KI-gestütztes Daten-Monitoring

KI-gestützte Bilderkennung kann viele Prozesse in der Fertigung effizienter gestalten. Jedoch sind Bilder, die in der Produktionsumgebung entstehen, oft fehlerhaft, z. B. wegen Unschärfe, defekter Sensoren und Bewegung der fotografierten Objekte. Wenn solche Bilder von KI analysiert werden, bleiben sie oft unbemerkt, denn in der Verarbeitung von Echtzeitdaten kann nicht auf Expertenwissen zurückgegriffen werden. Diese Probleme haben einen direkten Einfluss auf die Leistung von KI-Modellen.

Ziel des Projekts AI DataVision ist es, einen Prototypen für die Überwachung von KI-Modellen in der Produktion zu entwickeln. Das System soll die Veränderungen in der Umgebung so früh wie möglich erkennen, und somit einen sicheren KI-Einsatz gewährleisten.

Im ersten Schritt wurden die zentralen Probleme im Produktionsumfeld identifiziert, die sich auf die Datenqualität auswirken. Dazu gehören unscharfe Bilder, Aufnahmen in Bewegung, Änderungen der Kameraposition, Verwendung von verschiedenen Kameras und unterschiedliche Lichtverhältnisse. Im nächsten Schritt identifizierten Forschende des KODIS den Datensatz, der die Verhältnisse bei der Qualitätskontrolle in der Produktion am besten repräsentiert, und simulierten die oben genannten Probleme in den Daten.

Anschließend entwickelte das Fraunhofer IAO einen Prototypen zur unüberwachten Drifterkennung. Dieser ermöglicht eine kontinuierliche, skalierbare und kosteneffiziente Überwachung der Daten und der Modellleistung in Situationen, in denen markierte Daten nicht verfügbar sind oder in denen der Datensatz gering ist. So wird sichergestellt, dass maschinelle Lernsysteme auch in den dynamischen Umgebungen zuverlässig und anpassungsfähig bleiben. Das hilft Unternehmen, so schnell wie möglich auf Störfaktoren zu reagieren.