KI in der Produktion : VRVis-Forscherin Schmidt: "Es ist wenig zielführend, die KI auf fehlerhafte Datenbestände loszulassen"
Große Datenmengen können am VRVis niemanden einschüchtern. Bei riesigen Datenpaketen - und hochdimensionalen zeitbasierten Daten - hat das Forschungszentrum seine Spezialisierung. Im Visual Analytics-Bereich beispielsweise entwickeln die Wiener interaktive Systeme zur Datenanalyse und Entscheidungsunterstützung. Neben Datenanalysen als Dienstleistung vertreiben sie über das Spin-off Visplore ein interaktives Tool für maßgeschneiderte visuelle Analysen. Etwa für die Energiewirtschaft: Dort ließen sich automatisiert Voraussagen für den Output von Windkraftanlagen treffen, indem man nicht nur naheliegende Parameter wie Windstärke und Windrichtung, sondern auch "exotischere" Parameter wie die Globalstrahlung "in die Analysen einbezog", erzählt Johanna Schmidt, Forschungsgruppenleiterin am VRVis.
Auch der Feuerfesthersteller RHI Magnesita ist ein Anwender der Wiener Lösung. Aus den Daten der Steineproduktion ist nun dank des maßgeschneidert einsetzbaren Datenanalysetools ein vollständiges Bild über Status Quo und Verlauf der Produktqualität ableitbar. Flexibel kombinierbare Visualisierungen und intuitive Oberflächen erlauben dem Qualitätsmanagement einen Dialog mit ihren Daten. Spezifischer als Business-Intelligence-Tools und zugänglicher als allgemeine Statistitiksoftware sei die Lösung. Stundenlange Analysen dauern nur mehr wenige Minuten.
Und vor allem: "Nun haben auch Nicht-Data-Scientists verständlichen Zugang zu den Produktionsdaten und den darin verborgenen Informationen", heißt es am VRVis, dessen Status als COMET-Kompetenzzentrum soeben um weitere vier Jahre verlängert wurde. Letztlich liege auch in der Verknüpfung mit anderen Datentypen der Charme der Lösung, "wenn etwa zu den Sensordaten korrelierende Werkstückaufnahmen den Datenbestand vervollständigen", so die Forscherin.
Mit einer trainierten KI großer Daten Herr zu werden, sei bei alledem ein großartiger Ansatz, sagt Schmidt, eine studierte Informatikerin. Auch für diese Disziplin gebe es Experten am VRVis. Freilich sei die Stufe davor nicht unerheblich: Die Harmonisierung der Daten, um saubere Ergebnisse zu erzielen, sei ein wichtiger Punkt. "Es bringt wenig, die KI auf einen noch fehlerhaften Datenbestand loszulassen", sagt Schmidt. Spannender sei vorerst die Nutzung von Edge-Devices, die in Produktionen nun eine Menge zusätzlicher Inputs liefern würden. Auch dass, hofft Schmidt, würde das Bewusstsein für den Wert der Data Science in den nächsten Jahren steigern.
