Erfolgreich im Datenzeitalter - mit neuen Maßstäben bei Leistung, Flexibilität und Skalierbarkeit

Künstliche Intelligenz, Advanced Analytics, Cloud Computing und neue Storage-Technologien helfen Unternehmen bei der Problemlösung, Entscheidungsfindung und Skalierung. Erfahren Sie hier, wie Sie mit moderner, effizienter IT-Infrastruktur im Zeitalter der Daten erfolgreich sein können.

Demokratisierung von KI

KI in der Fertigung - So macht die Arbeit mehr Spaß

30.08.2021
KI übernimmt viele monotone Arbeiten in der Fertigung. Inzwischen lassen sich schon KI-Lösungen ohne Daten- und Technologieexperten erstellen. BMW zeigt, wie es geht.
BMW hat sich zum Ziel gesetzt, bei KI-Lösungen die Abhängigkeit von Daten-Experten zu reduzieren, sodass KI direkt an vorderster Front zum Einsatz kommen kann.
BMW hat sich zum Ziel gesetzt, bei KI-Lösungen die Abhängigkeit von Daten-Experten zu reduzieren, sodass KI direkt an vorderster Front zum Einsatz kommen kann.
Foto: BMW

"KI hat das Potential, die industrielle Produktion in einer bislang unvorstellbaren Größenordnung zu beschleunigen und gleichzeitig die Kosten zu senken", heißt es in einer Research-Note von Accenture. Das trifft vor allem auf die Automobilindustrie zu, denn laut Capgemini haben bereits 14 Prozent aller OEMs KI-Lösungen im großen Stil im Einsatz.

KI: Konstant zuverlässige Ergebnisse

Auch die BMW Group setzt zur Qualitätskontrolle auf eine automatisierte Bildverarbeitung. Zu dieser Edge-Anwendung gehören unter anderen die Kontrolle, ob das Warndreieck oder das Erste-Hilfe-Kit an der richtigen Stelle liegen oder ob die Abdeckkappe am Scheibenwischer angebracht ist. Im Werk Dingolfing vergleicht eine KI-Anwendung die Orderdaten eines Fahrzeugs mit dem Live-Bild des Modellschriftzugs des frisch produzierten Automobils. Diese Typenschilder wie "iX" oder "xDrive" sowie alle möglichen Kombinationen sind in einer Cloud-basierten Bilddatenbank gespeichert. Fehlt ein Schriftzug, erhalten die Mitarbeiter einen entsprechenden Hinweis.

Die Erfahrungen zeigen, dass bei diesen Routinearbeiten KI-Systeme den menschlichen Prüfern deutlich überlegen sind. Die Systeme sind schneller, genauer, zuverlässiger - und ermüden nicht. So können sie rund um die Uhr Hunderte Teile pro Minute mit konstant zuverlässigen Ergebnissen prüfen. Bei richtiger Auflösung und Optik sind sie sogar in der Lage Details zu erkennen, die das menschliche Auge gar nicht sieht.

Jeder kann KI entwickeln

Obwohl die Erfolge von KI in der Fertigung bereits beachtlich sind, könnten diese noch wesentlich größer sein, gäbe es nicht die Hemmschwelle der Nutzung, denn bislang sind viele KI-Anwendung immer noch eine Domäne von Daten- und Technologie-Experten. BMW bemüht sich deshalb um eine - wie es heißt - "Demokratisierung der KI". In diesem konkreten Fall heißt das, dass jeder Mitarbeiter in der Fertigung seine KI-Workloads selbst erstellen und betreiben kann. Zum Einsatz kommt dabei eine No-Code-Lösung, mit der sich ohne Programmierkenntnisse entsprechende KI-Lösungen auf jedem Arbeits-PC völlig eigenständig kreieren lassen, um dann direkt den individuellen Arbeitsablauf zu unterstützen.

Damit folgt BMW einem Technologie-Trend, wonach immer mehr Anwendungen an die äußersten Enden der IT-Infrastruktur - die Edge - verschoben werden. Das reduziert die an der Edge abgehende Datenmenge, was die Cloud-Kosten senkt. In Verbindung mit KI werden dann noch weniger Daten in die Cloud transferiert, da weniger Entscheidungen in der Cloud getroffen werden müssen.

Ein Power-Toolkit von Intel

BMW nutzt in diesem Fall eine von der Robotron Datenbank-Software GmbH, einem Spezialisten für industrielle Computer-Vision und IoT mit Sitz in Dresden entwickelte Anwendung. Hierbei kommt das Intel® OpenVINO™ Toolkit zum Einsatz, das als Open Source auf GitHub verfügbar ist. Dieses Toolkit beschleunigt und verbessert das maschinelle Sehen mit Deep Learning und bringt damit BMW dem gesteckten Ziel von "KI für alle" deutlich näher.

OpenVino besteht aus vier Modulen: Dem Model Optimizer, der Inference Engine, der Deep Learning Workbench, sowie optimierten Bibliotheken und Funktionen für OpenCV und OpenVX. Der Leistungsumfang der einzelnen Module beinhaltet unter anderen:

  • Model Optimizer: ein Kommandozeilen-Tool auf Basis von Python. Er unterstützt mehr als 100 öffentlich zugängliche Modelle aus gängigen Deep Learning Frameworks wie Caffe, TensorFlow, Apache MXNet oder Open Neural Network Exchange (ONNX).

  • Inference Engine: Sie stellt entsprechende Lösungen über eine gemeinsame API auf der gewünschten Plattform bereit. Inferenz bezeichnet den Einsatz des trainierten Modells, um aus gegebenen Daten Schlussfolgerungen zu ziehen oder Vorhersagen zu treffen.

  • Deep Learning Workbench: eine webbasierte grafische Umgebung. Sie ermöglicht es den Anwendern, die Simulation der Leistung von Deep-Learning-Modellen und Datensätzen auf verschiedenen Konfigurationen der Intel-Architektur zu visualisieren.

  • OpenCV und OpenVX: Die Toolkits bieten optimierte Bibliotheken und Funktionen. OpenCV ist eine freie Programmbibliothek mit Algorithmen für die Bildverarbeitung und für maschinelles Sehen. OpenVX ist ein offener Standard für die plattformübergreifende Beschleunigung von Machine-Vision-Anwendungen.

BMW: Aktiv in der Community

Das hier beschriebene Beispiel ist nur eines von vielen KI-Lösungen bei BMW. Auch im Ausbau der KI-Community ist das Unternehmen engagiert. Beispielsweise veröffentlichte BMW vor kurzem eine KI-Lösung, um beliebige Objekte auf Fotos und in Videos zu anonymisieren. Damit können Objekte oder Personen ausgeblendet oder unscharf gestellt werden. Die Granularität und die Intensität der Anonymisierung lassen sich intuitiv anpassen. Diese Algorithmen wurden von BMW ebenfalls auf GitHub für die allgemeine Nutzung bereitgestellt.

Fazit

BMWs neue KI-Lösungen entlasten die Produktionsmitarbeiter von vielen monotonen Routinetätigkeiten. Dabei sind sie nicht mehr auf die Unterstützung von Daten- und Technologie-Experten angewiesen, sondern können sich mit Intels OpenVINO Toolkit ihre eigenen No-Code-Anwendung selbst erstellen.