ktsdesign/stock.adobe.com

26. März 2019 / von Jan Denker

Watson,

können Sie

übernehmen ?

IoT und AI zum Anfassen – Keine Zukunftsmusik, sondern Geschichten aus dem Industry Lab   

Smarte Spielerei oder zukünftiger Erfolgsfaktor? 

„Zeigen, nicht erzählen“ lautet das Prinzip, nach dem im Industry Lab des Watson IoT Center der IBM agiert wird. Mischa Soujon arbeitet dort als Lösungsarchitekt in kundenorientierten Projekten. Begriffe wie IoT und AI sind gern verwendete Buzzwords und nicht für jeden ist unmittelbar greifbar, welcher Nutzen sich dahinter verbergen kann. Aus diesem Grund wollen Mischa und seine Kollegen im ersten Schritt die Inspiration für die Einsatzmöglichkeiten von AI fördern. Mit dem Industry Lab hat IBM einen Raum geschaffen, in dem kreatives Arbeiten ermöglicht wird. Hier wird an dem geforscht, was aktuell mit AI im IoTUmfeld möglich ist. Mit den entwickelten Prototypen lässt sich die Kreativität der interessierten Kunden wecken. Aufbauend zu diesem Denkanstoß lassen sich für die Ideen der Kunden angepasste Prototypen entwickeln. Im besten Fall liefert der Proof of Concept innerhalb von zwei bis sechs Wochen einen Lösungsansatz für die Problemstellung des Kunden. Getreu dem Prinzip des Industry Labs hat Mischa auch einige Prototypen zur AccsoCon mitgebracht und uns damit inspiriert. 

Was bringt uns AI? 

Zunächst einmal wollen wir klären, womit der erneute Hype um die künstliche Intelligenz zu begründen ist. Mischa spricht in seinem Vortrag sogar davon, dass man von dem Beginn einer Ära der AI sprechen kann. Und er liefert aufschlussreiche Argumente, die diese These stützen. Heutzutage werden so viele Daten wie noch nie produziert. Für die Verarbeitung der Daten liegen Algorithmen in jeglicher Form vor und Cloud-Computing stellt die nötigen Rechenkapazitäten zu jeder Zeit zur Verfügung. Also sind die Voraussetzungen für den Einsatz von AI so gut wie nie zuvor.  

IBM IOT auf der AccsoCon
Kay Dörnemann

Mit dieser Aussicht könnte man meinen, dass der künstlichen Intelligenz keine Grenzen gesetzt sind, wenn es da nicht einen limitierenden Faktor geben würde. Auf die Frage was der große Unterschied zwischen dem Menschen und der Maschine ist, gibt der Referent eine einfache Antwort: „Der Mensch lernt schneller mit dem Ungewohnten umzugehen, aber Technologien sind auf Dauer präziser.“.  

Im Grunde versucht AI das menschliche Denken nachzuahmen. Wie beim Menschen muss im ersten Schritt eine Information verstanden werden. Und genau wie der Mensch zieht die AI Schlussfolgerungen aus dem Verstandenen und ermittelt ein Ergebnis. Allerdings müssen für die AI im Vorhinein Kriterien festgelegt werden, mit denen sie eine Bewertung des Ergebnisses vornimmt. AI nutzt solche Kriterien als Dimensionen für die Optimierung. Mit jedem weiteren Datensatz lernt der Computer, wie er seine Verarbeitung verbessern kann, um ein lokales Optimum zu erreichen. Solange Aufgabenstellungen gleichbleibende Dimensionen aufweisen, wird die AI die Aufgaben mit der Zeit effizienter und präziser als ein Mensch erledigen. Darin liegt der wesentliche Nutzen, den der Einsatz von AI für uns bereithält. Sie wird in einem Fachgebiet zum Experten und kann die Ausführung der Tätigkeit für den Menschen übernehmen. 

