf der Live-Überwachung der Prozessdaten, um problematische Situationen frühzeitig zu erkennen und Gegenmaßnahmen zu empfehlen. Damit können kostspielige Produktions­störungen oder -unterbrechungen minimiert oder ganz verhindert werden.
    Bei der Prävention auf Basis gesehener Fehler werden zunächst die historischen Daten analysiert, um die unterschiedlichen Situationen mit ihren jeweiligen Gründen zu identifizieren, die zur angegebenen Störung geführt haben. Für jede dieser Situation können spezielle Gegenmaßnahmen definiert werden. Im Regelbetrieb werden auf Basis des Live-Datenstroms die problematischen Situationen erkannt und die passenden Gegenmaßnahmen empfohlen. Die Prävention auf Basis ungesehener Fehler nutzt die historischen Daten, um das Normalverhalten des Systems zu erlernen. Auf Basis des Live-Datenstroms wird dann fortlaufend analysiert, ob sich das System noch im Normalzustand befindet oder davon abweicht.

Mehr Informationen unter www.aivis.perfectpattern.de

atp weekly

Der Newsletter der Branche

Ihr kostenfreier E-Mail-Newsletter für alle Belange der Automatiserung.

Das könnte Sie auch interessieren:

Sie möchten das atp magazin testen

Bestellen Sie Ihr kostenloses Probeheft

Überzeugen Sie sich selbst: Gerne senden wir Ihnen das atp magazin kostenlos und unverbindlich zur Probe!

Finance Illustration 03