12/01/2021

Erstes Wissenstransfer-Treffen am 19.11.2021

Das erste Wissenstransfer-Treffen des KI-HUBs haben wir mit unseren Partnerunternehmen als Hybrid-Veranstaltung durchgeführt. Nach einer Einführung in das Thema Künstliche Intelligenz folgten Vorträge zu Assistenzsystemen und KI im betrieblichen Umfeld, Einführung in den CRISP-DM Zyklus sowie die Datenaufnahme im betrieblichen Umfeld. Anschließend ging es für die Präsenzteilnehmer*innen in einen Workshop zu Verwaltungsschalen, während die Online-Teilnehmer an einem Node-RED Workshop teilnehmen konnten.

Einführung in die Künstliche Intelligenz:

In dem Vortrag „Einführung in die Künstliche Intelligenz“ von Prof. F.-M. Schleif wurde das Thema KI näher erläutert. Es wurde deutlich, dass es KI in unterschiedlichen Ausprägungen gibt, aber eine echte künstliche Intelligenz noch nicht existiert. Denn letztlich handelt es sich immer noch um sehr komplexe mathematische Funktionen mit unterschiedlichem Schwierigkeitsgrad. Aktuelle Trends sind die Integration von Semantik, Modelltransfer und Auto-ML. KI-Systeme können schon sehr viel leisten, sind aber im Regelfall hochspezifisch. Das bedeutet, eine freie flexible Einsetzbarkeit, wie bei intelligenten Lebewesen, gibt es nicht. Außerdem wird es mit KI-Systemen schwierig, sehr komplexe Aufgaben zu lösen. Der Vortrag hat zudem gezeigt, dass es diverse moralische und ethische Probleme rund um das Thema KI gibt. Deshalb ist es wichtig, die nützlichen und sinnvollen Anwendungsgebiete von KI für sich zu identifizieren.

Zusammengefasst unter welchen Voraussetzungen Neuronale Netze aktuell geeignet und interessant sind und welche Probleme es gibt, zeigt die folgende Darstellung aus dem Vortrag:

Aktuelle (einfache) Ansätze


Assistenzsysteme und KI im betrieblichen Umfeld

Den zweiteiligen Vortrag startete Maximilian Rosilius. Zuerst wurde der Begriff kognitive Assistenzsysteme näher betrachtet. Paradigmen, die man heranziehen kann, um sich unter diesem Begriff besser etwas vorstellen zu können sind folgende:

  • System zur Unterstützung des Arbeiters
  • Fähigkeit Signale aufzunehmen und zu verrechnen
  • Reduzierung der Belastung des Arbeiters
  • Verbesserung der Qualität und Leistung
  • Kognitive Unterstützung
  • Mensch Maschine Interaktion

Im Anschluss tauchten wir ein in die immersiven Assistenzsysteme aus dem Forschungsprojekt PlanAR, welches das Ziel eine plattformbasierte Anwendung zur gebrauchstauglichen Nutzung der AR-Technologie für KMUs hat. Reale Anwendungsfälle bei Projekten wurden anhand von Videos präsentiert und gaben einen konkreten Einblick in die Anwendung.

Anwendungsfall Forschungsprojekt PlanAR

Im Vortrag wurde die Relevanz und Bedeutung von Assistenzsystemen heute und in Zukunft sehr deutlich. So haben sich z.B. die Marktausgaben in wenigen Jahren im Bereich AR- und VR-Technologie verdoppelt. Zudem sind die Forschungsabsichten sehr hoch.

In dem zweiten Teil zu Anwendungsfällen und Demonstratoren von Christoph Hoffmann lag der Fokus auf Assistenzsystemen, die durch eine KI unterstützt werden. In dem Vortrag wurde deutlich, dass Datenanalyse immer mehr an Bedeutung gewinnt, da das Datenaufkommen in Unternehmen stark ansteigt. Im Gegensatz dazu ist die prozentuale Datennutzung in Unternehmen relativ gering. Das kann sowohl an der mangelnden Datenqualität liegen, als auch an fehlenden Anwendungen, um die Daten zu nutzen. Dies führt zu dem Ziel, Big Data in Lean Data umzuwandeln, also nur die Daten, die einen gewinnbringenden Nutzen haben, zu speichern. Im Forschungsprojekt KI-noW wird dies durch die drei Schritte Smart Data als Basis, KI-getriebene Analyse & Optimierung und Mensch im Zentrum umgesetzt.

In dem Vortrag wurden drei Anwendungsbeispiele vorgestellt, zuerst die Montagefortschrittserkennung durch ein KI basiertes Kamerasystem, durch welches die Korrektheit der durchgeführten Montageschritte überprüft wird. Das zweite Anwendungsbeispiel ist Edge Analytics. Auf einem Edge-Device werden hierbei die Informationen direkt verarbeitet, also dezentral am Ort der Entstehung. Somit kann das Datenaufkommen reduziert werden, indem die Daten am Ort der Entstehung verarbeitet und analysiert werden. Lean DA ist der dritte Anwendungsfall. Hierbei handelt es sich um eine Prozessanalyse durch ein Sensorsystem für die manuelle Montage.

