Künstliche Intelligenz und echtes Miteinander
Das Digital Lab von IAV untersucht den Einsatz von künstlicher Intelligenz als Querschnittsfunktion
Wenn man den aktuell äußerst populären Begriff „künstliche Intelligenz“ (KI) auf die Automobilindustrie anwendet, fällt einem zunächst das autonome Fahren ein. In der Tat ist ein selbstfahrendes Fahrzeug ein intelligentes, autonomes System und damit eine wichtige Anwendung der künstlichen Intelligenz, dennoch ist diese Schlüsseltechnologie nicht auf diesen Bereich beschränkt, sondern geht weit darüber hinaus. „Künstliche Intelligenz und maschinelles Lernen werden alle Bereiche der Automobilentwicklung dramatisch verändern und ganz neue Dienstleistungen der Mobilität ermöglichen“, ist sich Dr. Mirko Knaak, Product Owner künstliche Intelligenz und maschinelles Lernen im Digital Lab von IAV, sicher. „Wir stehen hier vor einem Wendepunkt“.
Neuronale Netze, lernende Systeme und Mustererkennung
Obwohl die Vision einer künstlichen, also von Menschen gemachten Intelligenz schon einige Jahrzehnte alt ist und auf einige Forschungsergebnisse zurückblicken kann, hat die gerade inflationäre Verfügbarkeit von Speichern und Rechnern in den letzten Jahren eine neue Dynamik in diese Vision gebracht. Insbesondere die neuronalen Netze, die intrinsisch einen großen Bedarf an Speicher- und Rechenkapazität haben, können dadurch ihr Potenzial besser zeigen, indem komplexe Netze mit vielen Neuronen und somit vielen Parametern trainiert werden.
Ein Beispiel sind „Generative Adversarial Networks“ (GAN), bei denen zwei neuronale Netze, ein Fälscher- und ein Diskriminatornetz, gegeneinander arbeiten: Man startet mit einem Set echter Beispiele. Nach einem Trainingsprozess bringt das Fälschernetz neue Konzepte hervor, die die Charakteristik der Originale aufgefangen haben, sich aber dennoch unterscheiden. „Der Impact dieser Methode für das Design und die Konstruktion ist aktuell noch nicht ansatzweise abschätzbar“, meint Dr. Knaak, „Doch auch für eine andere Domäne von IAV, die Absicherung, ist automatische Generierung von Fehlermustern Gold wert.“
Doch nicht nur neuronale Netze werden bei IAV und im Digital Lab intensiv studiert. Auch andere Methoden des statistischen Lernens, der Mustererkennung und der Optimierung werden genutzt, da die neuronalen Netze, auf die die KI oft reduziert wird, nicht in allen Fällen überlegen sind.
Ein Schwerpunkt ist die Mustererkennung: Events in Zeitreihen werden ähnlichkeitsbasiert gefunden. So kann eine manuell gefundene Auffälligkeit ohne aufwändige regelbasierte Beschreibung in großen Datenmengen aus Entwicklung oder Serie wiedererkannt werden. Der Königsweg ist danach die Integration von semantischen Informationen aus Texten und Messdaten, zum Beispiel in Graphendatenbanken. Das Digital Lab arbeitet auch an KI-Algorithmen zur Unterstützung der Konstrukteure beim Finden von funktions- und kostenoptimierten Lösungen.
Weitere Beispiele sind lernende Systeme, mit deren Hilfe die Fahrzeuge nicht nur auf die Verkehrssituation, sondern auch auf die aktuellen, nicht ausgesprochenen Bedürfnisse des Fahrers reagieren. Dazu gehört die bild-basierte Emotionserkennung, für die IAV auch mit externen Partnern zusammenarbeitet.
Auch außerhalb der klassischen Tätigkeitsfelder nutzt IAV künstliche Intelligenz. Ein großes Feld ist die Extraktion von Wissen über das Mobilitätsverhalten aus zahlreichen Datenquellen, die zunächst nicht offensichtlich sind. „Unsere Algorithmen lernen aus diesen Daten und ziehen Schlüsse, die für Stadtplaner, Aufsteller und Betreiber von Lade- säulen, ja sogar für die Energiewirtschaft von großem Interesse sind – von allen An- bietern innovativer Mobilitätslösungen einmal abgesehen“, erläutert Dr. Knaak.
KI-Community bei IAV
Insgesamt ist die Anzahl der bearbeiteten Themen beachtlich und weitere große Themen sind in der Pipeline. Daher hat sich IAV auch die organisatorische Frage gestellt, wie eine solche Schlüsseltechnologie als Querschnittsfunktion optimal in einem dezentral in vielen Bereichen der Automobilentwicklung arbeitenden Unternehmen verankert wird. Sind Zentralabteilungen, interne Dienstleister oder verteiltes Arbeiten die richtige Antwort?
„Wir haben uns aus dem digitalen Mindset bedient und die KI-Community als Antwort gefunden“, sagt Dr. Knaak. Von einem Kernteam im IAV Digital Lab organisiert, ermöglicht die KI-Community den Wissens- und Informationsaustausch sowie die zeitlich punktuelle Kollaboration von Experten, die sonst verteilt an höchst unterschiedlichen Kundenthemen arbeiten.
Die Basis ist eine Plattform, auf der die Experten online zusammenarbeiten. „Die eigentliche Power erzeugen wir jedoch, wenn die Experten kurzzeitig physisch zu Barcamps oder Crunchcamps zusammen- kommen“, sagt Tobias Niewolik, Agile Master des KI-Teams im Digital Lab.
In Barcamps bilden Probleme und Fragen die Agenda, im Gegensatz zu klassischen Konferenzen mit Ergebnispräsentationen. „Das ermöglicht uns, schnell auf Lösungsansätze zu kommen“, so Niewolik. In darauffolgenden Crunchcamps werden diese Ansätze umgesetzt. Experten, Anwender, Programmierer und manchmal auch Kunden arbeiten über wenige Tage intensiv und ohne Störung zusammen, also „Coworking“ bis hin zum „Co- living“.
In den Barcamps 2017 ist klar geworden, wie viel Potenzial im dezentralen Know-how schlummert, sodass es etwa 200 Experten bei IAV gibt, die einen starken Background auf den Gebieten neuronale Netze, Modellierung, Optimierung etc. haben und in dieser Schlüsseltechnologie arbeiten. Im ersten großen zentralen KI-Barcamp sind 70 von ihnen zusammengekommen und haben Lösungsansätze für etwa 30 Fragestellungen erarbeitet und teilweise schon umgesetzt. „Mit dem Know-how und dieser Organisationsform ist IAV hervorragend aufgestellt, um in der Schlüsseltechnologie führend mitzuspielen und sie für seine Kunden optimal einzusetzen“, fasst Dr. Knaak zusammen.
