Maschinenbau-Gipfel 2017

Laut Rainer Glatz, Geschäftsführer der VDMA-Fachverbände Elektrische Automation und Software, ist Künstliche Intelligenz das nächste große Thema im Maschinenbau. - Bild: Sabine Ehlen

| von Daniela Hoffmann

„Ich glaube, Künstliche Intelligenz ist der nächste Hype nach Industrie 4.0 für die Branche“, bekannte Rainer Glatz, Geschäftsführer der VDMA-Fachverbände Elektrische Automation und Software. Wie eine TED-Umfrage unter den Gipfelteilnehmern zeigte, sind gut zwei Drittel der Ansicht, dass KI und Machine Learning für die Branche sehr wichtig sind.

Von den Befragten berichteten 29 Prozent, dass sie sich bereits in der Umsetzung befinden. Knapp die Hälfte ist noch in der Orientierungs- und Informationsphase, lediglich ein knappes Viertel hat sich noch gar nicht mit der Thematik beschäftigt.

Wenn man jetzt Milliarden von Dingen vernetzt – allein 250 Milliarden Sensoren soll es bis 2020 im Internet of Things geben, auf die man zugreifen kann – und diese Daten nutzt, um mit KI Wissen zu generieren, dann entstehen autonome Systeme, erklärte Prof. Thomas Bauernhansl, Institutsleiter des Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA. „Wir sind Meister der physischen Systeme, aber bei der Schnittstelle zum Menschen ist noch Nachholbedarf“, konstatierte der Experte. Aus seiner Sicht ist auch die Zeit für kognitive Produktionssysteme gekommen.

Dass in Deutschland im Bereich KI für Industrie 4.0 ein guter Vorsprung im Vergleich zum Silicon Valley möglich ist, machte Prof. Torsten Kröger deutlich, Leiter des Instituts für Anthropomatik und Robotik am Karlsruher Institut für Technologie (KIT). Er war zuvor mehrere Jahre für Google im Robotik-Umfeld tätig. Fortschritte gibt es demnach vor allem beim Training von Robotern ohne Programmierung, so lasse sich zum Beispiel das Stapeln von Bauklötzen rein kinematisch und visuell erlernen. „Das Bemerkenswerte ist, dass wir jetzt Systeme haben, die semantisch verstehen, was wir tun“, stellte Kröger fest. So könnte zum Beispiel eine Maschine erkennen, ob ein erfahrener oder ein untrainierter Mitarbeiter sie gerade bedient.

„Das Thema Verstärkungslernen ist in aller Munde“, konstatierte Bauernhansl. Spätestens nach dem Google-Experiment 'Griff in die Kiste', bei dem 14 Roboter parallel trainierten, beliebige Gegenstände aus einer Kiste zu greifen und dabei voneinander lernten, sei das enorme Potential von Machine Learning für Industrie 4.0 belegt. Nach 800.000 Versuchen im Rahmen des „Reinforcement Learning“ waren die Roboter selbstlernend in der Lage, jedes Teil zu greifen.

Daten durch Simulationen

Über das Projekt berichtete Kröger, der live dabei war: „Alle waren total überrascht, als ein Greifer einen Gegenstand beiseiteschob, um einen anderen Gegenstand zu greifen – obwohl das in keinster Weise programmiert war“. Hier zeigt sich auch ein Effekt der KI, mit dem Unternehmen umgehen müssen: Nicht alles ist klar nachvollziehbar, was die Algorithmen tun. „KI ist keine exakte Wissenschaft im Hinblick auf die Nachvollziehbarkeit. Wenn man in einem Audit sagt, wir haben das gemacht, weil die Maschine das gesagt hat, befindet man sich in einer Grauzone“, so Achim Baier, Geschäftsführer des IT-Dienstleisters arconsis IT Solutions GmbH.

Damit man in der Praxis nicht mehr auf 800.000 Versuche warten muss, gehen die Wissenschaftler das Thema jetzt anders an: „Man versucht mehr und mehr, diese Daten durch Simulation zu erzeugen, um effizienter zu werden. Zurzeit gibt es noch Probleme, ein Simulationsmodell mit der Realität abzugleichen. Wenn das gelöst ist, können sich Maschinen alles selbst beibringen und in die reale Welt übertragen“, erzählte Thomas Bauernhansl.

Maschinenbau-Gipfel 2017: Das Fazit von Chefredakteur Claus Wilk

Das Schlagwort Cognitive Manufacturing erklärte Matthias Dietel, Manager Executive Think Space für Industrie 4.0 bei IBM Research & Development: „Kognition ist die Art, wie wir denken. Cognitive Computing legt das Fundament für eine Mensch- Maschine Partnerschaft und selbst für die Beziehung zwischen Maschinen“.

