(openPR) Daten sind das neue Öl, sagt man. Was tun, wenn die nötigen Daten fehlen, um KI-basiert Prognosemodelle, zum Beispiel im industriellen Bereich, effizient nutzen zu können? In solchen Fällen setzt das Software Competence Center Hagenberg (SCCH) Transfer Learning ein. Beim Transfer Learning bedient man sich vortrainierter Modelle aus anderen Kontexten, wodurch ein Mangel an Trainingsdaten kompensiert und die KI daher günstiger und leichter eingesetzt werden kann.
"Seit 2010 setzen wir im Bereich Data Science Methoden des Transfer Learning ein. Vorbild waren Ansätze, mit denen bestehende Daten zur Problemlösung A mittels Künstlicher Intelligenz (KI) auf ein verwandtes Problem B übertragen werden können", sagt Dr. Bernhard Freudenthaler, Area Manager Software Science am SCCH. Da es kaum Forschung mit Industriedaten gab, hat das SCCH mit Wirtschaftspartnern Testreihen durchgeführt, um Prozessdaten zu generieren, mit denen KI-Systeme schrittweise trainiert werden, korrekte Werte vorherzusagen und damit den Verarbeitungsprozess zu steuern. "Der Vorteil für Industriebetriebe liegt in der Zeiteinsparung. Denn ohne Transfer Learning muss für jede Maschinenkonfiguration das Training der KI wieder von Neuem begonnen werden. Transfer Learning ist Thema im COMET-Projekt Deepred (Deep Learning based Predicictive Analytics and Optimization). Ein Schwerpunkt ist die Unterstützung vieler ähnlicher Prozesse mit dem Ziel, die richtige Lösung ohne teure, umfassende und prozessspezifische Datensammlung zu finden. Dadurch können KI-basierte Produktionsprozesse flexibler gestaltet und Trainingszeiten des KI-Modells im besten Fall ganz vermieden werden", so Freudenthaler.
In einer Forschungskooperation arbeiten TRUMPF Maschinen Austria und das SCCH eng zusammen. "Wir sehen diese Entwicklung als große Chance. Ziel der langfristigen Zusammenarbeit ist es, die Erkenntnisse der aktuellen Forschung zur Künstlicher Intelligenz und Industrie 4.0 in der Blechbearbeitung zu verankern. Deshalb investieren wir heute schon in Zukunftstechnologien, die Kunden zu großen Effizienzgewinnen verhelfen und ihre Wettbewerbsfähigkeit steigern", sagt DI Bernhard Fischereder, Leiter Forschung und Entwicklung bei TRUMPF.
"Transfer Learning ist ein wesentlicher Bestandteil unserer Forschungsaktivitäten. Aktuell laufen am SCCH die Projekte deepTrust, AutoQual-I, S3AI, ALOHA und TRESSPASS. Die Projekte decken auch die verschiedenen Anwendungsgebiete ab. Diese reichen von der risikobasierten Grenzverwaltung, über die optimale Steuerung komplexer Systeme bis hin zu GANs (Generative Adversarial Networks) zur Segmentierung bzw. Generierung von Daten", erklärt der wissenschaftliche Leiter des SCCH, Prof. Dr. Robert Wille.