Der Laborversuch 

Für seine Session bei der AccsoCon hat Mischa eine Rennbahn des Herstellers Anki Overdrive eingepackt. Auf der Rennbahn fahren intelligente Fahrzeuge, die ihre Position auf der Rennstrecke ermitteln können. Über eine manuelle Steuerung kann der Fahrer des Rennwagens die Geschwindigkeit regulieren und Spurwechsel einleiten. Bei unserem Laborversuch wollten wir testen, ob ein Accsonaut oder eine AI der bessere Rennfahrer ist 

Als Kontrahent für unseren Accsonauten ist eine von IBM entwickelte AI Cloud Anwendung angetreten, die mit einem Reinforcement Learning Mechanismus ausgestattet ist. Die AI kennt den Streckenverlauf, sie erhält von den Fahrzeugen Daten zur Position und über eine Lichtschranke werden die Rundenzeiten gemessen. Mit jeder Runde versucht die AI näher an das lokale Optimum für die beste Rundenzeit heranzukommen. Auf dem Weg dahin führt sie teilweise sehr unkonventionelle Manöver aus.

Der Versuch hat gezeigt, dass ein Mensch innerhalb von wenigen Runden große Verbesserungen in der Rundenzeit erzielen kann – von 9 Sekunden in Runde #1 auf 6 Sekunden in Runde #5. Dahingegen schafft eine untrainierte AI innerhalb der ersten fünf Runden  kaum merkliche Optimierungen. Wird die AI mit einem antrainierten Wissen über 150 Runden an den Start geschickt, liegen die Rundenzeiten bereits in dem Bereich der Rundenzeiten unseres Accsonauten. Die optimale Kombination aus Geschwindigkeit und Fahrweg hat die AI nach 1.500 Runden erlernt.   

IBM IOT auf der AccsoCon
Jan Denker
IBM IOT auf der AccsoCon
Kay Dörnemann

Künstliche Intelligenz im produktiven Einsatz  

In seinem Vortrag hat Mischa uns auch von Prototypen berichtet, die den Sprung zum produktiven Einsatz geschafft haben und Menschen bei ihrer Arbeit unterstützen. Zum Beispiel wurde für das europäische Raumfahrtprogramm der mit AI ausgestattete Astronauten-Assistent CIMON entwickelt. CIMON ist etwa so groß wie ein Medizinball, kann in der Schwerelosigkeit autonom fliegen und unterstützt Astronauten bei ihrer Arbeit auf der Raumstation ISS. Durch eine Sprache zu Text Verarbeitung kann CIMON alle notwendigen Informationen für die Bedienung von Instrumenten oder Reparaturen in der ISS bereitstellen.

CIMON dient als mobile Datenbank und ermöglicht es dem Astronauten beide Hände frei zu haben. Falls CIMON dein Interesse geweckt hat, findest du HIER weitere Informationen zu dem Projekt.  

Zurück auf der Erde wurde mit Hilfe von IoTTechnologien der Hafen von Rotterdam zum smarten Hafen umfunktioniert. Anhand von Wasser- und Wetterdaten ermittelt eine AI Zeitpunkte mit optimalen Anlegebedingungen für einfahrende Schiffe. Die verbesserte Prognose durch den Einsatz von AI führt dazu, dass mit optimalen Geschwindigkeiten bei der Hafeneinfahrt Treibstoff eingespart wird und weniger Frachtbeschädigungen vorliegen. Weiterführende Informationen zum smartesten Hafen der Erde findest du HIER.

IBM IOT auf der AccsoCon
ESA/NASA blogs.esa.int/alexander-gerst/de/2018/11/16/alexander-welcomes-cimon/

Fazit 

Mischa hat uns mit den Versuchen anschaulich gezeigt, dass der Einsatz von AI dann sinnvoll ist, wenn eine Problemstellung auf wenige Dimensionen eingegrenzt werden kann. In diesen Bereichen ist künstliche Intelligenz in der Lage, lokale Optima zu finden und bestmögliche Resultate zu erzielen. Als wesentliche Erkenntnis aus dem Vortrag nehme ich für mich mit, dass die Anzahl der Dimensionen der limitierende Faktor für künstliche Intelligenzen ist. Somit wird es – erstmal – keine universelle künstliche Intelligenz geben, die auf jegliche unvorhersehbare Situation reagieren kann. Stattdessen können künstliche Intelligenzen unser Leben als Fachexperten für spezifische Aufgabenstellungen erleichtern und das bereits in der nahen Zukunft. 

Autor

Jan Denker
Jan Denker
Weitere Artikel

Das könnte Sie auch interessieren