Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Das Technologieprojekt ExDRa

KI-Systembaukasten auf Open-Source-Basis

Die Konsolidierung großer Datenmengen, um damit KI-Anwendungen für Produktionsprozesse zu entwickeln, fällt vielen Unternehmen noch schwer. Im Projekt ExDRa sollen Lösungen entstehen, die diesen Prozess spürbar vereinfachen. Dieser Text ist der Auftakt zu einer Artikelreihe zu den produktionsbezogenen Initiativen des vom BMWi geförderten Technologieprogramms Smarte Datenwirtschaft.

Bild: ©xiaoliangge/stock.adobe.com

Bild: ©xiaoliangge/stock.adobe.com

Machine-Learning-Werkzeuge kommen immer öfter auch in der Industrie zum Einsatz, denn KI-Methoden können Produktionsprozesse und Produktionsanlagen effizienter und nachhaltiger gestalten, ihre Verfügbarkeit und Flexibilität steigern und damit die Wettbewerbsfähigkeit von Unternehmen verbessern. Um eine derartige Technologie zu entwickeln, müssen die selbstlernenden Algorithmen der KI mit großen Datenmengen gefüttert werden. An die entsprechenden Daten zu kommen, ist für viele Unternehmen jedoch nicht einfach. Zwar fallen im Produktionsalltag täglich eine Vielzahl von Daten an, doch die Rohdaten sind häufig sehr heterogen und müssen zunächst aufbereitet werden, bevor sie für das maschinelle Lernen genutzt werden können. Die Daten liegen häufig nicht zentral vor, sondern sind über mehrere Standorte verteilt und dürfen etwa aus wettbewerblichen oder rechtlichen Gründen nicht einfach zusammengeführt werden. Zudem sind Data-Science-Prozesse in vielen Unternehmen explorativ. Das heißt, dass Datenwissenschaftler Hypothesen aufstellen, die erforderlichen Daten zusammenführen und verschiedene Analysen nach Mustern und Vorhersagemodellen suchen lassen, ohne dabei die Gewissheit zu haben, dass der Prozess verwertbare Ergebnisse hervorbringt. Im Zweifelsfall muss der aufwändige Vorgang von vorn begonnen werden, wodurch hohe Kosten entstehen.

Konsolidieren und verarbeiten

Das Technologieprojekt ExDRa (für bessere Lesbarkeit: Exdra), bei dem die Siemens AG, die Technische Universität Berlin, die DFKI GmbH und die Technische Universität Graz zusammenarbeiten, zielt darauf ab, diese Herausforderungen zu bewältigen. Das Projekt wird vom Technologieprogramm Smarte Datenwirtschaft des Bundesministeriums für Wirtschaft und Energie gefördert. Die dort entstehende Systemsoftware Exdra soll es Datenwissenschaftlerinnen und -wissenschaftlern künftig deutlich erleichtern, explorative Datenanalysen und beispielsweise das Training von neuronalen Netzen auf geographisch verteilten Daten durchzuführen. Die Nutzung von Rohdaten, die auf verschiedenen Systemen liegen, wird optimiert, wodurch sich Anwender nicht mit der Komplexität paralleler und verteilter Programmierung auseinandersetzen müssen. Da die Rohdaten nicht in einem Fernwartungszentrum analysiert, sondern lediglich die aggregierten Daten dorthin übertragen werden, lassen sich zudem Kommunikationskosten reduzieren, die Datensicherheit erhöhen und rechtliche Einschränkungen im Zusammenhang mit dem Datenexport umgehen.

Batch- und Stream-Analysen

Die Aufbereitung der Daten ist nur der erste Schritt. Exdra umfasst eine breite Palette von KI-Algorithmen einschließlich überwachter und unüberwachter Verfahren sowie Deep-Learning-Modellen, die zu Datenanalyse-Pipelines quer durch den Machine-Learning-Entwicklungsprozess verknüpft werden können. Da der Schwerpunkt von Exdra auf der explorativen Datenanalyse liegt, wird deren Verarbeitung hauptsächlich auf zum Zeitpunkt der Analyse bereits vorliegenden Daten im Batch Modus durchgeführt. Exdra unterstützt aber auch den Streaming Modus, bei dem die Daten kontinuierlich ausgewertet werden, während sie entstehen. Exdra ist nicht auf bestimmte Lernalgorithmen begrenzt, sondern unterstützt viele Machine-Learning-Methoden. Die Software erlaubt es somit, individuelle KI-Lösungen zu entwickeln und auch nur Daten in die Analyse mit einzubeziehen, die bestimmten Merkmalen entsprechen und tatsächlich bei der Entwicklung der spezifischen KI-Methode von Bedeutung sind.

