Was ist Künstliche Intelligenz?
Künstliche Intelligenz (KI) verbindet bestimmte Fähigkeiten des menschlichen Gehirns mit den Möglichkeiten moderner Datenverarbeitung. Das menschliche Gehirn ist lernfähig, kann abstrakt denken und Sinneseindrücke verarbeiten. Computer können rasend schnell und sehr zuverlässig rechnen, sind rund um die Uhr und an 365 Tagen im Jahr einsatzfähig.
Die Leistungsfähigkeit von KI hängt dabei von drei wesentlichen Faktoren ab: von der Qualität und Relevanz der Daten, von Algorithmen, die diese Daten verarbeiten, und von den Fähigkeiten hochqualifizierter Datenspezialisten, die den Algorithmen sagen, was sie tun sollen, die sie trainieren und kontrollieren, bis sie in der Lage sind, eigenständig zu arbeiten.
Künstliche Intelligenz in der Industrie
KI im industriellen Kontext ist längst nicht mehr nur eine Zukunftsvision, sondern bereits Realität – etwa bei der Optimierung von Anlagen durch vorausschauende Wartung. Technologiekonzerne wie Voith arbeiten mit Hochdruck an einer Zukunft, in der Maschinen mit künstlicher Intelligenz die Effizienz steigern und den Arbeitsalltag ihrer menschlichen Kollegen vereinfachen. In einem Wasserkraftwerk im isländischen Budarhals zeigt Voith schon heute, wie KI praktisch funktioniert.
Budarhals – ein intelligentes Kraftwerk
Gemeinsam mit dem staatlichen isländischen Energiekonzern Landsvirkjun hat Voith im April 2018 ein Pilotprojekt zur intelligenten Geräuschanalyse in Wasserkraftwerken gestartet. Dafür hat Voith das Kraftwerk Budarhals mit dem akustischen Überwachungssystem OnCare.Acoustic ausgerüstet.
Der Algorithmus diese Überwachungssystems benötigt Daten aus dem Betrieb der Turbinen inklusive unbekannter Umgebungsgeräusche, um möglichst präzise zu verstehen, wie das Wasserkraftwerk im Normalzustand arbeitet. Nur so lassen sich Abweichungen und Geräuschanomalien und damit mögliche Störfälle frühzeitig erkennen.
Daten aus unterschiedlichen Wasserkraftwerken werden von der BlueBox gesammelt und zur IIoT-Plattform dataPARC cloud übertragen, in der sie zentral weiterverarbeitet werden (kurze, nur wenige Sekunden lange Sound-Snippets). Diese Daten lassen sich von einem Kraftwerk auf andere übertragen und damit auch für das Training von Algorithmen verwenden. In der Anfangsphase haben die Projektmanager in Budarhals täglich zwischen zehn und 15 unbekannte Umgebungsgeräusche gemessen, die zunächst manuell bewertet und dokumentiert wurden. Diese und die bekannten Geräusche haben die Experten verwendet, um den Algorithmus zu trainieren, der im weiteren Verlauf des Pilotprojekts dann immer eigenständiger arbeiten und immer mehr Geräusche erkennen konnte.
Algorithmen arbeiten nach eigenen Regeln – unter menschlicher Aufsicht
Normalerweise arbeiten Algorithmen nach vorprogrammierten Regeln, zum Beispiel mit Wenn-Dann-Abfragen: „Wenn ein auffälliges Geräusch gemessen wird, dann schlage Alarm.“ Ein KI-Algorithmus funktioniert anders. Hier sind keine einfachen Wenn-Dann-Regeln gespeichert, sondern mehrschichtige Prozessfolgen, in denen der Algorithmus eine Vielzahl von Daten verarbeitet und sich entlang eines weitverzweigten Entscheidungbaums bewegt.
Kommt es beispielsweise zu einer akustischen Anomalie, kann ein Algorithmus überprüfen, ob die Störung systemabhängig auftritt. Dann trifft er eine Entscheidung und überprüft anhand der kontinuierlich erhobenen Daten, ob sie richtig oder falsch ist. Ordnet er die Störung beispielsweise einem bestimmten Bauteil zu, muss die Geräuschanomalie verschwinden, sobald dieses Bauteil abgeschaltet wird. So lernt der Algorithmus – genau wie der Mensch – über „Versuch und Irrtum“ und kann daraus eigene Regeln für weitere Analysen ableiten. Damit ein KI-Algorithmus diese Regeln modellieren kann, braucht er auf absehbare Zeit noch Anleitung.
Die drei Säulen des Machine Learning Verfahren
- Unsupervised Learning – Das unüberwachte Lernen
Der KI-Algorithmus bekommt Daten, die weder kategorisiert noch klassifiziert sind und aus denen er völlig eigenständig Modelle und Regeln ableitet. Diese werden dann im Nachhinein manuell bestimmten Kategorien bzw. (Zustands-)Klassen zugeordnet. - Supervised Learning – Das überwachte Lernen
Menschen kategorisieren und klassifizieren die Daten im Vorhinein für den Algorithmus, der daraus mit der Zeit eigene Prognosen lernt. - Reinforcement Learning – Das bestärkende Lernen
Der Algorithmus lernt durch Versuch und Irrtum, also durch positive oder negative Verstärkung.
Mit unserer Erfahrung aus über 150 Jahren Industriegeschichte sind wir Technologieführer in den Märkten Wasserkraft, Papier und Antriebslösungen. Wir nutzen unser Domänenwissen auch, um unsere und die digitale Transformation unserer Kunden umzusetzen.
ENTDECKEN SIE IHRE DIGITALEN MÖGLICHKEITEN