30 Jahren Ingenieur-Erfahrung

Die Smart Factory werde zur Cognitive Factory weiter entwickelt, indem Datenmengen in lernende Systeme eingespeist werden. „Ein Großteil von Daten im Unternehmen sind Dark Data, an die kommen wir gar nicht dran. Diese Daten will man jetzt heben“, berichtete Dietel. Dazu gehörten unstrukturierte Bild, Video und Akustiksignale.

Dietel rät, zu Beginn viel Sorgfalt auf die Auswahl von Use Cases zu legen. Der Nutzen sollte klar umrissen sein, um das Projekt im Unternehmen vermitteln zu können; am Anfang sollten kleine Projekte stehen. KI eigene sich auch besonders gut für Themen wie Arbeitssicherheit und Wissensvermittlung. „Die Babyboomer gehen in den Ruhestand und uns wird die nächsten Jahre beschäftigen, wie wir Erfahrungswissen weitergeben können“, so Dietel. In einem Beispiel zeigte er, wie Ingenieure IBM Watson trainieren. Die Gesamtheit von mehr als 30 Jahren Ingenieur-Erfahrung im Betrieb von Flüssiggasanlagen soll dabei mit kognitiven Ratgebern beitragen, Probleme schneller zu lösen.

Noch ist KI mit einiger Arbeit verbunden. „Die meiste Zeit steckt man als Ingenieur in die Aufbereitung der Daten, damit sie verwendbar werden“, so Tröger, der ein enormes Potential für Machine-Learning-Anwendungen in den nächsten zehn Jahren sieht. Auch Achim Baier berichtet: „Wir kämpfen extrem mit dem Thema Trainingsdaten, das ist ein echter Aufwandstreiber“. Für Baier hilft beim Verständnis, was KI und Machine Learning ist, eine Definition des Grafikkartenherstellers Nvidia: KI bedeutet die Nachahmung menschlicher Intelligenz durch die Maschine; Machine Learning ist wiederum ein Ansatz, um KI zu erreichen.

Bilderkennung für die Industrie

Obwohl die Experten berichten, dass sich die Unternehmen in der Praxis mit dem Einstieg noch etwas schwertun, lassen sich tatsächlich erste Schritte in Richtung KI heute denkbar einfach und günstig machen. Besonders interessant ist dabei das ebenfalls stark fortgeschrittene Thema Bilderkennung. arconsis-Geschäftsführer Baier zeigte, dass mit Consumer-naher Hardware die Echtzeitbilderkennung heute bereits möglich ist – ein Bereich, den man unter anderem aus dem autonomen Fahren kennt.

Die Technologie, die zur KI zählt, kann aber auch in vielen industriellen Bereichen nützlich sein, zum Beispiel bei der Umgebungserkennung für Roboter, der Qualitätserkennung oder der Sortierung. Am Beispiel einer Gurkensortiermaschine in Japan legte Baier dar, wie einfach ein erster Einstieg ist, indem zum Beispiel Cloud Computing, Minicomputer wie Arduino oder Raspberry und die KI-Open-Source-Bibliothek TensorFlow von Google genutzt werden. „Internet- und Software-Konzerne investieren massiv, um das, was heute machbar ist, auch einfach zu machen. Vor vier Jahren waren die Dinge noch sehr viel schwieriger“, sagte Baier.

"Kognition ist die Art, wie wir denken. Cognitive Computing legt das Fundament für eine Mensch- Maschine Partnerschaft und selbst für die Beziehung zwischen Maschinen." - Matthias Dietel, Manager Executive Think Space für Industrie 4.0 bei IBM Research & Development

Viel Software sei frei verfügbar, die Hardware erschwinglich. Die Technologieriesen hätten damit die Demokratisierung des maschinellen Lernens eingeläutet; die Anzahl der Menschen, die sich damit beschäftigen, sei ist in den letzten Jahren explodiert. Auf Coursera und Udacity gebe es zudem sehr gute Online-Kurse. Den Unternehmen, die ins Thema KI einsteigen wollen, empfiehlt Achim Baier deshalb, zuerst in den eigenen Reihen nach Experten zu schauen. „Die Wahrscheinlichkeit ist groß, dass es schon jemand gibt, der sich mit der Technologie befasst und zugleich die eigenen Prozesse und Produkte kennt“.

Als Anregung gab Bauernhansl den Maschinenbauern mit, hinter neue Lösungen einen „Boosting-Algorithmus“ zu setzen, um das Produkt kontinuierlich zu verbessern. „Das kann jeder direkt angehen, es ist nur eine Frage des Wollens“, so der Experte. So könne man nicht nur eine Anlage und einen Dienst verkaufen, sondern später auch die Verbesserung des Services. Der Maschinenbau müsse sich intensiv um das Thema KI und hier vor allem um Maschine Learning kümmern, sagte Bauernhansl.