KI-Forschungsprojekt Raki
Black-Box der Algorithmen geöffnet
Bei allen Vorteilen eines KI-Systems, seine Entscheidungen und Ergebnisse sind für den Menschen oft nicht nachvollziehbar. Im Projekt Raki, das im Technologieprogramm ‚Smarte Datenwirtschaft‘ des Bundesministeriums für Wirtschaft und Klimaschutz gefördert wurde, wird an Lösungen für diese Herausforderung gearbeitet.
Künstliche Intelligenz, und insbesondere deren Teilbereich Machine Learning, gilt in vielen Branchen als Zukunftstechnologie – so auch in der fertigenden Industrie. Die Technologie eröffnet neue Möglichkeiten im Bereich der Automatisierung. Sie hilft etwa, wirtschaftliches Optimierungspotenzial durch die systematische Auswertung großer Datenmengen aufzudecken oder überwacht komplexe Produktionsprozesse.
Jedoch sind die Algorithmen, die in den vergangenen Jahren die größten Entwicklungssprünge ermöglicht haben, etwa bei der Bild-, Sprach- und Mustererkennung, oft intransparent und es ist nicht nachvollziehbar, wie derartige KI-Systeme zu ihren Ergebnissen kommen. Sind KI-Anwendungen undurchschaubar, bleiben Fehler unentdeckt, was etwa zu Produktionsausfällen oder Fehlkonstruktionen führen kann. Auch die Akzeptanz der Technologie leidet unter der Undurchsichtigkeit dieser Systeme.
Vertrauen in KI steigern
Eine erklärbare KI, ist allerdings eine Herausforderung. Viele Anwendungen beruhen auf vielschichtigen und verflochtenen Modellen, die ihre Berechnungen auf großen Basis von Parametern vornehmen. Selbst Expertinnen und Experten können diese Black Box oft nicht vollständig durchschauen. Und je mehr Parameter bzw. Freiheitsgrade in der Generierungsphase genutzt werden, um das Modell an Trainingsdaten anzupassen, desto undurchschaubarer wird die Modellgenerierung und desto schwerer lassen sich die individuellen Ausgaben solcher KI-Systeme überprüfen. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Verfahren kombinieren
Hier setzt das Projekt Raki (Rapide Erklärbare künstliche Intelligenz für Industrieanlagen) an, das im Technologieprogramm ‚Smarte Datenwirtschaft‘ des Bundesministeriums für Wirtschaft und Klimaschutz gefördert wurde. Die Raki-Software soll aus Industriedaten Wissen erzeugen, und so einen wirtschaftlichen Betrieb von Industrieanlagen ermöglichen. Dafür kombinieren die Projektverantwortlichen verschiedene Verfahren des maschinellen Lernens. Die so erzielten Lernergebnisse senken den Aufwand, etwa bei der Überwachung und Optimierung von Produktionsprozessen. Zudem sind die Berechnungen transparenter und somit vertrauenswürdiger.
ILP und RL
Raki kombiniert induktives logisches Programmieren (ILP) und Reinforcement Learning (RL) miteinander. ILP ist ein Machine-Learning-Verfahren, bei dem nicht Zahlenwerte im Mittelpunkt stehen, sondern die KI darauf trainiert wird, logische Aussagen zu treffen sowie Zusammenhänge (auch Hintergrundwissen genannt) zu verstehen. In der Folge wird es einfacher, Menschen in das KI-Lernverfahren einzubinden, nämlich in sogenannten ‚Human-in-the-loop‘-Trainingsprozessen. Die Interaktion zwischen Mensch und Maschine kann sogar in natürlicher und leicht verständlicher Sprache erfolgen. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Menschliche Kontrolle
Der ‚Human-in-the-loop‘-Ansatz vereinfacht wiederum das Reinforcement Learning (RL). Bei diesem Verfahren werden die von der KI berechneten Ergebnisse und Entscheidungen immer wieder durch den Menschen kontrolliert und die KI erhält Feedback. Basierend darauf passt die KI ihre Resultate an und berechnet exaktere Ergebnise. Der Algorithmus eignet sich so selbstständig Strategien an und sammelt per Trial-and-Error Erfahrungen an, auf deren Basis er lernt, wie unterschiedliche Szenarien zu behandeln sind. Die Kombination der beiden Verfahren ist bislang weitgehend unerforscht, verspricht aber Potenzial – etwa bei der Optimierung von Produktions- und Wartungsprozessen, bei der Berechnung von Risikoszenarien oder bei der Implementierung und Konfiguration von Produktionsanlagen.
Offener Prototyp
Ein erster Software-Prototyp, der im Rahmen verschiedener Industrie-Use-Cases erprobt wurde, ist so offen wie möglich gestaltet. Das heißt, Raki kann für die Entwicklung von KI-Anwendungen und -Diensten in verschiedensten Branchen genutzt werden. Perspektivisch soll die Software als Basis dienen, um Anwendungen und intelligente Services für verschiedene Wirtschaftszweige mit besonders hohen Ansprüchen zu entwickeln, z.B. in der Biomedizin, in der Energiewirtschaft oder im Gesundheitssektor.
Dabei wird KI dank Raki nicht nur erklärbarer, die Kombination der verschiedenen Machine-Learning-Methoden könnte auch neue Möglichkeiten in der KI-Entwicklung erschließen und etwa dafür sorgen, dass riesige Datenmengen schneller und präziser ausgewertet werden können.
