Cookies erleichtern die Bereitstellung sämtlicher Inhalte der Website.
Mit der Nutzung der Dienste erklären Sie sich damit einverstanden, dass wir Cookies verwenden.

Weitere Informationen

Embedded Computer und Touch Panel Computer

Deep Learning – nicht nur im Tesla, auch in der Fabrikhalle

Trainieren anstatt Programmieren. Dieses einfache Credo hat das Zeug dazu, die Industrie zu revolutionieren. Deep Learning heißt das Zauberwort der Stunde.


Künstliche Intelligenz – die Lösung für alles? Die Euphorie kennt aktuell kaum Grenzen. Die technologische Entwicklung diesbezüglich rast mit beachtlichem Tempo voran. Selbstfahrende Autos, lange als Utopie abgetan, sind plötzlich zum Greifen nah. Überhaupt scheint es kaum Bereiche zu geben, die nicht durch Künstliche Intelligenz, kurz KI (oder Artificial Intelligence AI), profitieren können.

Ein wichtiger Durchbruch für die schnelle Weiterentwicklung Künstlicher Intelligenz ist Machine Learning. Wo Forscher bis vor Kurzem fast verzweifelt sind, erleichtert heute Machine Learning die Arbeit. Das mathematische Geflecht dahinter ist kompliziert, die Methode denkbar einfach: Trainieren anstatt Programmieren. Es werden Assoziationen zwischen der Umgebung und den daraus resultierenden Aufgaben hergestellt.

Autos werden bei Menschen in die Fahrschule geschickt
Für selbstfahrende Autos musste früher zuerst ein Umgebungsbild erstellt werden, um sie dann darin fahren zu lassen. Es gab Unternehmen, die verbrachten zig Mannjahre damit, Algorithmen zur Erkennung von Verkehrsschildern zu programmieren. Die Arbeit hätten sie sich sparen können. Durch Machine Learning entfällt ein großer Teil des Programmierens. Das System wird einfach mit einer großen Menge an Daten wie Bildern von Verkehrsschildern gefüttert. Anschließend wird ihm mittels zahlreicher Trainingsbeispiele das richtige Verhalten antrainiert. Das System merkte sich die Eingabesignale, in diesem Fall die Verkehrsschilder, und das gewünschte Ergebnis – bei einem Stoppschild anhalten, bei einer Tempobegrenzung das Tempo drosseln usw.

Autos werden also sozusagen in die Fahrschule geschickt. Sie ahmen das Fahrverhalten von Menschen nach, anstatt sturen Programmierbefehlen zu gehorchen.

  • <p>Deep Learning bietet gerade in der Mobilität großes Potenzial (Bild: Bosch Presse)</p>

    Deep Learning bietet gerade in der Mobilität großes Potenzial (Bild: Bosch Presse)

  • <p>Drohnen sollen sich sicher durch die Stadt bewegen, daran arbeiten die Universität Zürich und das nationale Forschungskompetenzzentrums NCCR (Bild: UZH)</p>

    Drohnen sollen sich sicher durch die Stadt bewegen, daran arbeiten die Universität Zürich und das nationale Forschungskompetenzzentrums NCCR (Bild: UZH)

  • <p>Fahrerlose Transportsysteme (FTS) werden sich dank Deep Learning auch in unüberwachten Bereichen sicher bewegen, ohne andere Fahrzeuge oder Menschen zu gefährden.</p>

    Fahrerlose Transportsysteme (FTS) werden sich dank Deep Learning auch in unüberwachten Bereichen sicher bewegen, ohne andere Fahrzeuge oder Menschen zu gefährden.

  • <p>Autonomes Fahren – dank Deep Learning in Griffnähe (Bild: Bosch Presse).</p>

    Autonomes Fahren – dank Deep Learning in Griffnähe (Bild: Bosch Presse).

