Startseite > Messen + Testen > Testsysteme > »Die Herausforderung liegt in der Interpretierbarkeit«

Serie "KI in der Baugruppeninspektion"

»Die Herausforderung liegt in der Interpretierbarkeit«

13. November 2019, 8:00 Uhr | Nicole Wörner

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 1

Auf dem Weg zu selbstregelnden Prozessen

Wo liegen die Herausforderungen, wo die Grenzen?

Die wesentliche Herausforderung liegt aus unserer Sicht in der Interpretierbarkeit eines Ergebnisses eines KI-Systems. So sind z. B. die exakten Ursachen einer Entscheidungsfindung durch ein neuronales Netz in einer Baugruppeninspektion nicht immer nachzuvollziehen. Ein Neuronales Netz ist in der Regel eine Black-Box, die sich nicht gern in die Karten schauen lässt. Eine Fehlentscheidung lässt sich oft nur durch ein verbessertes Training korrigieren. Eine tiefgehende Analyse, wie sie bei klassischen Klassifikationsverfahren möglich ist, scheint derzeit nicht in Reichweite. Die Grenze eines Verfahrens der künstlichen Intelligenz liegt in den Lerndaten: Informationen, die in diesen Daten nicht enthalten sind, können in der Anwendung des Verfahrens nicht sicher erkannt bzw. erzeugt werden.

Welche Risiken birgt die Entwicklung hin zu KI?

Aktuell erfahren die Verfahren der KI einen großen Vertrauensvorsprung. Die Leistungsfähigkeit von z. B. Deep Neural Nets (DNN) ist beeindruckend. Gleichzeitig steigen jedoch auch die Bedenken. Sie reichen von einer weitreichenden Automatisierung von Entwicklung sowie Produktion und dem damit einhergehenden Jobverlust über eine mögliche vollständige Überwachung durch Gesichts- und Stimmerkennung bis hin zu einer automatisierten Entscheidungsfindung in militärischen Anwendungen. Am Ende geht es um eine ethische Frage: Welche Entscheidungen wollen wir als Gesellschaft der künstlichen Intelligenz überlassen? Technisch scheinen derzeit keine Grenzen gesetzt zu sein.

Welchen Stellenwert haben DL, ML und KI auf Ihrer Technologie-Roadmap?

Als Unternehmen, das seit vielen Jahren eine Vorreiterrolle bei automatischen Bildverarbeitungssystemen im Röntgenbereich spielt, haben wir dem Thema ML einen festen Platz auf der Roadmap eingeräumt. Wir werden beide der oben beschriebenen Wege mit ML beschreiten, d. h. sowohl in der automatischen Defekterkennung als auch in der Bewertung des Produktionsprozesses. Wir werden mit Hilfe von ML wertvolle Informationen für die Prozessoptimierung liefern.

Wo liegt die Zukunft dieser Technologien – im Allgemeinen und speziell in der Baugruppeninspektion?

Die künstliche Intelligenz wird weiter unser Leben durchdringen. Ob in unserem Smart Home, im Arbeitsleben oder auf Reisen. Die Zahl der Anwendungsfelder ist nicht limitiert, und täglich gibt es neue Ideen, wie die KI Dinge einfacher und schneller macht. Wo das haltmachen soll, wird nicht durch die Technologie, sondern die Gesellschaft bestimmt.

In der Welt der Inspektion stecken wir in Bezug auf KI noch in den Kinderschuhen. Der Einsatz auf einzelnen Systemen wird die Inspektion robuster und anpassbarer an neue Aufgabenstellungen machen. Die vollständige Vernetzung aller Systeme und damit der relevanten Sensoren wird einen selbstregelnden Prozess ermöglichen, der nahezu fehlerfrei operiert.

Yxlon auf der productronica 2019: Halle A2, Stand 321