Interview

Künstliche Intelligenz: Mehr Schein als Sein?

| Redakteur: Jürgen Schreier

Richard Rovner, Vice President of Marketing von MathWorks: "MATLAB, Simulink und die entsprechenden Toolboxen erlauben die schnelle Entwicklung von Algorithmen und die automatische Codegenerierung für Computer Vision, Signalverarbeitung, Robotik sowie Steuerungs- und Regelsysteme."
Richard Rovner, Vice President of Marketing von MathWorks: "MATLAB, Simulink und die entsprechenden Toolboxen erlauben die schnelle Entwicklung von Algorithmen und die automatische Codegenerierung für Computer Vision, Signalverarbeitung, Robotik sowie Steuerungs- und Regelsysteme." (Bild: MathWorks)

Um Künstliche Intelligenz gibt es viel Hype, doch sind bei der Anwendung noch keine großen Fortschritte zu verzeichnen. Warum das so ist und wie man Unternehmen den Einstieg in die KI erleichtern kann, erläutert Richard Rovner, Vice President of Marketing von MathWorks, im Gespräch mit "Industry of Things".

Der Verein Deutscher Ingenieure (VDI) hat anlässlich der Hannover Messe 2018 eine länderübergreifende Studie zum Einsatz von Künstlicher Intelligenz (KI) in der Industrie publiziert. Die Ergebnisse sind ziemlich ernüchternd. Denn KI steckt in Deutschland noch den Kinderschuhen. Herr Rovner, woran liegt das?

Rovner: Wir haben auf der MATLAB EXPO 2018 im Keynote Talk darüber gesprochen, dass im Allgemeinen die Umsetzung dem Hype noch hinterher hinkt. Es gibt viel Interesse und viel Hype um KI, aber meiner Meinung nach können wir noch keine großen Fortschritte bei der Anwendung verzeichnen - nicht nur in Deutschland. Kunden im In- und Ausland, die in Bereichen wie der Industrieautomation und im Maschinenbau tätig sind, haben angefangen, in Forschung und Entwicklung zu investieren, um zunächst neue Lösungen zu erproben. In einer stark industrialisierten Wirtschaft wird man bewährte Fertigungsprozesse wohl kaum durch andere ersetzen, bevor diese nicht erprobt wurden. Dies ist, denke ich, der Punkt, an dem wir uns gerade befinden. Wir sehen definitiv, dass Unternehmen in Forschung und Entwicklung in der Maschinen- und Anlagenautomatisierung, der Bildverarbeitung, der Waferinspektion und in andere Anwendungen der vorausschauenden Instandhaltung investieren. Außerdem sehen wir KI-basierte Technologien, auch in Bereichen wie dem automatisierten bzw. autonomen Fahren. Meiner Meinung nach gibt es eine ganze Menge an Aktivitäten, aber sicherlich nicht so viele, wie der Hype um KI einen glauben lässt.

In den USA unterstützt KI sehr stark B2C-Geschäftsmodelle. Hierzulande denkt man bei KI primär an maschinelles Lernen, Predictive-Maintenance-Applikationen oder smarte Roboter. US-Unternehmen wie Amazon oder Google machen dank Künstlicher Intelligenz weltweit Milliardenumsätze und erreichen atemberaubende Börsenwerte. Setzen die Deutschen mit ihrer starken B2B-Orientierung vielleicht aufs falsche Pferd?

Rovner: Ich glaube nicht. Unternehmen wie Google und Co. bekommen einen Großteil der Aufmerksamkeit in der Presse. Aber auch in den USA setzt man nicht nur auf B2C-Lösungen. Es wird viel in die Industrieautomation und in B2B-Anwendungen investiert, ähnlich wie in Asien und in Deutschland. Natürlich wäre es toll, wenn die Industrieautomationsbranche in Deutschland so groß wäre wie die B2C-Unternehmen in den USA und die gleiche Aufmerksamkeit erhielte. Aber dass die deutschen Unternehmen auf das falsche Pferd setzen, würde ich keinesfalls sagen. Ich denke, sie investieren genau so, wie es in Unternehmen üblich ist: dort, wo die Geschäftschancen liegen. Wie gesagt, B2C-Anwendungen erscheinen oft in den Medien, aber es gibt jede Menge Forschung außerhalb des B2C-Bereichs.

