Anzeige
Anzeige
Beitrag drucken

Explainability in KI- und ML-Systemen

Ohne Spezialwissen zu Ergebnissen

Gerade bei innovativen Technologien wie künstlicher Intelligenz ist die Bedienung nicht erste Priorität der Softwarehersteller. Aus Sicht der Industrie ist das bedauerlich, denn anlagennah Beschäftigte haben oft die interessantesten Impulse für werksnahe KI-Projekte. Über integrierte Explainability rücken KI-Tools nun näher an die Prozessspezialisten heran.

Bild: ©kerkezz/stock.adobe.com

Bild: ©kerkezz/stock.adobe.com

Sollen im industriellen Internet der Dinge (IIoT) Fragestellungen mit KI-Technologien wie Machine Learning beantworten werden, muss ein weiter Bogen geschlagen werden, um zu Ergebnissen zu kommen: Vom spezifischen Produktionswissen hin zu KI, Datenwissenschaft und Modellbildung und zurück zu Erkenntnissen, die im Produktionsalltag umsetzbar sind. Mit der Zahl der Projektbeteiligten steigt das Risiko für Missverständnisse, Einschränkungen und Vereinfachungen oder von zu akademischen Ergebnissen. Je selbständiger Mitarbeiter mit KI-Tools arbeiten können, die sich mit den Anlagen auskennen, umso größer sind meist die Aussichten auf greifbare Verbesserungen. Eine Voraussetzung dafür ist die sogenannte Explainability. Damit gemeint ist die Fähigkeit der Systeme, eine für Menschen interpretierbare Beschreibung der Ergebnisse bereitzustellen. Denn um Prozesse zu optimieren, gilt es nicht nur zu wissen, was passiert, sondern auch warum. Eine weitere Voraussetzung ist eine möglichst benutzerfreundliche Bedienbarkeit der KI-Systeme. So sollten diese alles, was zur Lösung der Fragestellung relevant ist und nicht von den Anwendern geliefert werden kann, selbst herausfinden.

Beispiel Textilindustrie

Ein Anwendungsbeispiel von Machine Learning in der Produktion ist die Stoffherstellung in der Textilindustrie. Neuere Maschinen liefern über unterschiedliche Sensoren qualitätsrelevante Daten – beispielsweise zur Feinheit und Qualität des Stoffbandes, zum Druck auf den Walzen, Garnfehlern, dem Fadenlauf oder zu Knoten im Garn. Um die Qualität zu verbessern kann ein KI-Modell entwickelt und trainiert werden, das auf Basis der Sensordaten die Qualität vorhersagen kann. Früher mussten für solche Projekte Dienstleister ohne Domänenwissen beauftragt werden. Neuere Software-Tools ermöglichen es nach dem Import kompletter Pools von Rohdaten, sehr verschiedene Fragestellungen zu adressieren, ohne die Daten erneut anfassen zu müssen. Das Modell zur Beantwortung generiert und trainiert sich selbst. Damit rückt KI-Technik einen großen Schritt näher an den industriellen Anwender heran.


Das könnte Sie auch interessieren:

Die Eclipse Foundation präsentiert in ihrem ’IoT & Edge Developer Survey 2022‘ Entwicklertrends mit Schwerpunkt auf Edge Computing, KI und Sicherheit. Die Ergebnisse sollen Aufschluss über die Nutzung von Plattformen, Bedenken von Entwicklern, Zielmärkte und mehr geben.‣ weiterlesen

Der digitale Zwilling zählt für viele zu einem Kernelement der industriellen Digitalisierung, obwohl solche Integrationen oft noch sehr komplex sind. Für eine schrittweise Einführung gilt es, die unterschiedlichen Ausprägungsformen des digitalen Zwillings zu verstehen.‣ weiterlesen

Mit Andreas Montag und Nikas Schröder hat der ERP-Spezialist AMS.Solution zwei neue Vorstandsmitglieder. Zudem wird Simone Schiffgens neue Vorstandsvorsitzende und folgt auf Manfred Deues, der in den Aufsichtsrat wechselt.‣ weiterlesen

Björn Goerke verstärkt die Führungsetage beim ERP-Anbieter ProAlpha. Als Chief Technology Officer soll er die weitere Transformation des Unternehmens in die Cloud-Ära gestalten.‣ weiterlesen

Mehr Netzwerkausfälle und längere Wiederherstellungszeit: Davon berichten CIOs und Netzwerktechniker in einer Befragung des Netzwerkspezialisten Opengear. Demnach liegt die durchschnittliche Downtime um 2 Stunden höher als 2020.‣ weiterlesen

Wie können oft verwässerte ESG-Berichte der Vergangenheit angehören? Während sich auf politischer Ebene in puncto nachhaltiges Wirtschaften einiges bewegt, kann insbesondere die technologische Seite einen Beitrag zu einer transparenteren Produktion leisten. Den Grundgedanken der Industrie 4.0 zu implementieren, ist dabei ein wichtiger Schritt.‣ weiterlesen

Mit 100,4 Punkten liegt das IAB-Arbeitsmarktbarometer auf dem tiefsten Stand seit 2020 und somit noch knapp über der neutralen Marke. Demnach sendet der Frühindikator noch leicht positive Signale.‣ weiterlesen

Die Senkung der Betriebskosten ist ein Trend bei IIoT-Installationen, was auch als Zeichen einer reifen Branche zu verstehen ist. Dabei stellen Betreiber schon bei der Architektur-Planung sicher, keine unnötigen Kostentreiber einzurichten. Das bedeutet auch, Lösungen auch mal ohne das beliebte MQTT-Protokoll durchzudenken.‣ weiterlesen

Ein Abrasivwasserstrahl bearbeitet Bauteile effektiv und fast verschleißfrei. Doch die komplexe Prozessführung und -steuerung verhinderte bislang den Durchbruch dieser Technologie in der Fertigung. Am Fraunhofer IPT entstanden jetzt ein neuer Wasserstrahlkopf und eine Software, um diese Fertigungstechnik besser und zugänglicher zu machen.‣ weiterlesen