Machine Learning

Federated Learning: Warum Modellbauer die besseren KI-Entwickler sind

Roboter in moderner Fahrzeugfertigung
© yingyaipumi - stock.adobe.com

Sepp Hochreiter gilt als einer der Vordenker für KI-Anwendungen in der Industrie. Vor zwei Jahren warnte der Professor die Maschinenbauer noch: „Vermasselt es nicht.“ Heute sieht er neue Geschäftsmodelle am Horizont auftauchen. „Die Daten nützen euch gar nichts, die könnt ihr in den Mistkübel treten, erst wenn ich Wissen aus den Daten ziehen, erst wenn ich die Daten zu etwas mache, mit dem ich Entscheidungen treffen kann, dann sind sie was wert. Und was sind das? Das sind die Modelle, die ich aus den Daten ziehe. Die Daten müssen erst zum Modelle gemacht werden“, erklärte Hochreiter im Podcast „KI in der Industrie“. Damit lasse sich dann Geld verdienen. Der Linzer Professor sieht im Modellverkauf ein großes Potenzial für die Industrie - und nimmt immer wieder Bezug auf GPT3. „Dieses Monster“ könne man nutzen, um Anwendungen zu bauen - nicht unbedingt in der Industrie, aber in anderen Bereichen. Hochreiter forderte im Interview die Unternehmen auf, gemeinsam Modelle zu entwickeln und zu vermarkten.

Beckhoff und die Modelle.

Rund 750 km nördlich von Linz, in Verl bei Beckhoff arbeiten die Ingenieure genau daran. Dr. Fabian Bause ist Produktmanager für TwinCAT und verantwortet den Anwendungsbereich Machine Learning. „Unser Ziel war es die Interferenz eines trainiertes Machine Learning in die Echtzeit zu holen. Wir haben innerhalb der PLC eine Inferenzmaschine (inference engine) für ein neuronales Netz gebaut,“ erklärt Bause im Interview. Die SPS/PLC kann Machine Learning ist die Botschaft. Im Bereich Computer Vision spürten die Produktmanager viel Nachfrage. Die Idee: Ein Convolutional Neural Network in harter Echtzeit auf der Steuerung zu realisieren. „Wir sind ziemlich sicher, dass wir das hinbekommen werden.“

Aber Beckhoffs Entwickler denken noch weiter. Stichwort Modelle. Sind die Steuerungshersteller nicht prädestiniert dafür, Modelle den Kunden anzubieten, denn ihre Steuerungen haben schon „viel“ von der industriellen Welt gesehen? Bei Beckhoff denken sie genau in diese Richtung. „Wir wollen Produkte verkaufen, die intern Machine Learning nutzen, ein trainiertes Modell haben, das der Kunde aber gar nicht sehen muss. Es funktioniert einfach wie Siri oder Alexa“, unterstreicht Bause. Die Ostwestfalen kommen damit einer Forderung der Anwender nach. Einer der prominentesten Vertreter der Forderung ist Walter Huber vom deutschen Automobilzulieferer Webasto. Er forderte unlängst „KI out of the box“. Den ersten Schritt gehen Beckhoffs Ingenieure mit der Hardware.

Der Zweite: Und wird es Modelle made by Beckhoff geben, die der Anwender sich kaufen kann? „Davon gehe ich aus. Wir trainieren Modelle für bestimmte Aufgabe und reichen diese weiter an unsere Kunden“, fasst Bause zusammen.

Federated Learning.

Warum gewinnen die Modelle an Bedeutung? Auf der einen Seite erleichtern sie es Anwender zukünftig, KI-Funktionen einzubetten. Gleichzeitig könnten die Modelle ein Ausweg aus dem Daten-Silo denken sein. Immer noch teilen zu wenige Unternehmen ihre Daten. Viele Unternehmer wollen ihren Lieferanten keine Produktionsdaten übermitteln oder dürfen es nicht. In Zukunft könnten anstatt Daten nur die Modelle von den Maschinen übertragen werden. Federated Learning nennen das die KI-Experten. Der Maschinenbauer bekommt das Modell von der Maschine A beim Kunden B übermittelt. Die Daten kann er nicht einsehen, nur wie sich das Modell verhält. Wenn er dann eine Optimierung des Modells vornimmt, spielt er diese wieder zurück an den Kunden B. Der Ansatz ist vielversprechend, aber noch nicht sehr weit verbreitet.

Denken in Modellen.

Ganz anders beim Denken in Modellen. Auch in der Robotik-Szene denkt mancher in die Richtung von Hochreiter und Beckhoff. „Generische Modelle zu entwickeln, die schnell adaptiert werden sind interessant für die Robotik und die Industrie“, erklärt Marco Huber von der Universität Stuttgart im Podcast „Robotik in der Industrie“. Aber er schränkt ein: „Die Roboterbauer müssen an die Daten der Anlagen kommen. Das ist schwierig.“ Abhilfe könnten künstliche Daten sein wie sie in der Automobilindustrie beim autonomen Fahren auch genutzt werden. „Wir machen das am Fraunhofer IPA beim bin picking auch, müssen das simulation gap mit realen Anwendungen schließen“, unterstreicht Huber.

Wann sehen wir das erste Unternehmen, das Robotik-Modelle verkauft? „Ich wundere mich, dass wir das jetzt noch nicht sehen.“