Die US-Geschäftsmodelle, die KI nutzen, basieren stark auf personenbezogenen Daten. Das gilt z.B. für die Empfehlungssysteme in Online-Shops oder für das Zuspielen von Werbeinhalten auf der Basis von Nutzerprofilen. Erschwert das im Vergleich zu den USA rigide Datenschutzrecht in Europa - Stichwort DSGVO - europäischen Unternehmen den Einstieg in solche datengetriebenen Businessmodelle?

Rovner: Nun, was in Europa in Sachen Datenschutz und DSGVO geschieht, ist sicherlich ein ernstzunehmendes Thema. Zwar betrifft die Regelung zum Datenschutz in Europa nur europäische Unternehmen. Doch wir als weltweit tätiges Unternehmen müssen – wie Tausende anderer Unternehmen auch – den Datenschutz im Allgemeinen und die DSGVO respektieren. Obwohl es sich also um ein europäisches Gesetz handelt, hat es globale Auswirkungen. Ja, DSGVO wird einen Einfluss auf die datengetriebene und personenbezogene Werbung haben. Die Regulierung wird wahrscheinlich einige Dinge verlangsamen, weil es die Nutzung von Daten, die Unternehmen für ihre prädikativen Modelle benötigen, in einem gewissen Umfang einschränkt. Die Auswirkungen der DSGVO beschränken sich dabei nicht auf Deutschland oder die anderen EU-Länder, sondern sind auch außerhalb der EU zu spüren.

Zurück zu den Themen Machine Learning und Industrie 4.0: Welche Use Cases außer der vorausschauenden Instandhaltung sind für die Industrie interessant, wo sollten Unternehmen einsteigen?

Rovner: Betrachten wir die USA: Dort sehen wir zahlreiche Anwendungsfälle für KI, zum Beispiel in der Lagerautomatisierung oder beim Einsatz von Robotern in der Fertigung. Auch die Automatisierung von Bergbau- und Landmaschinen ist ein interessantes Anwendungsgebiet. So können Computer-Vision-Systeme automatisch erkennen, wie voll der Anhänger einer Erntemaschine ist, und dann die Erntemaschine automatisch so steuern, dass der Anhänger maximal gefüllt wird. Wo Unternehmen mit KI anfangen können, war eines der Themen, über die wir auf der MATLAB EXPO gesprochen haben. Zuerst muss ein Unternehmen prüfen und entscheiden, ob KI überhaupt benötigt wird oder nicht. Manchmal kann das Problem auch mit klassischen Steuerungs- und Kontrolltechniken gelöst werden. Erscheint hingegen der Einsatz von KI sinnvoll, so beginnt man meist bei den Daten. Man muss eine Vielzahl an Daten sammeln und diese labeln, um Vorhersagemodelle zu trainieren. Und schließlich braucht ein Unternehmen, das KI nutzen will, Zugriff auf Hardware, vor allem auf GPUs, um Deep-Learning-Netzwerke zu unterstützen. Und zu guter Letzt muss sichergestellt sein, dass die Ingenieure geeignete Software-Tools für diese Prozesse zur Verfügung haben.

Im deutschen Mittelstand ist KI bis heute kaum angekommen. Und wenn, dann werden mit Künstlicher Intelligenz allenfalls Datenanalysen durchgeführt. Warum ist das so? Wie lässt sich die Technologie für mittelständische Unternehmen zugänglicher machen?

Rovner: Genau das versuchen wir mit MATLAB zu erreichen. Wir haben Tausende von MATLAB-Anwendern, die KI nutzen wollen. Innerhalb von MATLAB stellen wir KI-Algorithmen, -Anwendungsmöglichkeiten und -Funktionen bereit. Ingenieure in kleineren Unternehmen müssen keine speziellen Informatik-Lehrgänge oder Schulungen mehr besuchen oder Bibliotheken von Drittanbietern zusammenfügen, um KI nutzen zu können. Sie können innerhalb ihres gewohnten Workflows mit MATLAB oder Simulink arbeiten und die neuen Funktionen, die wir dort bereitstellen, sofort anwenden.

