Künstliche Intelligenz: Deutschland, Innovationsland?

Diese spannenden KI-Projekte haben es in sich

Minority Report für alle

Sicherer fahren dank des Maschinellen Lernens: Die Technische Universität München untersucht, inwiefern Maschinen in der Lage sind, vorrausschauend zu fahren und zukünftige Manöver anderer Verkehrsteilnehmer vorherzusehen. Basierend auf der Grundlage zuvor ›betrachteter‹ Bildsequenzen soll die KI in der Lage sein, Aktivitätsmuster zu erkennen, vorauszusehen, den Fahrer zunächst zu warnen und ihm Interventionsroutinen aufzuzeigen. Dabei helfen sollen existierende Systeme, die Verkehrsszenen, wie sie üblicherweise von Fahrerassistenzsystemen aufgenommen werden, untersuchen und für den Zweck anpassen.

Black Box KI

»Ein aktuelles Projekt ist die automatische Nummernschilderkennung aus Live-Kameradaten mithilfe neuronaler Netzwerke. Die wachsende Herausforderung liegt im sogenannten ›Interpretable Machine Learning‹. Das Verhalten künstlicher Systeme stellt sich für uns typischerweise als Black Box dar und eine große Herausforderung besteht darin, die von einer KI getroffenen Entscheidungen transparenter zu machen. Besonders in großen Unternehmen wie Banken oder Versicherungen, aber auch in der Gesetzgebung müssen solche Entscheidungen nachvollziehbar sein. Durch größere Transparenz lässt sich einerseits die Akzeptanz für den Einsatz von KI bei wichtigen Entscheidungen erhöhen. Andererseits werden eventuelle Schwachstellen von Verfahren identifizierbar. Solche Kontrollmechanismen sind wichtig, denn einige bekannte Beispiele zeigen, dass Algorithmen auch lernen können, in manchen Situationen systematisch falsch zu entscheiden.«
Gero Szepannek, Professor für Statistik und Wirtschaftsmathematik an der Hochschule Stralsund

Smarte Kleidung
Eine Deutsch-Japanische Kooperation arbeitet daran, Kleidung smart zu machen. Hochentwickelte Motion Capturing-Technologie, verknüpft mit alltagstauglicher, sensorischer Kleidung, soll überall dort helfen, wo detaillierte und robuste Bewegungserfassung nützlich wird. Da das Produkt für den täglichen Gebrauch entwickelt wird, kann es sowohl für Fabrikarbeiter und Rehabilitanden als auch für Athleten angepasst werden. Der Schwerpunkt liegt dabei auf der mobilen und selbstkonfigurierenden Bewegungserfassung und -analyse.

Hybride KI

»Unser derzeitiges Projekt untersucht die Herausforderungen der Nutzpflanzenzucht. Dazu werden verschiedene Stressfaktoren wie extreme Hitze und Trockenheit mittels Methoden des Maschinellen Lernens (ML) modelliert. Aus den Messdaten, wie dem Ertrag der Pflanze und den Wetterdaten, werden dann eigenständig Muster erkannt. Unser Lösungsansatz besteht darin, diese Lernverfahren mit Expertenwissen der Agrarwissenschaftler anzureichern, sodass eine Symbiose zwischen daten- und wissensgetriebenen Ansätzen entsteht – wir sprechen hier von ›Hybrider KI‹. Die große Herausforderung besteht darin, die bereits bekannte Expertise aus der Landwirtschaft nutzbar zu machen, sodass ein datengetriebenes Verfahren von dem Wissen profitiert. In diesem Projekt ist es besonders spannend, die uns bekannten ML-Methoden auf einen Bereich anzuwenden, in dem wir keine Erfahrung haben. Die dabei erkannten Muster und Zusammenhänge können zunächst sehr überraschend sein.«
Dr. Bogdan Georgiev, Wissenschaftlicher Mitarbeiter am Fraunhofer IAIS

KI-Futter

»Unser Team arbeitet gerade an verschiedenen KI-Lösungen, beispielsweise für unsere vollautomatisierte Lasermaschine: Sie schneidet Teile in verschiedensten Formen aus Blechtafeln. Die Roboterarme, die die Blechteile dann aus der Maschine entnehmen, lassen sich nicht mehr auf herkömmliche Weise programmieren, da jedes Blechteil anders ist und deshalb beim Entnehmen verklemmen könnte. Ist das der Fall, leitet die Maschine selbstständig Wiederholungen ein, um das Teil trotzdem zu greifen. Diese Informationen sammeln wir ein und füttern damit unsere KI-Systeme, die somit stetig besser werden. Das stellt uns immer wieder vor große Herausforderungen, denn in der Industrie ist es nicht so einfach, die richtigen Daten aus den Maschinen zu gewinnen. Hier trifft IT auf Maschinenbau, dafür sind Teamplayer nötig.«
Jens Ottnad, Leiter Vorentwicklung Vernetzte Systeme bei der Trumpf GmbH

 


Anzeige

Anzeige