1. DEUTSCH
  2. News
  3. Stories
  4. 2018
  5. 11
  6. Lernen will gelernt sein

Wir setzen Cookies (eigene und von Drittanbietern) ein, um Ihnen die Nutzung unserer Webseiten zu erleichtern und Ihnen Werbemitteilungen im Einklang mit Ihren Browser-Einstellungen anzuzeigen. Mit der weiteren Nutzung unserer Webseiten sind Sie mit dem Einsatz der Cookies einverstanden. Weitere Informationen zu Cookies und Hinweise, wie Sie die Cookie-Einstellungen Ihres Browsers ändern können, entnehmen Sie bitte unserer Cookie-Richtlinie. Akzeptieren

Lernen will gelernt sein

Vor fünf Jahren eröffnete die Volkswagen AG mit dem Data:Lab Munich ein hochspezialisiertes Kompetenzzentrum. Standen anfangs vor allem Data Analytics im Vordergrund, so arbeitet das Experten-Team heute an der Entwicklung künstlicher Intelligenz.

Data:Lab Munich entwickelt künstliche Intelligenz

Professor Patrick van der Smagt kann komplexe Sachverhalte soweit runterbrechen, dass auch ein Laie sie versteht. Und das hilft bei der Erläuterung seines Themas: künstliche Intelligenz und maschinelles Lernen. „Wissen Sie, warum Computer heute selbstständig unterscheiden können, ob Sie auf Facebook ein Bild einer Katze oder eines Hundes gepostet haben?“, will der niederländische Wissenschaftler wissen. Nach einem Kopfschütteln folgt die Antwort prompt: „Weil Menschen diese Information in ihren Posts kommentieren und Systeme daraus lernen können – schneller und besser als jeder Nutzer.“ Das gleiche Prinzip gelte im Übrigen bei Börsenvorhersagen, dem Auswerten von Computertomographien oder Spracherkennungsprogrammen.

Systemen beibringen, Kommentare auszuwerten

Professor Patrick van der Smagt wechselte 2016 aus der universitären Forschung in das Volkswagen Data:Lab Munich

Der Algorithmus ist nur dann mächtig, solange er richtig gefüttert wird. Und genau hier liegt die Herausforderung für das Team rund um van der Smagt, der den Forschungsbereich zu Künstlicher Intelligenz (KI) im Münchner Volkswagen Data:Lab Munich leitet. „Im Gegensatz zu sozialen Netzwerken liegt etwa bei der Qualitätssicherung von Automobilkomponenten kein Fundus an so genannten annotierten Daten vor. Wir müssen den Systemen beibringen, selbst Kommentare auszuwerten, Zusammenhänge zu identifizieren und eigenständig optimale Schlüsse zu ziehen.“

Die Algorithmen verarbeiten hierbei Informationen in mehreren Schritten und vergleichen sie mit bereits Erlerntem und historischen Datensätzen. Auf diese Weise werden Systeme immer sicherer darin, Muster und Gesetzmäßigkeiten zu identifizieren.

Das Data:Lab Munich wurde Ende 2013 gegründet – zu einer Zeit, als das Thema künstliche Intelligenz noch nicht so rege in der Öffentlichkeit diskutiert wurde. Anfangs stand klassische Datenanalyse im Fokus, Experten bewerteten komplexe Daten noch selbst. Seitdem ist das Team stetig gewachsen. Heute treiben rund 80 IT-Spezialisten, Data Scientists, Programmierer, Physiker und Mathematiker die Forschung und die Entwicklung von Anwendungen auf dem Gebiet des maschinellen Lernens voran. 

Für Volkswagen interessant ist das Forschungsgebiet, weil künstliche Intelligenz zunehmend industrielle Relevanz bekommt. Sie ist heute bereits ein Wettbewerbsfaktor und wird weiter an Bedeutung zunehmen. Volkswagen hat deshalb schon früh die Voraussetzungen dafür geschaffen, um leistungsfähige KI-Systeme selbst aufbauen und einsetzen zu können.

„Wir prüfen für jede einzelne Anwendung mit künstlicher Intelligenz, ob ihr Einsatz sinnvoll ist“, sagt Martin Hofmann, CIO des Volkswagen Konzerns. „Unser Ziel ist es, die Arbeit unserer Mannschaft in Fabrik und Büro mit künstlicher Intelligenz noch besser zu unterstützen. Denn davon profitiert langfristig auch das gesamte Unternehmen.“

Algorithmen errechnen Verkaufsprognosen pro Modell und Region

Firas Lethaus mit seinem Team industrielle Anwendungen für maschinelles Lernen

Während van der Smagt im Data:Lab Munich für die Grundlagenforschung verantwortlich zeichnet, ist Firas Lethaus für die Überführung der Technologie in konkrete Anwendungsbereiche zuständig. „Wir sind im Volkswagen Konzern der Ankerpunkt für das Thema künstliche Intelligenz“, erklärt Lethaus, Leiter Deep & Machine Learning. „Alle Marken und Fachbereiche im Unternehmen können auf unsere Expertise zurückgreifen. Umgekehrt gehen wir auch mit unseren Ideen auf sie zu, wo und wie maschinelles Lernen operativ eingesetzt könnte. Unser Gedanke dahinter: Wir wollen ihnen Tools zur Verfügung stellen, um schneller und bessere Entscheidungen zu treffen,“ erklärt Lethaus.