Die Arbeitswelt steht aktuell unter dem radikalsten Wandel seit der industriellen Revolution. Künstliche Intelligenz und Data Analytics werden bald eine Rolle im Arbeitsalltag spielen. Womit müssen die Beschäftigten rechnen?

Rovner: Ich stimme zu, dass es bedeutende Veränderungen im Arbeitsalltag geben wird. Wie wir die Dinge sehen, wird KI die menschliche Arbeit verbessern und nicht ersetzen. KI wird bei der Automatisierung von repetitiven Aufgaben hilfreich sein. Komplexe Aufgaben zu automatisieren ist dagegen noch nicht möglich. Elon Musk hat erst vor ein paar Monaten einen solchen Fall geschildert, wo versucht wurde, komplizierte Aufgaben in der Fabrik zu automatisieren, nicht funktionierte. Ich denke, die Mitarbeiter werden lernen, wie man KI anwendet und herausfinden, welche Aufgaben damit automatisiert werden können und welche nicht. Was wir definitiv erwarten können, ist, dass sie Arbeit erledigen werden, die auf einer wertvolleren Stufe in der Wertschöpfungskette ist.

Verändert der Einsatz von Künstlicher Intelligenz - z.B. im autonomen Automobil oder in smarten Maschinen – auch den Prozess der Produktentwicklung?

Rovner: Ja, das tut er. Ich denke, dass Produktentwicklung und Produktdesign in erster Linie viel datengetriebener werden, weil wir durch Sensoren Daten über bestehende Produkte sammeln können. Diese Daten werden natürlich auch zukünftige Designs und Entwicklungen beeinflussen. Die wahrscheinlich größte Veränderung ist, dass wir Daten viel effektiver für Design und Entwicklung nutzen können als in der Vergangenheit. Das erfordert eine ziemlich gute Infrastruktur zum Sammeln, Speichern und Verwalten der Daten. Zusätzlich werden Ingenieure und Wissenschaftler mit der Fähigkeit, die Daten zu überprüfen und zu validieren, Modelle zu erstellen und Verzerrungen zu vermeiden, gebraucht.

Gibt es in deutschen Unternehmen genügend Know-how und technische Kapazitäten, um sinnvolle KI- oder Machine-Learning-Projekte auf die Schiene zu setzen?

Rovner: Auf jeden Fall. Wir sehen es bereits – sowohl beim automatisierten Fahren in der Automobilindustrie, als auch in der industriellen Automatisierung und im Maschinenbau. Das liegt daran, dass KI oder Machine Learning für die Ingenieure und Wissenschaftler, die MATLAB und ähnliche Anwendungen nutzen, bereits ein Teil ihrer Arbeitsabläufe ist. Entscheidend ist, dass Ingenieure ihre domänenspezifischen Kenntnisse einbringen können. Und KI erweitert diese domänenspezifischen Algorithmen, z.B. für die Signal- und Bildverarbeitung, Steuerungstechnik oder Computer Vision. Wir stellen KI-Funktionen bereit, die mit den Workflows in anderen Bereichen harmonieren.

Künstliche Intelligenz eröffnet neue Möglichkeiten für Mitarbeiter, mit Maschinen zu interagieren, sowie für Kunden mit Produkten. Welche Veränderungen können wir konkret erwarten?

Rovner: Sie bitten mich, die Zukunft vorherzusagen. Das ist eine schwierige Frage. Zunehmend werden wir KI-Funktionen sehen, die in Dinge eingebettet sind – und es vielleicht manchmal gar nicht realisieren. Smartphones werden immer intelligenter. Auch wird KI zunehmend in alle Arten von drahtlosen Geräten eingebettet- in Sensoren, Wearables oder Roboter. Die Möglichkeiten, Produkte intelligent zu machen, sodass wir mit ihnen interagieren können, scheinen unbegrenzt. Das ist ziemlich aufregend.

Welche MathWorks-Lösungen helfen Ihnen beim Einstieg in die Künstliche Intelligenz und das Machine Learning? Schließlich versprach ein Vortrag auf der MATLAB EXPO 2018: "Deep Learning: Mit MATLAB leicht gemacht". Bitte lüften Sie den Schleier für unsere Leser!

