Die Entwicklung und Beherrschung der Anwendungsformen von Künstlicher Intelligenz (KI) ist eine Schlüsselfrage für Deutschland. Die Optionen sind dabei jedoch so vielfältig, dass es mitunter schwerfällt, wertschöpfende Einsatzgebiete für das bestehende Geschäftsmodell und die eigenen Prozesse zu identifizieren und zu entwickeln. Sie wurden jüngst im Rahmen der von der Hochschule Pforzheim und der Wirtschaftsförderung Pforzheim ausgerichteten Veranstaltungsreihe „ITH – Industrie trifft Hochschule“ vorgestellt und ihr Einsatz in praktischen Anwendungsbeispielen aufgezeigt. Regionale Unternehmensvertreter sowie Professoren und Mitarbeiter der Hochschule Pforzheim hörten am Donnerstag, 10. Juni 2021 drei Fachvorträge zum Thema „Künstliche Intelligenz – Anwendungen und Umsetzungen aus der Praxis“. Begrüßt wurden die Besucher von Prof. Dr.-Ing. Matthias Weyer, Dekan der Fakultät für Technik der Hochschule Pforzheim. „Ist eine Welt ohne Internet heute vorstellbar?“, fragt Dekan Weyer, „Vor 30 Jahren kein Thema. In der Zukunft könnte diese Frage lauten: Ist eine Welt ohne KI vorstellbar?“

Dr.-Ing. Norbert Schmitz, Professor für Robotik und Intelligenz im Fachbereich Informationstechnik, führte in das Thema der Künstlichen Intelligenz ein. Die Entwicklung und Beherrschung der Anwendungsformen von Künstlicher Intelligenz (KI) ist eine Schlüsselfrage für Deutschland. Die Einsatzmöglichkeiten, Chancen und Risiken von Anwendungen der KI werden zurzeit breit diskutiert: Sprachassistenzsysteme und Chatbots sind schon jetzt für viele Menschen fester Bestandteil des Alltags. KI-Systeme unterstützen Ärztinnen und Ärzte bei der Krebsdiagnose und lernende Software unterstützt Unternehmen in Einkauf, Vertrieb, Planung und Kontrolle innerhalb der Industrie 4.0. Ein wichtiger Aspekt dabei ist, dass KI nicht nur ein System ist, dass auf riesige Datenmengen basiert, sondern vor allem diese Datenmengen strukturieren kann und sie damit für den Einsatz in den unterschiedlichsten Bereichen möglich macht. Insgesamt steht die Entwicklung aber noch am Anfang. Wichtig dabei ist, dass nicht nur große Firmen ihren Nutzen aus den Einsatzmöglichkeiten der KI ziehen, sondern auch kleine und mittlere Unternehmen davon profitieren können. „Besonders stolz macht mich dabei, dass die heute vorgestellten Einsatzmöglichkeiten der KI durch die Zusammenarbeit mit unseren Studierenden entstanden sind und nun in den Vorträgen der Firmenvertreter ihren Höhenpunkt erfahren“, freute sich Schmitz, „Wir zeigen damit auch, wie der Know-how-Transfer von Hochschule in die Industrie gelingen kann.“

Wann wird der Bohrer schadhaft und muss ausgetauscht werden, um die Qualität der Produktion nicht zu gefährden? In seinem Vortrag „Von Daten zu Wissen – Mit KI zu intelligenter Zustandsüberwachung“ führte Dipl.-Ing. Florian Liebgott von der Firma Balluff GmbH, sehr anschaulich die einzelnen Prozessschritte auf, nach denen mithilfe von Messungen die Vibrationen erkannt werden können, die Rückschlüsse auf den Verschleißzustand des Bohrers zulassen. Gemessen wurde mit einem BCM (Condition Monitoring Sensor), der die Schwingungen bei der Bohrung aufnahm und bis zu 98% genaue Ergebnisse lieferte. Beim Einsatz von zwei BCMs lag die Genauigkeit sogar bei 100%. Mit diesen Daten wurde, nach Auswahl eines passenden Algorithmus, die KI „trainiert“. Die Vereinigung von BCM-Messungen und KI ergab, dass der Zustand der Bohrer genau erfasst werden kann, damit kann der Ausfall und die anstehende Wartung der Bohrer genau bestimmt werden. Mit diesem Wissen können u.a. Prozesse optimiert und die Produktivität verbessert werden.

Dr. Jürgen Maurer, Entwicklungsleiter beim Spezialisten für Software und Systeme zur Erfassung, Analyse und Produktion von Funk-Kommunikationssignalen Procitec GmbH, stellte die Bachelorthesis zum Thema „Klassifikation von Modulationsverfahren in Funkdaten“ vor. Die klassischen Schritte bei der Erfassung und Analyse von Funksignalen umfassen die Überwachung des Funk-Spektrums, die Klassifikation der Funksignale, die Bestimmung des Typs des Funksignals und die Auswertung der Signalinhaltes. Doch es gibt Nachteile des klassischen Ansatzes, wie z. B. die Unterscheidbarkeit mancher Modulationsarten. Neuronale Netze, d.h. Deep Learning-Ansätze der KI, sind sehr erfolgreich bei Erkennungs- und Klassifikationsaufgaben. Der Weg der Entwicklung umschließt die Weiterbildung der Mitarbeiter*innen in einem ersten Schritt, Recherche-Arbeit zum Thema, dem Aufbau einer Entwicklungs- und Testumgebung bis hin zur Anpassung der „State-of-the-Art“ auf die Fragestellung. Momentan ist die Integration des Klassifikators in die bestehende Software in Arbeit. „Intelligente Kombinationen aus „klassischem“ und KI-Ansatz könnte zu besseren Ergebnissen führen als isolierte Ansätze“, so der Ausblick des Entwicklungsleiters.

Die Entwicklung intelligenter Fahrzeugsysteme ist eine wachsende Branche, in der KI zum Einsatz kommt. Sei es beim Einparkassistenten oder gar beim autonomen Fahrzeug, die Methodik der Absicherung ist dabei eine der wichtigsten Fragestellung und Aufgaben der Entwicklungsingenieure. Der Vortrag „Echtzeitfähige Segmentierung von Fahrzeugen aus Luftaufnahmen“ beschäftigt sich mit der Echtzeiterkennung und Segmentierung von Zielobjekten in Drohnenaufnahmen. „Ein Knackpunkt ist immer die quantitative und qualitative Verlässlichkeit von Referenzmesswerten, mit denen ein KI-Modell „gefüttert“ werden muss“, so Lukas Zehnpfennig, IAV GmbH. Ziel war es simultane Klassifizierung, Lokalisierung und Segmentierung beliebig vieler Zielobjekte durch den Einsatz von der Deep Learning-Methode zu ermöglichen. Über die Generierung von über 300 Luftaufnahmen als Trainingsdaten konnte das KI-Modell so trainiert werden, dass genaue Referenzdaten aus Echtzeitaufnahmen extrahiert werden können.