Schwerpunkte

Forum Künstliche Intelligenz (2)

Nur was für die Großen?

30. August 2019, 09:38 Uhr   |  Iris Stroh

Nur was für die Großen?
© Markt&Technik

KI wird in vielen Industrien als Schlüsseltechnologie angesehen. Auch die Politik hat ihre strategische Bedeutung erkannt, eine KI-Strategie beschlossen und stellt bis zum Jahr 2025 für die Umsetzung 3 Mrd. Euro bereit. Aber wie sieht es mit dem realen Einsatz heute wirklich aus?

Alexa, Siri und Co. wären ohne KI nicht möglich. Auch Dr.-Ing. Ron Melz, Leiter Entwicklungsmethodik/künstliche Intelligenz automatisiertes Fahren bei Audi, erklärt: »Gerade in der Spracherkennung ist Maschinenlernen heutzutage Pflicht. Wer das nicht nutzt, verliert.« Daimler wiederum hatte auf der CES 2018 sein lernfähiges Multimediasystem MBUS vorgestellt, das in der neuen A-Klasse in Serie ging. Der intelligente Sprachassistent nutzt den Nuance Dragon Drive und damit Funktionen wie embedded und cloudbasierte Spracherkennung, Natural-Language-Unterstanding und Natural-Language-Generation. In der Automobilindustrie kann die KI aber noch einen weiteren Vorteil ausspielen: Neuronale Netze sind auf dem Gebiet der Mustererkennung besonders gut, denn Faltungsnetze, speziell für die Bildverarbeitung geeignete Netze, kommen zu besseren Ergebnissen als Menschen.

Dr. Christoph Angerer, Manager AI Developer Technologies EMEA, Russia and India bei Nvidia, erklärt: »Es gibt Beispiele, bei denen die neuronalen Netze besser als Menschen in der Erkennung sind, sprich: die Menschen eine geringere Trefferquote erreichen.« Ein bekanntes Beispiel ist aus dem Jahr 2012, als AlexNet den Bilderkennungswettbewerb ImageNet gewonnen hat. Dementsprechend wird schnell klar, dass sich diese Netze besonders gut für die Verkehrsschildererkennung eignen.
Dass die Verkehrsschildererkennung nicht immer funktioniert, darauf weist Dr. Ulrich Giese, Senior Director Automotive Solution Business Unit bei Renesas Electronics Europe, hin: »Wenn ich mit einem relativ neuen Auto auf der A40 mit variabler Geschwindigkeitsanzeige fahre, erkenne ich als Mensch, dass die Geschwindigkeit auf 120 Stundenkilometer begrenzt ist, das System erkennt es nicht.«

Allerdings ist das für Melz kein Beweis, dass die Verkehrsschildererkennung nicht gut funktioniert. Denn in der Verkehrszeichenerkennung würden häufig Informationen aus einer digitalisierten Karte mit Informationen aus der Kamera fusioniert. Versagt das System, sei dies eher auf die Qualität der Karte oder der Erkennung zurückführen und nicht darauf, dass die dahinterliegende KI nicht funktioniert. »Es gibt wirklich sehr gute Systeme, die deutlich über den menschlichen Trefferquoten liegen«, betont Melz. Und in Hinblick auf die von Giese erwähnten variablen Geschwindigkeitsanzeigen fügt er hinzu, dass es zwischen einem Verkehrsschild und diesen Anzeigesystemen einen großen technischen Unterschied gibt: Die variablen Anzeigen funktionieren mit LEDs, die mit einer bestimmten Frequenz gepulst sind. Und das verursacht zusätzliche Schwierigkeiten für die Kameras, plus die Tatsache, dass diese variablen Anzeigesysteme natürlich auch nicht in den Karten zu finden sind. Dieses Beispiel zeigt einen wichtigen Punkt: »Alles, was wir heute haben, sind Assistenzsysteme, keine automatisierten Fahrsysteme«, so Melz.

Dr. Dusan Graovac, Director and Global Head of Automotive System Engineering bei Infineon Technologies, erklärt, dass Infineon die Technologie selbst nutzt, um die eigene Fertigung zu optimieren. Er ist überzeugt, dass es in Fabriken viel gibt, das noch verbessert werden kann. »Ich rede nicht nur von der reinen Produktivität, sondern wie die Komplexität eines Prozesses besser handhabbar wird.« Bekanntermaßen ist die Fertigung eines Halbleiters sehr komplex, die Produktion eines hochintegrierten Mikrocontrollers dauert einige Monate, gerechnet von dem Zeitpunkt, an dem ein Wafer in die Fabrik kommt, bis zum Zeitpunkt, an dem das Produkt ausgeliefert werden kann. »Wir nutzen KI, um die Prozessanläufe und ganze Prozesse zu optimieren, und für Predictive Maintenance, um Maschinenausfälle zu minimieren. Und da wir über einen riesigen Datenschatz verfügen, sehen wir großes Potenzial für viele Verbesserungen«, so Graovac weiter.

Angerer_Dr.Christoph19 Nvidia
© Markt&Technik

Dr. Christoph Angerer, Nvidia: »Geht es beim Einsatz von KI darum, ein bestehendes System zu ersetzen, dann ist die Toleranz, wenn es nicht sofort läuft, sehr gering. Geht es um neue Geschäftsfelder, sprich: Sachen, die vorher nicht gingen, dann ist die Bereitschaft höher, etwas experimenteller zu agieren.«

Seite 1 von 4

1. Nur was für die Großen?
2. Roboter über die Cloud verbinden
3. KI in die Breite bringen
4. "Zivilen Anforderungen stehen bei uns im Mittelpunkt..."

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Europa darf den Anschluss nicht verpassen - Politik gefordert
Intel stellt neuromorphes System »Pohoiki Beach« vor
KI macht Musik
Künstliche Intelligenz jenseits der Cloud
Multipfad-Ansatz zur zuverlässigen Objekterkennung
Ein Fehler – und jetzt?
Die KI denkt, der Mensch lenkt?
Continental investiert weiter in künstliche Intelligenz
KI soll Produktionsanlagen widerstandsfähiger machen

Verwandte Artikel

WEKA FACHMEDIEN GmbH, NVIDIA Corporate, Resolto Informatik GmbH, INFINEON Technologies AG Neubiberg, KUKA Systems GmbH, Renesas Electronics Europe GmbH, TU Clausthal, Audi AG