Rovner: Ich denke, die Lösung ist MATLAB selbst. Sie können mit wenigen Zeilen MATLAB-Code Deep-Learning-Modelle erstellen und müssen dafür kein Experte sein. Oder sie importieren vortrainierte Deep-Learning-Netzwerke von Drittanbietern. So können Sie sie einfach in MATLAB einbinden und mit ihnen arbeiten. MATLAB, Simulink und die entsprechenden Toolboxen erlauben die schnelle Entwicklung von Algorithmen und die automatische Codegenerierung für Computer Vision, Signalverarbeitung, Robotik sowie Steuerungs- und Regelsysteme. So gibt es über die gesamte MATLAB- und Simulink-Produktlinie hinweg eine Vielzahl von Funktionen, die es Anwendern ermöglichen, sofort mit Machine Learning zu starten.

Herr Rovner, vielen Dank für das Gespräch.

Predictive-Maintenance-Toolbox und Integration von NVIDIA Tensor-RT

Mit dem neuen MATLAB-Produkt "Predictive Maintenance Toolbox" können Entwickler Algorithmen für die Zustandsüberwachung und für Predictive Maintenance (vorausschauende Wartung) entwerfen und testen. Die Predictive Maintenance Toolbox bietet Funktionen und Referenzbeispiele für Entwickler, die Algorithmen entwerfen, um Daten zu strukturieren, Zustandsindikatoren zu erstellen, Maschinenzustände zu überwachen und die wirtschaftliche Restlebensdauer zu schätzen und so Geräteausfälle zu vermeiden.

Mit der Predictive Maintenance Toolbox können Entwickler Sensordaten analysieren und labeln, die sie aus lokal oder in der Cloud gespeicherten Dateien importieren. Außerdem können sie simulierte Ausfalldaten labeln, die sie aus Simulink-Modellen erzeugen, um Geräteausfälle darzustellen. Mit Methoden der Signalverarbeitung und der dynamischen Modellierung, die auf Techniken wie der Spektralanalyse und der Zeitreihenanalyse aufbauen, können Entwickler Daten vorverarbeiten und Merkmale extrahieren, mit denen der Zustand einer Maschine überwacht werden kann. Mit Survival-, Ähnlichkeits- und Trend-basierten Modellen für die Vorhersage der wirtschaftlichen Restlebensdauer können Entwickler die Zeit bis zum Ausfall einer Maschine schätzen. Die Toolbox umfasst Referenzbeispiele für Motoren, Getriebe, Batterien und andere Maschinenteile, die wiederverwendet werden können, um selbst Algorithmen für Predictive Maintenance und für die Zustandsüberwachung zu entwickeln.

MathWorks teilt außerdem mit, dass MATLAB jetzt eine Integration mit NVIDIA TensorRT über GPU Coder bietet. Dies erleichtert Ingenieuren und Wissenschaftlern die Entwicklung neuer Modelle für Künstliche Intelligenz und Deep Learning in MATLAB mit der notwendigen Leistung und Effizienz, um die steigenden Anforderungen an Anwendungen für Rechenzentren sowie im Embedded- und Automobilbereich zu erfüllen. MATLAB bietet einen vollständigen Arbeitsablauf zum schnellen Trainieren, Validieren und Bereitstellen von Deep-Learning-Modellen. Ingenieure können GPU-Ressourcen ohne zusätzliche Programmierung nutzen, sodass sie sich auf ihre Anwendungen konzentrieren können statt auf die Leistungsoptimierung. Dank der neuen Integration von NVIDIA TensorRT und GPU Coder können in MATLAB entwickelte Deep-Learning-Modelle auf NVIDIA-GPUs mit hohem Durchsatz und geringer Latenz ausgeführt werden.

Mehr Informationen zu Anwendungsmöglichkeiten von NVIDIA TensorRT mit dem MathWorks GPU Coder erhalten Sie von 9. bis 11. Oktober 2018 auf der GPU Technology Conference (GTC) in München (MathWorks-Stand S06).

MathWorks entwickelt technische Software für mathematische Berechnungen und modellbasierte Entwicklung für Ingenieure und Wissenschaftler. das Unternehmen wurde 1984 gegründet und beschäftigt über 4000 Mitarbeiter am Firmensitz in Natick, Massachusetts (USA), sowie in 16 internationalen Niederlassungen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45476524 / Industrie 4.0 und IIC)