Schauder Systemarchitektur von Exdra. (Bild: Bundesministerium für Wirtschaft und Energie)

Schauder Systemarchitektur von Exdra. (Bild: Bundesministerium für Wirtschaft und Energie)

Gemeinschaftsprojekt

Die Systemsoftware von Exdra wird auf Basis der Open-Source-Projekte SystemDS der TU Graz und Nebula Stream der TU Berlin und dem Deutschen Forschungszentrum für Künstliche Intelligenz entwickelt. Durch die Open-Source-Basis soll das System deutlich flexibler einsetzbar als ähnlich gelagerte, jedoch proprietäre Anwendungen sein, etwa von Amazon AWS Greengrass oder Google TensorFlow Federated. Anders als bei diesen Anwendungen bleiben die Rohdaten zudem auf den dezentralen Speichern und werden nicht in eine Cloud übertragen. Lediglich die Metadaten, beispielsweise die Gewichtsparameter eines neuronalen Netzes, werden zwischen den dezentralen Systemen übertragen, sodass ein Rückschluss auf die Herkunft oder gar die Daten selbst nicht möglich ist. Gleichzeitig kann die Software das Problem lösen, dass viele Daten, die für eine effektive Datenanalyse notwendig sind, aufgrund von Datenschutzbestimmungen nur begrenzt zugänglich sind. Obwohl lediglich die Metadaten ihrem Umfeld entnommen werden, ist dennoch eine Zustimmung der jeweiligen Rechteinhaber zur Nutzung der Daten notwendig. Entsprechende Anfragen können direkt über die Software gestellt werden.

Mehr Einsatzgebiete denkbar

Die Funktionsweise des Gesamtsystems wurde bereits an zwei Beispielen der Prozessindustrie erprobt, nämlich bei der Qualitätsvorhersage in der Papierproduktion sowie bei der Datenanalyse in der Produktion von Düngemittel. Zudem dient die Prozesssteuerungstechnik als Anwendungsfall beim Projektpartner Siemens AG, dessen Lösungen etwa in den Bereichen Chemie, Pharma, Wasser, Öl und Gas eingesetzt werden. Diese Bereiche bieten sich besonders an, da in diesem Kontext große Datenmengen existieren, welche über Standorte und Anlagen verteilt sind, und deren Konsolidierung technisch, ökonomisch, und rechtlich oft eingeschränkt ist. Nachdem die entwickelte Demonstrator-Software zunächst in den internen Projekten von Siemens eingesetzt und getestet wurde, soll sie auch im Rahmen weiterer Projekte in der Prozessindustrie zum Einsatz kommen. Eine Reihe von vorläufigen Ideen für Fortsetzungsanträge wurden bereits geschmiedet, wenn der 3-jährige Bewilligungszeitraum des Projekts im kommenden Jahr ausläuft. n Institut für Innovation und Technik in der VDI / VDE Innovation + Technik GmbH. Das Institut ist Teil der Begleitforschung des Technologieprogramms Smarte Datenwirtschaft und unterstützt das Technologieprojekt Exdra.


Eckdaten zur Technologie

Wie ermittelt ein Fertigungsunternehmen für sich, ob es von den Projektergebnissen profitieren kann?

Das Unternehmen bewertet, ob es verteilte Produktionsanlagen hat und eine Analyse der föderierten Produktionsdaten über mehrere Standorte hinweg Vorteile bieten könnte, die Fertigung weiter zu optimieren oder zuverlässiger und effizienter zu gestalten.

Welche IT-Infrastruktur sollte vorhanden sein, um die im Projekt entstandene Technologie zügig zu adaptieren?

Für die Software ist eine dezentrale Rechnerkapazität nötig, um föderierte Algorithmen dezentral ausführen zu können. Die Vernetzung passiert über eine Cloud oder private Cloud.

