Startseite > Automation > Industrie 4.0 & IoT > Datenschutz und Datenaustausch – keine Gegensätze!

SmartFactory-KL

Datenschutz und Datenaustausch – keine Gegensätze!

20. September 2023, 8:55 Uhr | Heinz Arnold

Weil die Technologie bisher weltweit kaum in der Produktion im Einsatz ist, wurden jetzt drei Experten der SF-KL dn der RPTU zum wichtigen AI Hardware & Edge AI Summit nach Kalifornien eingeladen, um ihre praktischen Ergebnisse vorzustellen: Prof. Martin Ruskowski, Tatjana Legler, Vinit Hegiste (v.l.n.r.)

Der Konkurrenz interessante Hinweise liefern? Nein Danke – kein Datenaustausch bitte! Also auch keine KI? Wie es doch geht, zeigt die SmartFactory-KL im Silicon Valley.

▶ Diesen Artikel anhören

Die SmartFactory-KL (SF-KL) arbeitet mit der RPTU Kaiserslautern-Landau (RPTU) daran, wie es möglich ist, Machine Learning durchzuführen, ohne relevante Daten weiterzugeben. Ein wesentliches Element bildet dabei »Federated AI«, ein Thema, an dem die RPTU Kaiserslautern-Landau (RPTU) forscht. Die dabei gewonnen Ergebnisse fließen in die Shared Production der SF-KL ein. In der Produktion der Zukunft sind Datenräume eine Schlüsseltechnologie und der sichere Austausch von Daten zwingende Voraussetzung für Erfolg.

Der Summit konzentriert sich einmal im Jahr auf das Design und die Funktionsweise von Hard- und Software für Maschinelles Lernen in Edge-Clouds. 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.

Federated AI

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 aber 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 Game-Changer werden«, sagt Prof. Martin Ruskowski, Vorstandsvorsitzender der SmartFactory Kaiserslautern (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.«

Dazu ein 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.