Eigentlich wollten wir Oldenburger Digitalisierungseinsteigern etwas über das Gewinnen von Daten und Machine Learning erklären und uns darüber austauschen, was man Wertschöpfendes mit diesen Daten tun kann. Doch dieses erminas Meet Up entwickelte sich zu einer illustren Expertenrunde mit kompetenten Gästen und vielfältigen Themen.
Gib hier deine Überschrift ein
Unsere Meet Ups sind leger und zwanglos, und das schöne Wetter ermöglichte es uns, diesmal unseren Garten im erminas Headquarter in Oldenburg als Location zu nutzen. Dass neben Snacks und Getränken auch Schokoküsse die gut gelaunte Runde machten, war kein Zufall: Unser IIoT Consultant Boris Crismancich hatte ein einfaches Show Case vorbereitet, um unseren Gästen anhand eines einfachen praktischen Beispiels das Gewinnen von Daten für Machine Learning demonstrieren zu können.
Zentrale Objekte der Demonstration: Schokoküsse in intaktem oder defektem Zustand. “Der leistungsfähigste und vielfältigste Sensor des menschlichen Körpers ist das Auge. In der Industrie gibt es noch immer viele Jobs, bei denen Menschen Sichtkontrolle machen müssen.” leitete Boris Crismancich das Thema des Abends ein. “Oft stundenlang halten sie am Fließband Ausschau nach fehlerhaft lackierten Teilen, nicht zugeschraubten Deckeln, Tiefkühltorten mit Fehlern.”
Für dieses Show Case hat unser Team überlegt, wie Menschen durch das Sammeln und Auswerten von Daten und Machine Learning bei monotonen und ermüdenden Aufgaben entlastet werden können. Dabei war die Herausforderung ohne teure Spezialhardware auszukommen und schnell zu validen Ergebnissen zu kommen, ohne komplexe Algorithmen zu entwickeln zu müssen.
Erfassen, analysieren, klassifizieren
In unserem fiktiven Beispiel haben wir uns vorgestellt, dass die Schokoküsse auf einem Fließband an einer Kamera vorbei laufen, die mit einem neuronalen Netz verbunden ist. Das erkennt, wenn ein Schokokuss defekt ist. Ist dies der Fall, wird ein Magnetventil betätigt. Der defekte Schokokuss wird dann mit einem Druckluft-Stoß vom Band in einen Sammelcontainer geblasen.
Auf unserem Meet Up haben wir uns auf die kritischen Teile der späteren Lösung konzentriert, die Erkennung des Defekts. Mit unserem einfachen Show Case haben wir demonstriert wie Bilderkennung realisiert wird. Dazu kamen eine Industriekamera, einfach eingebaut in ein LEGO-Case, ein Raspberry Pi, eine LED-Handleuchte zum Einsatz. Mit der Kamera haben wir bereits im Vorfeld des Events eine große Menge Fotos von intakten und defekten Schokoküssen fotografiert, um ausreichendes Trainingsmaterial zur Verfügung zu haben.
Mit diesen Fotos wird ein Classifyer trainiert. Zum Trainingseinsatz kommt dabei ein neuronales Netz, das ähnlich funktioniert, wie das menschliche Gehirn. Die Algorithmen dieses Convolutional Neural Networks lernen selbstständig, Fotos zu kategorisieren, ohne dass vorher Regeln erarbeitet werden müssen. Auf diesem Weg sammeln und klassifizieren wir Daten, deren Auswertung zu einer Aktion führen können.
Das Ergebnis
Um die Ergebnisse des selbstlernenden Erkennenkungsalgorithmus testen zu können mussten alle Teilnehmer herzhaft in die Schokoküsse beißen. Das Ergebnis der Demo zeigte, dass alle defekten Schaumküsse erkannt werden konnten.
So können für Menschen monotone und durch Ermüdung fehleranfällige Arbeiten von lernenden Maschinen übernommen werden. Die Mitarbeiter können stattdessen für anspruchsvollere und abwechslungsreichere Aufgaben eingesetzt werden.
Diskussion über Machine Learning, künstliche Intelligenz und kognitives Lernen
In der Runde unserer kompetenten Gäste ging es nach der kleinen Präsentation schnell in technische Tiefen und weitere Lösungsansätze und Einsatzmöglichkeiten. Interessant war auch unsere Diskussion über das Verständnis der Begriffe “Machine Learning” und “Künstliche Intelligenz” und deren Einsatz in den Medien. Zu häufig werden im Zusammenhang mit “KI” oder “AI” Dystopien ersponnen. Düstere Visionen von selbstlernenden und -denkenden Robotern, deren Schlüsse unweigerlich dazu führen müssen, dass der Mensch kontrolliert, oder sogar gleich ausgerottet werden muss. Dass diese Szenarien Science Fiction sind und Begriffe wie “kognitives Lernen” in der Automatisierung und Digitalisierung korrekter – und weniger verunsichernd – wären, wurde in unserem Gespräch insbesondere mit Pressevertretern deutlich.
Denn selbst Fachjournalisten können den schnellen Entwicklungen unserer Zeit kaum folgen und haben Schwierigkeiten, sich fachlich up to date zu halten. Wie sollen da normale Tageszeitungsjournalisten in ihrem Arbeitsalltag erfassen und vermitteln können, was wirklich Stand der Technik und der Möglichkeiten ist, und was Begriffe wie “Künstliche Intelligenz” tatsächlich im Digitalisierungsalltag bedeuten? Um so wichtiger, dass wir uns darüber austauschen und überlegen, wie wir zukünftig kommunizieren können, um nicht missverstanden zu werden.
Vielleicht sind Sie beim nächsten Mal dabei und diskutieren mit uns mit? Ganz egal, auf welchem technischen Stand Sie sind, ob Sie in Wirtschaft, Politik oder Medien aktiv sind, wir freuen uns über Austausch und Networking! Schicken Sie uns einfach eine Mail an an socialmedia@erminas.de, wir informieren Sie über kommende Meet Ups und Termine!
