We actually wanted to explain to Oldenburg digitization beginners about data mining and machine learning and discuss what can be done with this data to create value. However, this erminas Meet Up developed into an illustrious panel of experts with competent guests and a wide range of topics.
Gib hier deine Überschrift ein
Our Meet Ups are casual and informal, and the beautiful weather allowed us to use our garden at erminas headquarters in Oldenburg as the location this time. 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.
Central objects of the demonstration: chocolate marshmallows in intact or defective condition. “The most powerful and versatile sensor in the human body is the eye. There are still many jobs in industry where people have to carry out visual inspections.” Boris Crismancich introduced the topic of the evening. “They often spend hours on the assembly line looking for incorrectly painted parts, unscrewed lids and frozen pies with defects.”
For this showcase, our team considered how people can be relieved of monotonous and tedious tasks by collecting and analyzing data and using machine learning. The challenge was to get by without expensive special hardware and to achieve valid results quickly without having to develop complex algorithms.
Capture, analyze, classify
In our fictitious example, we have imagined that the chocolate marshmallows on a conveyor belt run past a camera that is connected to a neural network. This recognizes when a chocolate marshmallow is defective. If this is the case, a solenoid valve is actuated. 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!