  • <p>Deep Learning bietet gerade in der Mobilität großes Potenzial (Bild: Bosch Presse)</p>
  • <p>Drohnen sollen sich sicher durch die Stadt bewegen, daran arbeiten die Universität Zürich und das nationale Forschungskompetenzzentrums NCCR (Bild: UZH)</p>
  • <p>Fahrerlose Transportsysteme (FTS) werden sich dank Deep Learning auch in unüberwachten Bereichen sicher bewegen, ohne andere Fahrzeuge oder Menschen zu gefährden.</p>
  • <p>Autonomes Fahren – dank Deep Learning in Griffnähe (Bild: Bosch Presse).</p>

Deep Learning arbeitet wie das menschliche Gehirn
Ein Teilbereich von Machine Learning ist Deep Learning. Dabei kommen künstliche neuronale Netze zum Einsatz, die dem menschlichen Gehirn nachempfunden sind. Die neuralen Netze arbeiten wie Filter. In mehreren Durchläufen wird mittels statistischer Datenanalyse vom Groben zum Feinen hin gearbeitet. Dadurch wird die Wahrscheinlichkeit eines korrekten Ergebnisses erhöht. Zudem lernt Deep Learning ständig dazu und optimiert sich selbst, wodurch sich die Erkennungsgenauigkeit und der Ergebnisnutzen stetig verbessern.

Die Anwendungsgebiete für Deep Learing sind vielseitig. Forschende der Universität Zürich und des nationalen Forschungskompetenzzentrums NCCR Robotics arbeiten gerade daran, Drohnen mittels eines Deep Neural Network sicher durch die Straßen einer Stadt zu navigieren, ohne dabei andere Verkehrsteilnehmer zu gefährden.

Deep Learning für die Fabrikhalle
Aber auch klassische Automatisierungsanwendungen profitieren durch KI und Deep Learning. Fahrerlose Transportsysteme (FTS) leisten in der Industrie bereits gute Dienste, sie bewegen sich autonom und übernehmen Logistikaufgaben. Allerdings werden sie fast ausschließlich in abgeschotteten Bereichen eingesetzt, wo nicht mit Hindernissen zu rechnen ist. Künftig wird es möglich sein, FTS auch in nicht überwachten Zonen einzusetzen, ohne dass sie anderen Fahrzeugen oder Menschen gefährlich werden.

Daneben bieten sich unzählige weitere Anwendungsbereiche. Im Bahnbereich kann Deep Learning für Überwachungsaufgaben oder für die Steuerung autonomer Schienenfahrzeuge genutzt werden. Grundsätzlich bietet KI und Deep Learning überall einen Mehrwert, wo große Datenmengen analysiert werden. So können Forschungsergebnisse miteinander verknüpft und auf diese Weise neue Erkenntnisse gewonnen werden.

Massig Daten, massig Rechenpower
Dass sich Deep Learning erst in letzter Zeit durchgesetzt hat, ist vor allem zwei Faktoren geschuldet. Zum einen wächst die Datenbasis ständig – denn KI benötigt Massen an Daten. Noch heute besteht eines der Hauptprobleme von Deep Learning darin, genügend Trainingsbeispiele bereitzustellen. Dieses Problem wird stetig entschärft. Auf der anderen Seite braucht es enorme Rechenpower, um derartige Datenmengen zu verarbeiten. Auch diesbezüglich wurden in den letzten Jahren massive Fortschritte gemacht.

Syslogic als Herstellerin von Industriesteuerungen sieht in KI und Deep Learning enormes Potenzial. Christian Binder, Geschäftsführer von Syslogic, sagt: "Mir fällt es schwer einen Industriesektor zu nennen, der nicht von KI profitieren könnte." Entsprechend sucht Syslogic Kunden, die zu KI und Deep Learning forschen, um die Technologie gemeinsam in künftige Anwendungen zu integrieren. Binder sagt dazu: "Es wird für Unternehmen im Bereich Embedded Computing entscheidend sein, ob sie mit den aktuellen KI-Entwicklungen Schritt halten können."

Weiteres zu den Themen
Mobile Applications, Mobile Computing, Künstliche Intelligenz

Aktuell leider kein Eintrag vorhanden.
Suche
Suchen auf der Website

Über die Suche können Sie die Website durchsuchen. Geben Sie einfach Ihren Suchbegriff in die Leiste ein und drücken Sie die Eingabetaste, um die Suchergebnisse zu sehen.