Lösungen für Machine und Deep Learning
Das Software Framework Susietec von Kontron enthält Komponenten, mit denen AI-Anwendungen unter Windows mit Java und .Net einfach selbst programmiert werden können. Auch die Vernetzung von IoT- und anderen Komponenten in Industrieumgebungen ‚from Edge to Cloud to Enterprise‘ lassen sich damit realisieren. (Bild: Kontron S&T AG)
Rechenpower, ob lokal oder aus der Cloud bezogen, ist bei Machine und Deep Learning immer notwendig. Meist vorgefertigte neuronale Netze werden dabei für automatisierte Erkennungsfunktionen trainiert. Der komplette Prozess für Deep Learning besteht aus vier Phasen:
1. Samples sammeln
2. Trainingsphase
3. Gelerntes Netz transformieren
4. Integration des trainierten Netzes in ein Produkt
Bei KI-Anwendungen, die in kurzer Zeit oder gar in Echtzeit Ergebnisse liefern müssen, wird ein Edge Computer benötigt, der im Netzwerk eng an die Applikation angebunden ist. Für das Training von neuronalen Neztwerken ist es oft sinnvoll, die großen Serverkapazitäten in der Cloud zu nutzen, es gibt aber auch viele Fälle, wo das Trainingsmaterial lokal verbleiben muss und ein Edge Trainingsserver genutzt wird. Ein Beispiel ist Visual Inspection. Dabei werden Aufnahmen einer Kamera, die entweder über USB oder via Netzwerk angeschlossen sind, direkt auf dem Edge Device von einem trainierten neuronalen Netz im Inference-Prozess analysiert und ausgewertet. Neben Visual Inspection sind auch KI-Anwendungen in der Texterkennung und -wiedergabe sowie der Audio- und Verhaltensmuster-Erkennung möglich. Über die Audioerkennung lassen sich etwa ungewöhnliche Vibrationen identifizieren, die auf ein fehlerhaftes Maschinenteil hindeuten. So könnten z.B. Achsen von Zügen im Vorbeifahren geprüft werden. Firewalls in IT-Netzwerken können lernen, was einem normalen Verhalten im Netzwerk entspricht und bei ungewöhnlichen Aktivitäten Alarm schlagen und erste Schutz- und Abwehrmaßnahmen einleiten.
Ausblick und Aufgaben der KI
Welche Aufgaben die KI haben wird, resümiert Prof. Dr. Andreas Dengel, Standortleiter des DFKI in Kaiserslautern, so: „Der Mensch verfügt über Erfahrung und handelt mit Intuition. KI kann auf der Grundlage großer Datenmengen Handlungsvorschläge liefern oder für den Menschen unmögliche Aufgaben übernehmen. Die große Chance dieser Symbiose für die Arbeit besteht darin, dass KI als intellektueller Leistungsverstärker agiert und so die Fähigkeiten des Menschen ergänzt und erweitert. Dabei ist es wichtig, die Entscheidungswege transparent und nachvollziehbar zu gestalten und dafür auch internationale Standards zu definieren.“
