Datengetriebene Modelle und KI-basierte Bildverarbeitung verbessern Produktion

Die Automation und die Entwicklung von Geschäftsprozessen benötigen Daten, die in die Optimierung von Prozessen oder die Entwicklung von Innovationen fließen.

Fraunhofer FIT demonstriert auf der Hannovermesse eine Plattformtechnologie, die smarte Datenbanken, spezielle Analyseverfahren sowie vernetzte Sensoren und Messgeräte integriert.

Funktionalitäten wie Wartung und Betrieb werden in die Datenmodelle integriert und können bis hin zur Predictive Maintenance ausgebaut werden. Neue Service- und Geschäftsmodelle können so agil und flexibel entwickelt und an sich schnell verändernde Kundenwünsche angepasst werden.

»Dabei ist es allerdings wichtig sich klarzumachen, dass wir im Gegensatz zur traditionellen alten Produktions- und Automationstechnologien, bei denen Modelle maßgeschneidert und relativ starr auf einen Betrieb zugeschnitten sind, im Bereich der datengetriebenen Modelle eben nicht mehr auf absolute Ergebnisse setzen: Die Modelle berücksichtigen, dass die Datenerhebung und -qualität den jeweiligen Erfordernissen angepasst werden kann, um flexibler zu reagieren«, so Prof. Dr. Harald Mathis, Leiter der Abteilung für Biomolekulare optische Systeme (BioMOS) des Fraunhofer-Instituts für Angewandte Informationstechnik FIT und Leiter des Fraunhofer-Anwendungszentrums SYMILA in Hamm.

Ein weitere wichtige Komponente des Systems ist der sogenannte Smart Data Exchange. Dieser gewährleistet ein Höchstmaß an Datensicherheit und Datenintegrität, etwa wenn Daten von einem Produktionsstandort zum anderen transferiert werden müssen.

>>Situative Erkennung von Menschen durch KI-basierte Bildanalyse in der Arbeitsumgebung

Das zweite Exponat befasst sich mit dem intelligenten Videoschutz von Personal in sensiblen Arbeitsumgebungen. Das System ist in der Lage, das anatomische Grundgerüst von Menschen, also Körper, Arme und Beine, in einem Live-Video zu detektieren.

Dieses Verfahren wird als »Realtime Pose Estimation« bezeichnet. Auf Grundlage der erkannten Grundgerüste und deren Ausrichtung wird mit Hilfe von weiteren neuronalen Netzen die Haltung der Menschen erkannt. So kann unterschieden werden, ob ein Mensch in einem überwachten Areal steht, sitzt oder liegt.

Die »Realtime Pose Estimation« basiert auf der Nutzung von künstlicher Intelligenz. Die Algorithmen orientieren sich grob an den Mechanismen des menschlichen Gehirns und simulieren ein tiefes Netz aus Nervenzellen.

Analog dem menschlichen Vorbild lernen diese Neuronen aus gesammelten Erfahrungen und Trainings. Auf der Basis großer Datensätze wie dem COCO-Datensatz, der über 250.000 Bilder von Personen mit annotierten Körperregionen enthält, wurde das System trainiert und kann jetzt in Echtzeit eigenständig Körperteile in fremden Umgebungen zuverlässig detektieren.