Pressemitteilung
SmartFactory-KL präsentiert Federated AI-Use-Case im Silicon Valley
- Foto: SmartFactory-KL
- hochgeladen von KOM-Team SmartFactory-KL
- Datentausch und Datenschutz sind möglich
- Use Case für die Hannover Messe 2024 geplant
Um Methoden der Künstlichen Intelligenz (KI) zu trainieren, sind Daten nötig. Doch der Austausch von Daten stößt bei Unternehmen auf Skepsis. Könnten sie doch der Konkurrenz interessante Hinweise liefern. Die SmartFactoryKL (SF-KL) arbeitet mit der RPTU Kaiserslautern-Landau (RPTU) an der konkreten Anwendung. Federated AI ermöglicht Machine Learning ohne relevante Daten weiterzugeben. Weil die Technologie bisher weltweit kaum in der Produktion im Einsatz ist, wurden jetzt drei Expert:innen zum wichtigen AI Hardware & Edge AI Summit nach Kalifornien eingeladen, um ihre praktischen Ergebnisse vorzustellen.
Erkenntnisse aus Kaiserslautern in Kalifornien
Der AI Hardware & Edge AI Summit konzentriert sich einmal im Jahr auf das Design und die Funktionsweise von Hard- und Software für Maschinelles Lernen in Edge-Clouds. Die Konferenz beinhaltet Vorträge und Expert:innenaustausch von weltweit führenden Köpfen. Aus Kaiserslautern (KL) nahmen Tatjana Legler, Vinit Hegiste und Prof. Dr.-Ing. Martin Ruskowski teil. Federated AI ist ein Forschungsthema an der RPTU, dessen Ergebnisse in die Shared Production Kaiserslautern einfließen. In der Produktion der Zukunft sind Datenräume eine Schlüsseltechnologie und der sichere Austausch von Daten zwingende Voraussetzung für Erfolg.
Federated
Daten sind Wissen. Wissen kann genutzt oder missbraucht werden. Deshalb hat die EU die DSGVO zur Grundlage erklärt. Trotzdem trauen viele Unternehmen dem Datenschutz nicht, sie möchten lieber gar keine Informationen herausgeben. Edge-Cloud-Lösungen ermöglichen das ‚In-House‘-Training von KI-Methoden. Zielführender wäre unternehmensübergreifendes Machine Learning, von dessen Erkenntnissen alle profitieren würden. Es ginge schneller und die Ergebnisse wären besser. Federated AI macht das nun möglich. Dabei werden die Daten lokal in Edge-Clouds analysiert und ausgewertet. Die neuen Erkenntnisse werden als mathematische Updates an einen zentralen Server gesendet, dort aggregiert und in das Gesamt-Modell integriert, auf das die Unternehmen wiederum zugreifen können. „Diese KI-Methode kann zum Gamechanger werden“, sagt Prof. Martin Ruskowski, Vorstandsvorsitzender der SmartFactoryKL (SF-KL). „Wir dürfen uns den Möglichkeiten des Datenaustauschs in Datenräumen nicht aus diffuser Angst verweigern, sonst fällt Deutschland technologisch zurück.“
Der Federated AI-Use Case
Im Federated AI-Use Case in KL werden Fehler auf Oberflächen von Produkten analysiert. Zu Beginn kamen USB-Sticks in unterschiedlichen Farben und Formen zum Einsatz. „Entscheidend ist“, so Tatjana Legler, die zu dem Thema bei Ruskowski promoviert, „dass ein bei uns erkannter Fehler zukünftig auch irgendwo anders erkannt wird, ohne dass dort erkennbar wird, an welchem Produkt der Fehler festgestellt wurde.“ Beispiel: KL erkennt einen Rostfleck auf dem Metallstecker und speist ihn mathematisch in den gemeinsamen Fehlerpool ein. Es ist nicht ersichtlich, dass der Fehler ein Rostfleck ist, es liegen auch keine Informationen über das Herkunftsunternehmen, den -ort oder das Produkt selbst vor.
Dieses Prinzip wird bereits in der Shared Production KL angewandt, um KI-gestützte Qualitätskontrollen zu trainieren. Als Beispiel wird ein Modell-LKW hergestellt, dessen Bauteile bundesweit verteilt produziert werden. Die Zulieferer trainieren lokal ihre KI-Anwendungen mit Fehlern wie Kratzer, Flecken, unschöne Kanten, falsche Farben etc. Sie helfen mit ihren Erkenntnissen, den zentralen Algorithmus zu verbessern, den wiederum alle nutzen können. So wirkt KI auch nachhaltig: sie hilft Ausschuss und Kosten zu senken. Auf der Hannover Messe 2024 wird der Federated AI-Use Case erstmals vorgestellt.
Autor:KOM-Team SmartFactory-KL aus Wochenblatt Kaiserslautern |
Kommentare
Sie möchten kommentieren?
Sie möchten zur Diskussion beitragen? Melden Sie sich an, um Kommentare zu verfassen.