18.09.2020

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

Transfer Learning kann helfen, wenn nicht genug Daten für den Einsatz von KI-Anwendungen zur Verfügung stehen.
/artikel/wie-man-auch-mit-wenig-daten-ki-losungen-nutzen-kann
(c) TRUMPF Maschinen Austria

Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt. Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können? Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden. Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann. Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).

Transfer Learning: Anschaulich illustriert

(c) SCCH

Links: Klassisches Machine Learning from Scratch bei dem für jeden Datensatz mit unterschiedlicher statistischer Charakteristik (z.B. Bilder einer Inspektionskamera für einen speziellen Bauteil) ein eigenes Modell gelernt wird (z.B. um einen Defekt im Bauteil zu erkennen). Das kann bei einem neuen Bauteil welcher nur in kleiner Menge produziert wird zu Problemen führen, da klassische Machine Learning Modelle sehr datenhungrig sind und schlechte Ergebnisse liefern, wenn zu wenige Daten vorhanden sind.

Rechts: Transfer Learning ist eine Erweiterung des klassischen Machine Learning Ansatz, die darauf abzielt Informationen neuer Daten mit Informationen alten Daten derart zu kombinieren, sodass das Problem von zu wenig Information (z.B. zu wenige Inspektionsbilder eines neuen Bauteils) gelöst werden kann.

Industrie als Vorreiter des Transfer Learning

„Seit 2010 setzen wir im Bereich Data Science Methoden des Transfer Learning ein. Vorbild waren Ansätze, mit denen bestehende Daten zur Problemlösung A mittels Künstlicher Intelligenz (KI) auf ein verwandtes Problem B übertragen werden können“, sagt Bernhard Freudenthaler, Area Manager Software Science am SCCH.

Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern. „Der Vorteil für Industriebetriebe liegt in der Zeiteinsparung. Denn ohne Transfer Learning muss für jede Maschinenkonfiguration das Training der KI wieder von Neuem begonnen werden.

Transfer Learning ist auch Thema im COMET-Projekt Deepred (Deep Learning based Predicictive Analytics and Optimization). Ein Schwerpunkt ist die Unterstützung vieler ähnlicher Prozesse mit dem Ziel, die richtige Lösung ohne teure, umfassende und prozessspezifische Datensammlung zu finden. Dadurch können KI-basierte Produktionsprozesse flexibler gestaltet und Trainingszeiten des KI-Modells im besten Fall ganz vermieden werden“, so Freudenthaler.

Künstliche Intelligenz für die Blechfertigung

In einer Forschungskooperation arbeitet das SCCH außerdem mit dem oberösterreichischen Maschinenbauunternehmen TRUMPF Maschinen Austria zusammen. „Wir sehen diese Entwicklung als große Chance“, sagt dazu Bernhard Fischereder, Leiter Forschung und Entwicklung bei TRUMPF: „Ziel der langfristigen Zusammenarbeit ist es, die Erkenntnisse der aktuellen Forschung zur Künstlicher Intelligenz und Industrie 4.0 in der Blechbearbeitung zu verankern.“

Deine ungelesenen Artikel:
vor 13 Stunden

Wie der Polestar 4 SUV Design und Effizienz vereint

Zwischen skandinavischer Ästhetik, wirtschaftlicher Attraktivität und planbaren Betriebskosten: Der Polestar 4 SUV soll sowohl Privatkund:innen als auch Unternehmen überzeugen.
/artikel/wie-der-polestar-4-suv-design-und-effizienz-vereint
vor 13 Stunden

Wie der Polestar 4 SUV Design und Effizienz vereint

Zwischen skandinavischer Ästhetik, wirtschaftlicher Attraktivität und planbaren Betriebskosten: Der Polestar 4 SUV soll sowohl Privatkund:innen als auch Unternehmen überzeugen.
/artikel/wie-der-polestar-4-suv-design-und-effizienz-vereint
Der neue Polestar 4 SUV | (c) Polestar
Der neue Polestar 4 SUV | (c) Polestar

Mit dem Polestar 4 SUV bringt der schwedische Elektroauto-Hersteller ein Modell auf den Markt, das die Markenphilosophie „Pure Progressive Performance“ konkret auf die Straße übersetzen soll. Der Polestar 4 SUV richtet sich an ein anspruchsvolles Publikum: Privatkund:innen sollen durch sportliche Performance, Alltagstauglichkeit und klares Design überzeugt werden, Entscheidungsträger:innen und Fuhrparkverantwortliche zusätzlich durch wirtschaftliche Berechenbarkeit und geringe Gesamtkosten.

Skandinavischer Minimalismus, funktionale Ästhetik und hohe Performance

Der vollelektrische Polestar 4 SUV zeichnet sich durch eine reduzierte Formensprache und hohe Funktionalität aus. Statt auf optische Überladung oder überflüssige Dekorelemente setzt die Marke auf skandinavischen Minimalismus. Als prägende Designmerkmale kommen etwa rahmenlose Außenspiegel sowie versenkbare Türgriffe zum Einsatz, die neben dem visuellen Erscheinungsbild auch den Luftwiderstandsbeiwert (cw-Wert) des Fahrzeugs optimieren.

(c) Polestar

Im Innenraum folgt das Fahrzeug dem Konzept der sogenannten „Quiet Luxury“. Das Cockpit überzeugt durch ein auf das Wesentliche reduziertes, intuitives Bedienkonzept, das Ablenkungen während der Fahrt minimiert. Bei der Wahl der Materialien setzt das schwedische Designteam zudem auf emissionsarme Materialien wie maßgestricktes Textil aus recyceltem PET und rückverfolgbares Leder. Maßnahmen wie diese sorgen dafür, dass der Polestar 4 SUV einen der niedrigsten CO2-Fußabdrücke im Portfolio aufweist.