Konkrete Anwendungsbeispiele gibt es bereits, etwa in der Vertriebsplanung. So können die Algorithmen errechnen, welche Fahrzeugmodelle sich in welchen Regionen wann besonders gut verkaufen. Dabei fließen Daten zum Kontext ein – etwa Wachstumsprognosen, wirtschaftliche Sanktionen oder Wetterbedingungen. Die Mitarbeiter erhalten so eine substanzielle Datenbasis, um strategischen Entscheidungen zu treffen.

Anderes Beispiel: Aftersales-Geschäft. Welche Ersatzteile werden wo wann besonders oft nachgefragt? Lethaus beschreibt die Logik hinter dem maschinellen Lernen so: „In hügeligen Regionen ist der Bremsverschleiß höher. Das System leitet daraus ab, dass die Lagerbestände von Bremsscheiben größer sein müssen. Oder nehmen Sie Hupen: In Europa wird wenig gehupt, in China ständig – entsprechend hoch ist dort der Verschleiß und die Ersatzteilnachfrage.“ Mittlerweile haben die Teams im Data:Lab über 100 KI-Anwendungen entwickelt, viele von ihnen sind in ganz unterschiedlichen Unternehmensbereichen im Probelauf.

Am Anfang einer zukunftsweisenden Entwicklung

Das Team des Data:Labs ist multidisziplinär aufgestellt. Neben IT-Experten arbeiten dort auch Mathematiker, Physiker oder Data Scientists

Ein weiteres wichtiges Einsatzfeld für künstliche Intelligenz ist die Bilddatenverarbeitung von Kameras, wie sie zum Beispiel bei der Qualitätssicherung oder beim automatisierten Fahren zum Einsatz kommt. „Einem neuronalen Netz ist es ziemlich egal, was zu sehen ist. Es leitet anhand von Pixelinformationen Zusammenhänge ab. Die Herausforderung besteht darin, die Daten so zu strukturieren, dass sie robust genug sind, um in bestimmten Situationen das Richtige zu tun. Erkennt eine Kamera im Auto, dass ein Fahrradfahrer über die Straße fährt, kann das System anhand der Pixel keine Vorhersage treffen, wo er in den nächsten fünf Sekunden sein wird. Das ist viel zu komplex. Aber die Bewegungsdynamik lässt sich aus dem Bild abstrahieren,“ erklärt van der Smagt.

Und wohin soll die faszinierende Reise des Data:Lab führen? Man stehe erst am Anfang einer zukunftsweisenden Entwicklung, so Lethaus. „Wo wir hinwollen? Selbstlernende Systeme, die Menschen eine optimale Basis für ihre Entscheidungen bieten. Wir sind auf einem guten Weg, aber noch lange nicht am Ziel.“
 

Künstliche Intelligenz ist für Volkswagen Konzern in zwei große Themengebieten relevant:

  • im Fahrzeug und automobiler Technik
  • in Unternehmensprozessen und Anwendungen im Unternehmen
     
  • Künstliche Intelligenz im Fahrzeug:

    Zentral ist KI für das autonome Fahren, also der Einsatz selbstlernender Algorithmen für die Umfeld-/Umwelterkennung und entsprechende Steuerung des Fahrzeugs. Ein weiterer Anwendungsbereich im Fahrzeug ist das sogenannte „Natural Language Processing“ (NLP) – die weiterentwickelte, intelligente Sprachsteuerung, beispielsweise für Navigations- und Komfortfunktionen. Denkbar ist der Einsatz von künstlicher Intelligenz auch zur Gesichts- oder Stimmerkennung, um das Fahrzeug zu entsperren oder zu starten.

  • Künstliche Intelligenz im Unternehmen:

    Hier geht es insbesondere um „kognitive Ergonomie“–  so bezeichnet Volkswagen den Einsatz selbstlernender Algorithmen, die Beschäftigten kleinteilige, wiederkehrende administrative Arbeit abnehmen und zur finalen Entscheidung aufbereiten (Formularfreigaben, Einträge, etc.). Diese Programme werden Bots genannt.

    Sinnvoll ist der Einsatz von KI auch für die Informationsaufbereitung: Algorithmen können hochkomplexe Datenmengen schnell, effizient und kontinuierlich durchsuchen und ordnen. Das ermöglicht zum Beispiel präzise Marktprognosen, die eine Vielzahl von Variablen beinhalten (wirtschaftliche Entwicklung, Haushaltseinkommen, Kundenpräferenzen, Modellverfügbarkeit, Preisniveau, etc.). Künstliche Intelligenz kann dem menschlichen Entscheider somit eine substanzielle Datenbasis aufbereiten und zur Entscheidung vorlegen.

    Darüber hinaus ist für Volkswagen als großes Industrieunternehmen der Einsatz von künstlicher Intelligenz in der Fertigung ein wichtiger Anwendungsbereich. Hier geht es beispielsweise um intelligente Robotik, also künstliche Intelligenz, die Roboter dazu befähigt, Hand-in-Hand mit menschlichen Facharbeitern zusammenzuarbeiten. Ebenso geht es auch um leistungsfähige Algorithmen, die noch effizienter als bislang Fertigungs- und Logistikprozesse optimieren können. Ein weiteres Beispiel ist die die sogenannte vorausschauende Wartung (predictive maintenance): Werkzeuge und Maschinen werden durch selbstlernende Algorithmen künftig in der Lage sein, ihre optimalen Wartungsintervalle selbst zu erlernen und den Instandhaltern in der Fabrik zu signalisieren.

    Abseits von der Arbeit in Büro und Fabrik bietet künstliche Intelligenz auch neue Möglichkeiten im Bereich der Cybersicherheit.