Mit welchem Aufwand für die Einrichtung und Pflege der Systeme muss ein Unternehmen rechnen?

Die Installation der Software dauert etwa vier Wochen. Für die Optimierung der Modelle ist anschließend mit etwa drei bis sechs Monaten zu rechnen. Danach ist das Programm eingerichtet und muss nur noch nach Bedarf gewartet werden.


Das könnte Sie auch interessieren:

Nach einem Rückgang im August ist der Ifo-Geschäftsklimaindex auch im September gesunken. Belastet werden die Zahlen dabei durch die schlechtere Stimmung in der Industrie.‣ weiterlesen

Mit Version 2.0 des IT-Sicherheitsgesetzes kommen auf viele Firmen höhere Anforderungen an ihre IT-Sicherheit zu. Die Schwellenwerte sinken, ab wann ein Unternehmen zur Umsetzung der Kritis-Auflagen verpflichtet ist. Diese betreffen jetzt auch Firmen, die laut Gesetzestext von 'erheblicher volkswirtschaftlicher Bedeutung für die Bundesrepublik Deutschland' sind. Damit sind auch Industrieunternehmen gemeint.‣ weiterlesen

Für die Umsetzung von IoT-Projekten ist nicht nur eine präzise fachliche Planung des Anwendungsfalls von Bedeutung, sondern eine vorherige Überprüfung des Reifegrads der IT-Organisation sowie des Reifegrads der IT im Umgang mit Cloud-Technologien.‣ weiterlesen

Der Maschinenbauer Manz bündelt unter dem Namen Total Fab Solutions sein Angebot für die Automatisierung von Fertigungslinien. Im Paket abgedeckt sind Umsetzungsschritte von Automatisierungsprojekten von der Fabrikplanung über die Prozess- und Materialflusssimulation oder die Integration bestehender Fertigungsprozesse bis hin zu Aufbau, Hochfahren und Optimierung schlüsselfertig zu übergebender Produktionslösungen.‣ weiterlesen

Beim traditionellen Qualitätsmanagement werden gefertigte Bauteile analysiert, um die Qualität der nächsten zu verbessern. Beim Predictive Quality-Ansatz wollen Hersteller analysegestützt eine höhere Qualität erzielen, ohne in die Vergangenheit schauen zu müssen. Bereits verfügbare Lösungen für den Ansatz integrieren die erforderlichen Daten auf einer MES-Plattform.‣ weiterlesen

Der Aufbau einer kabelgebundenen Ortungsinfrastruktur auf großen Flächen wie Lagerhallen, Baustellen oder in der Prozessindustrie ist kostspielig und zeitaufwendig.‣ weiterlesen

KI-getriebene Convolutional Neuronal Networks in selbstfahrenden Autos sollen andere Verkehrsteilnehmer erkennen. Dabei gilt: Je selbstständiger das Auto, desto komplexer der Algorithmus und undurchschaubarer dessen Weg zur getroffenen Entscheidung. Ein Validierungs-Tool soll helfen, diesen besser zu verstehen.‣ weiterlesen

Erfolgreiche KI-Projekte kombinieren das Domänenwissen von Prozessbeteiligten mit der Expertise von Datenanalysten und IT-Spezialistinnen. Da nicht jedes Maschinenbauunternehmen über diese drei wichtigen Kompetenzfelder verfügt, sind Kooperationen wichtige Bestandteile von KI-Projekten.‣ weiterlesen

Extreme Networks hat die Verfügbarkeit des Wi-Fi 6E Access Point bekanntgegeben. Als Wireless-Plattform erweitert der Zugangspunkt den Einsatzbereich auf das 6GHz-Frequenzband. Das Gerät wurde für Umgebungen mit hohen Anforderungen an Bandbreite und Nutzerdichte entwickelt und zeichnet sich Anbieterangaben zufolge durch seine Perfomance, Funktionalität und Sicherheit aus.‣ weiterlesen

Die Ersatzteilversorgung in der Automobilindustrie besitzt einen sehr kurzfristigen Charakter. Anwendungen zum Abbilden solcher Prozesse sind S/4Hana Supply Chain Management sowie S/4Hana-Automotive-Ersatzteilmanagement. Die wichtigen Zielgrößen für die Versorgungsqualität sind Lieferservicegrad und Time-to-Delivery.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige