Interview | Mit einer e-Funktion kann keiner alleine mithalten“

Frank Maier ist CTO von Lenze. Im Interview mit KI-Podcast-Experte Robert Weber sprach er vor einiger Zeit über dieses Thema und erklärte darüber hinaus, warum „Moores Law“ Partnerschaften im Bereich Künstliche Intelligenz forciert.

Der Gastkommentar ist aus dem Podcast-Interview von Robert Weber und Frank Maier entstanden und kann auch gerne nachgehört werden. Robert Weber sendet regelmäßig Podcasts zum Thema „KI in der Industrie“.

Wir erleben gerade einen Hype bezüglich Künstlicher Intelligenz (KI) in der Industrie. Das ist nicht schlecht, aber wir als Mittelständler sehen KI als Tool, das ohne Domänenwissen nicht funktionieren kann. Von dem Zusammenspiel von KI und Domänenwissen versprechen wir uns aber viel.“ Mit diesen Worten begann Lenze CTO Frank Maier den KI-Podcast mit Robert Weber, Journalist und Moderator und bekennender KI-Experte mit eigenem Podcast (mit KI-Fachmann Peter Seeberg).

Laut Frank Maier engagiert sich Lenze in Projekten wie ML4PRO2 und stellt sich zudem die Frage, wie Wissen über die Maschine erzeugt werden könne und wie die Maschine aber auch selbst lernen kann. „Die selbstlernende Maschine ist die Königsdisziplin. Modelle und Sensorik sind dem untergeordnet“, so Maier in seinen Ausführungen.

Doch wie lernt die Maschine?

„Unser Ziel ist es, dass die Maschine ihren Gutzustand selber erkennt und Abweichungen dem Anwender mitteilt. Das geht mit einem neuronalen Netz in ein paar Stunden. Wir haben einige Grundannahmen, wie sich eine gute Maschine definiert. Diese geben wir dem Algorithmus mit.“ Kunden haben alle einen einzigen Anspruch: Sie wollen Lösungen für anstehende Probleme. Wie kann man dem nun mittels KI entgegnen? Maier meint, man müsse rausfinden, was denn passiert ist, dass es der Maschine nicht mehr gut geht. An dieser Stelle sind dann laut Maier wieder Experten gefragt oder anders formuliert: „unser Domänenwissen.“ „Ein Expertensystem liefert Lösungsvorschläge für den Anwender“, so Maier.

„Wir als Lenze haben sehr viele hochspezialisierte KMU beispielsweise in der Verpackungsbranche, die haben eine Handvoll Entwickler, die sich gar nicht jeden Tag mit Machine  Learning, Neuronalen Netzen oder anderen Entwicklungen wie M2M, PLC-Erweiterungen und vielen anderen Themen beschäftigen können. Deshalb setzen wir mit diesen Kunden auf eine enge Partnerschaft.

Wir sind klein genug, um den Zugang zu diesen Unternehmen zu haben und groß genug, um uns in der Forschung auch mit neuronalen Netzen zu beschäftigen. Wir müssen ständig unsere Fähigkeiten erweitern und das Moorsche Gesetz, das noch eine weitere Dekade Bestand haben wird, zwingt uns zu Kooperation. Moores Law ist eine e-Funktion. Mit einer e-Funktion kann auch ein großer Konzern nicht mithalten. Deshalb müssen wir kooperieren“, führt der KI-Experte aus und ergänzt: „Forschung ist dabei ein wichtiger Aspekt, aber in der Partnerschaft müssen Sie dann auch den Beweis erbringen. Die Qualität der Algorithmen muss stimmen. 80 Prozent Genauigkeit im Labor reichen leider nicht, wenn wir 20 Prozent Fehlermeldungen haben. Wenn es zum Kunden geht, brauchen wir 99,5 Prozent Zuverlässigkeit.“

Doch ist Antriebstechnik generell gar so fehleranfällig?

Maier meint: Nein. „Deshalb wird man bei Lenze auch nicht eine Einzelüberwachung von Antrieben finden, denn die Fehlerrate liegt bei 0,1 Prozent. Und aufgrund dessen halte ich auch nichts davon überall
Sensoren einzubauen. Wir müssen eine Stufe höher nach Fehlern suchen. Bei uns ist der rutschende Riemen in der Fördertechnik ein beliebtes Beispiel. Den überwachen wir mit einer Kombination von
mehreren Antrieben und können dann feststellen, wo der Riemen durchrutscht. Wir müssen die Symptome der Maschine erkennen, um zu überlegen, über welches Modell können wir dieses Fehlersymptom abbilden und anschließend überwachen.“

Doch wo liegt nun im Maschinenbau der Reiz, KI gezielt einzusetzen?

Maier beantwortet diese Frage wie folgt: „Predictive Maintenance ist immer eine Art von Versicherung für den Anwender. Der Kunde muss also die Kosten für die Versicherung und die Eintrittswahrscheinlichkeit gegenüberstellen. Es kann also sein, dass es für ihn gar nicht so dramatisch ist, wenn ein Antrieb mal
ausfällt. Wir wissen darüber hinaus ja auch, dass die Fehlerhäufigkeit sehr gering ist. Und es gibt auch andere Anwendungen rund um KI, die spannend sind. Wenn wir mit großen Getränkeabfüllern sprechen, dann sagen die uns: Die Wartung kriegen wir schon hin, aber wir wissen nicht an welchen Stellen wir drehen können, um den Output zu verbessern oder die Rüstzeiten zu minimieren.  Da entwickelt sich ein Markt. Unternehmen die automatisiert Prozessprobleme erkennen und diese dann automatisiert lösen werden in Zukunft viele Kunden gewinnen.“

Neuronale Netze.

Und beim Thema Neuronale Netze ist es so, dass sie weitgehend Black Boxes sind. Wie reagieren Kunden auf diesen Umstand? Auch hier betont Maier, dass diese Aussage stimme, denn die Netze haben gelegentlich Ausreißer von denen keiner weiß wo sie herkommen. „Wir versuchen aus einer Kombination
von Domänenwissen und Neuronalen Netzen das zu verhindern, führen Plausibilitätsmessungen durch oder entwickeln zusätzliche Elemente um die Black Box etwas durchsichtiger zu machen.