✨ AI Kontextualisierung
Auf Künstlicher Intelligenz (KI) basierende Systeme sind die neuen Teamkollegen der Zukunft. Sie sollen den Menschen am Arbeitsplatz tatkräftig unter die Arme greifen – insbesondere da, wo hohe Flexibilität gefragt ist, wie z.B. bei der Fertigung von individuellen Produkten. Wichtig ist, dass der Mensch seinem „künstlichen“ Teamkollegen vertraut und diese gut miteinander kommuniziert können. Das Software Competence Center Hagenberg (SCCH) hat dazu das internationale Forschungsprojekt TEAMING.AI initiiert und leitet dieses auch.
“KI ist stärker im Team mit Menschen”
Gemeinsam mit europäischen Partnern aus Forschung und Industrie wird das visionäre Konzept anhand von Demonstratoren in den Bereichen Qualitätsinspektion, Maschinendiagnostik und Unfallprävention realisiert und veranschaulicht.
“Das Potenzial der Künstlichen Intelligenz (KI) für die Industrie ist groß. Doch KI ist noch viel stärker im Team mit dem Menschen. Beide – Mensch und Maschine – haben Stärken, die sich optimal ergänzen können. Bei der Weiterentwicklung der Technologien muss daher der Mensch verstärkt im Mittelpunkt stehen. Dieses Horizon 2020 EU-Projekt zeigt, dass Oberösterreich am besten Weg ist, eine Vorreiterposition im Bereich ‚Human Centered AI‘ einzunehmen – ein Ziel, das im Strategischen Programm #upperVISION 2030 fest verankert ist.”, sagt Wirtschafts- und Forschungs-Landesrat Markus Achleitner über das Projekt.
Knapp 1,4 Millionen Förderung
Mit diesem Projekt werden knapp 1,4 Millionen Euro an Fördergeldern nach Oberösterreich gebracht – bei einem Gesamtbudget von etwas mehr als 5,7 Millionen Euro. “Das SCCH ist federführend im Bereich von KI und PROFACTOR ist Experte im Manufacturing. Hier werden Stärken erfolgreich gebündelt”, sagt Achleitner über die Kooperation der beiden Partner.
KI in der Industrie für individuelle Produkte
KI in der Produktion ist eine Schlüsselfrage für die globale Wettbewerbssituation von Gesamteuropa, denn in den USA und China ist KI im Industriebereich nicht so stark präsent. “Die EU fokussiert sich auf die Reindustrialisierung und die KI-gestützte Produktion, deshalb gab es auch den Call AI for Manufacturing”, sagt der Initiator und Koordinator von TEAMING.AI, Bernhard Moser. In der Produktion wird sehr viel automatisiert, das funktioniert bei großen Losgrößen gut. Der Trend geht aber zu individualisierten Produkten, daher sollen die Fertigungsstraßen flexibler agieren können, mit dem Ziel, effizient in geringeren Losgrößen fertigen zu können.
KI lernt vom Know-how des Menschen
Durch die Produktion in geringeren Stückzahlen stehen allerdings auch weniger Daten zur Verfügung – und diese sind das “Futter” für das maschinelle Lernen. Es braucht daher das Know-how und die Unterstützung von erfahrenen Fachkräften mit ihrem Wissen zu Prozessen und Zusammenhängen.
“Wir haben es mit statischen und dynamischen Daten zu tun. Das können technische Dokumentationen, System-Logs oder Sensordaten von Maschinen und das Feedback von Menschen sein. Diese Vielfalt an Daten gilt es zu nutzen und auf einen Nenner zu bringen, um Teamwork zwischen Mensch und KI zu ermöglichen”, sagt Moser: “Dazu bieten sich sogenannte Knowledge-Graphen an. Darunter versteht man ganz allgemein eine Systematik, anhand derer Informationen gesucht und miteinander verknüpft werden. Diese werden in Sozialen Medien wie etwa Facebook erfolgreich eingesetzt. Dabei gibt es jedoch einen Haken, denn für Soziale Medien genügt eine Aktualisierung dieser Daten-Strukturen im Bereich von mehreren Stunden. Für industrielle Zwecke aber brauchen wir Aktualisierungsraten im Bereich von Minuten oder sogar Sekunden.”
Menschen sollen für Ethik in der KI sorgen
Neben vielen Herausforderungen aus der Produktion, behandelt das TEAMING.AI Projekt daher im Kern auch zentrale Fragen des sogenannten „Human Centered AI“ Paradigmas. Dabei geht es darum, sicherzustellen, dass KI-Systeme ethischen Kriterien entsprechen. Entsprechende ethische Richtlinien wurden u.a. von der sogenannten High-Level-AI-Expert Group der Europäischen Kommission erarbeitet.
Wie aber kann sichergestellt werden, dass KI-Systeme solche textuell formulierten Richtlinien befolgen? Beispielsweise muss garantiert sein, dass der Mensch die Kontrollhoheit über KI-Systeme hat. „Ein Schlüssel dazu ist, ähnlich wie oben im Zusammenhang mit der Flexibilisierung ausgeführt, ein schneller Mechanismus zur Aktualisierung und Konsistenzprüfung von verlinkten Daten, um zeitgerecht oder bereits im Vorfeld die Missachtung von etwaigen Richtlinien automatisch erkennen zu können“, so Moser.