Im Anschluss an die Vorträge wurde in der Runde mit Maximilian Rosilius, Christoph Hoffmann und unseren Projektpartnern über den bisherigen Einsatz, über Barrieren und mögliche Anwendungen von Assistenzsystemen diskutiert.

Einführung in den CRISP-DM Zyklus

Die Ausgangsfrage dieses Vortrags von Philipp Väth lautete: Wie kann ich die Anwendungen umsetzen, um Unternehmensdaten wertschöpfend zu nutzen? Für diesen Zweck wurde das Vorgehensmodell CRISP-DM Zyklus - bestehend aus sechs Phasen - vorgestellt.

Cross Industry Standard Process for Data Mining

In der Phase Business Understanding ist es elementar am Ende einen abgesteckten Projektrahmen mit klarer Zielsetzung und Problemstellung erstellt zu haben.

In der folgenden Phase Data Understanding wird unter Einbindung der Fachabteilungen ein umfassendes Verständnis der Daten gewonnen, um in der Data Preparation den Datensatz zusammenzustellen und die Daten zu bereinigen mit dem Ziel einen aufbereiteten Datensatz auf einer Plattform zu haben.

Die anschließende Modelling-Phase setzt sich mit der Modellauswahl und -implementierung sowie der Evaluation des gewählten Modells auseinander.

Das Modell wird in der Phase Evaluation getestet und der gesamte Modellprozess evaluiert sowie die Projektziele abgeglichen und die vorherigen Phasen bewertet.

Die Deployment-Phase beschäftigt sich mit der Realisierung des Projekts im Unternehmen.

Datenaufnahme im betrieblichen Umfeld

Eine Fabrik voller Menschen ... ist eine Fabrik voller Wissen

Cybus ist ein Softwareanbieter für die optimierte Dateninfrastruktur in der Industrial IoT.

Lukas Theilacker zeigte in seiner Präsentation die Vorteile einer Softwarelösung am Beispiel der Software Connectware aus dem Hause Cybus auf. Diese führt zu einer Steigerung der Erfolgschancen digitaler Projekte beim Kunden, einer Verkürzung digitaler Projektzyklen, einer Senkung der IT-Kosten und der Total Cost of Ownership.

„Eine Fabrik voller Maschinen ist eine Fabrik voller Wissen“. Die Herausforderung der Digitalisierung ist jedoch an das Wissen und die Daten heranzukommen. Für die Datengewinnung gibt es verschiedene Herangehensweisen. Dabei gibt es signifikante Problemstellungen, wie beispielsweise fehlende vollständige und aufbereitete Daten für Algorithmen und Applikationen, ein heterogener Maschinenpark ohne einheitliche Schnittstellen, unterschiedliche Interessen der Stakeholder in der Fabrik, die unterschiedliche Anforderungen an die Daten stellen, segmentierte Netzwerke mit unterschiedlichen Sicherheitsvorkehrungen. Diese verlangsamen bzw. erschweren häufig in größeren Unternehmen eine fabrikweite Implementierung einer Lösung. Die Gewährleistung der Sicherheit über diese Daten ist ebenfalls eine Herausforderung. Der Großteil aller PoCs scheitert bei der Inbetriebnahme, weil unter „künstlichen“ Bedingungen getestet wurde.

Es gibt verschiedene Ansätze eine Fabrik zu digitalisieren. Im Rahmen der Präsentation wurde die Cybus Connectware inklusive ihrer Kernfunktionen (Konnektivität zur Datenerfassung, Standardisierung, Vorverarbeitung, Distribution und Operations) als Lösung vorgestellt. Damit lassen sich alle Use Cases mit einer geeigneten Datenarchitektur realisieren z.B. Predictive Maintenance, Digitaler Zwilling, Process Mining, OEE-Anwendung.

Workshop Node-RED

Node-RED Anwendungsbeispiel

In dem von Niklas Niedner durchgeführtem Workshop Node-RED - für die Online-Teilnehmer - wurde zu Beginn der Wissensstand der Teilnehmer zu diesem Thema diskutiert. Der Workshop startete mit den Grundlagen im Umgang mit Node-RED, welches ein von IBM entwickeltes Open-Source Tool ist und eine JavaSkript-basierte Entwicklungsumgebung bietet. Schritt für Schritt wurden die einzelnen Funktionen in Node-RED beschrieben. Als Anwendungsbeispiele wurde die Wettervorhersage für Schweinfurt mittels Web-API abgefragt und die Anbindung eines Temperatursensors über das MQTT-Protokoll durchgeführt.

Unsere Anleitung und weitere Informationen zu dem grafischen Programmiertool Node-RED finden Sie hier.

Workshop Verwaltungsschalen

AASX Package Explorer Raspberry Pi Zero W

Tim Sokollek zeigte in anhand eines kurzen Praxisworkshops den Aufbau einer prototypischen IoT-Plattform, die auf dem Konzept der Verwaltungschale (engl. Asset Administration Shell, AAS) als Baustein für universelle Industrie 4.0 Komponente basiert. Dazu wurden AAS für Raspberry Pi Zero Einplatinencomputer mithilfe des AASX Package Explorers erstellt und auf die Geräte überspielt. Die in einem BaSyx-AAS-Registry angemeldeten RasPis konnten dann über ein zentrales Web-Dashboard ihre Informationen anzeigen.