Und natürlich spielt das Auto auch in Sachen Performance oben mit: Je nach Variante hat es bis zu 544 PS bei einer Beschleunigung von 0 auf 100 Stundenkilometer in 3,9 Sekunden und bis zu 630 Kilometer Reichweite. Das alles wird im Polestar 4 SUV kombiniert mit 1.665 Liter Gepäckvolumen.

„Startup mit 100-jähriger Erfahrung“

Dass eine klare strategische Ausrichtung für den Erfolg in der Elektromobilität entscheidend ist, betont Matthias Schabetsberger, Managing Director von Polestar Österreich, im brutkasten-Talk: „Wir sehen uns als ein Startup mit hundertjähriger Erfahrung im Automobilbereich.“ Als eigenständige, börsennotierte Schwestermarke von Volvo nutzt Polestar die Agilität eines jungen Unternehmens und greift gleichzeitig auf etablierte Produktionsstrukturen sowie das weltweite Servicenetzwerk des Mutterkonzerns zurück.

Diese Aufstellung ist insbesondere für den B2B-Sektor relevant. In Österreich entfällt derzeit der Großteil des Polestar-Absatzes auf das Gewerbe- und Flottengeschäft. „Flottenkunden waren oft die Early Adopter der Elektromobilität. Viele Unternehmen nutzen ihren Fuhrpark als konkretes Werkzeug, um eigene Nachhaltigkeits- und Emissionsziele rasch zu erreichen“, so Schabetsberger.

Wirtschaftlich attraktiv und verlässlich

Neben ökologischen Zielen spielt im gewerblichen Bereich die betriebswirtschaftliche Gesamtkostenbetrachtung (Total Cost of Ownership, TCO) die zentrale Rolle. Durch im Vergleich zu Verbrennern geringere Verschleiß-, Service- und Wartungskosten sowie günstige Ladeoptionen ist die Elektromobilität auf dem Vormarsch, was sich auch in den steigenden Zulassungszahlen widerspiegelt.

Zugleich verweist Matthias Schabetsberger im brutkasten-Talk auf die Bedeutung stabiler politischer Rahmenbedingungen, etwa bei Steuerregeln wie dem Sachbezug. „Es braucht ein klares Commitment und Sicherheit für Flotten- wie Privatkunden, dass man auf das richtige Pferd gesetzt hat und sich auf die Rahmenbedingungen verlassen kann“, betont der Polestar-Österreich-Chef. Unabhängig von kurzfristigen Debatten bleibe die Elektromobilität für Unternehmen jedoch der wirtschaftlich wie ökologisch tragfähigste Weg zur CO2-Reduktion des Fuhrparks.

Regionales Partnernetzwerk für persönliche Betreuung

Damit sowohl Firmenkund:innen als auch Privatkäufer:innen eine verlässliche Anlaufstelle vor Ort haben, hat Polestar seine Vertriebsstruktur in Österreich ausgebaut. Neben der rein digitalen Bestellstrecke stehen Kund:innen mittlerweile 13 regionale Partnerstandorte in Kooperation mit Volvo-Händlern zur Verfügung. Wie Schabetsberger im brutkasten-Talk erläutert, ermöglicht diese regionale Abdeckung von Dornbirn bis Wien eine persönliche Beratung – von der individuellen Fuhrparkanalyse über Probefahrten bis hin zum langfristigen Service.

Polestar-Angebote in Österreich

Um den Einstieg attraktiv zu gestalten, bietet Polestar in Österreich Sonderkonditionen für den Polestar 4 SUV an:

  • Serienmäßige Absicherung: Jedes Fahrzeug beinhaltet Over-the-Air-Software-Updates, 12 Monate Connected Services Plus, eine 8-jährige Batteriegarantie (bis 160.000 km) sowie 3 Jahre Fahrzeuggarantie und Pannenservice.
  • Sondermodell First Edition: Als Dual Motor mit Allradantrieb sind verfügbare Polestar 4 SUV bereits ab € 59.990 erhältlich. Dies entspricht einem rechnerischen Preisvorteil von 10.100 Euro.
  • Inkludiertes Prime-Paket: In der First Edition ist das sogenannte Prime-Paket bereits kostenfrei enthalten, welches das Pilot-, Plus- und Komfort-Paket sowie Privacy-Glas an den hinteren Seitenscheiben bündelt.
  • Polestar Leasing: Kombinierbar ist das Angebot mit einem Fixzinssatz von 0,99 Prozent bei Monatsraten ab 269 Euro.
  • Und natürlich spielt das Auto auch in Sachen Performance oben mit: Je nach Variante hat es bis zu 544 PS bei einer Beschleunigung von 0 auf 100 Stundenkilometer in 3,9 Sekunden und bis zu 630 Kilometer Reichweite. Das alles wird im Polestar 4 SUV kombiniert mit 1.665 Liter Gepäckvolumen.
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie man auch mit wenig Daten KI-Lösungen nutzen kann

  • Daten sind das neue Öl, sagt man – denn nichts zuletzt sind sie der Treibstoff, der den Motor der Künstlichen Intelligenz antreibt.
  • Doch was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können?
  • Hier kann unter anderem eine Methode namens „Transfer Learning“ eingesetzt werden: Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
  • Eingesetzt wird dies in Österreich zum Beispiel beim Software Competence Center Hagenberg (SCCH).
  • Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern.