KI unterstützt Fachkräfte bei der Montage

Presseinformation des KIT (Karlsruher Institut für Technologie) vom 08.06.2020

Kimoknow, eine Ausgründung des KIT, entwickelt digitalen Montageassistenten – Basis ist die automatisierte KI-gestützte Objekterkennung

Künstliche Intelligenz (KI) macht es möglich, dass auch Maschinen Objekte erkennen können. Hierfür braucht es große Mengen an qualitativ hochwertigen Bilddaten, mit denen die Algorithmen manuell trainiert werden. Das am Karlsruher Institut für Technologie (KIT) entstandene Start-up Kimoknow hat eine Technologie entwickelt, um dieses Training zu automatisieren. Der erste Use Case: Ein digitaler Montageassistent für die kontaktlose Zusammenarbeit von Menschen und Maschinen. Er wird in Kooperation mit der Elabo GmbH am Center for Artificial Intelligence Talents (CAIT) erprobt.

„KI-Systeme für die Erkennung von Objekten zu trainieren, ist nach wie vor zeitaufwändig, unflexibel, teuer, stark umgebungsabhängig und erfordert einen hohen Rechenaufwand“, erklärt Kimoknow-Mitgründer Lukas Kriete. Das Start-up des KIT greift deswegen auf Bilddaten zurück, die bei computerunterstützten Entwicklungsprozessen (CAD) und im Produktionsdatenmanagement (PDM) ohnehin für alle Objekte entstehen. Sie geben unter anderem Aufschluss über Material, Geometrie und Position des jeweiligen Gegenstandes. Die CAD- und PDM-Daten werden extrahiert und für das automatisierte Training der KI genutzt.

Das auf diese Weise geschulte Objekterkennungssystem kann vielfältig eingesetzt werden, unter anderem in Augmented Reality (AR)-Brillen. Sie erfassen relevante Gegenstände im Sichtfeld des Nutzers in Echtzeit und verfügen zudem über notwendige Kontextinformationen zum betreffenden Objekt. Als ersten Use Case für solche AR-Brillen hat Kimoknow ein Assistenzsystem entwickelt, das Fachkräfte bei der Montage komplexer Geräte unterstützen soll. Der virtuelle Assistent führt Nutzerinnen und Nutzer durch den gesamten Montageprozess, visualisiert ohne zusätzliches Display Schritt für Schritt die Bauanleitung und zeigt so in welcher Reihenfolge welches Teil mit welchen Werkzeugen und Montagematerialien verarbeitet wird. Er wiederholt einzelne Schritte, wenn Fehler auftauchen, und dokumentiert den Prozess. Der Monteur hat beide Hände frei und kommuniziert über Blickkontakt, Handzeichen oder Sprachbefehl mit dem System. „Der Montageassistent macht den Prozess bei besserer Qualität effizienter, produktiver, schneller und kostengünstiger“, sagt Kriete.

Der Assistent eignet sich für alle Industrien, in denen hochkomplexe Produkte in geringer Stückzahl hergestellt werden. Der Prototyp wird für die Endmontage hoch spezialisierter Messgeräte eingesetzt und derzeit in Kooperation mit der Elabo GmbH am Center for Artificial Intelligence Talents (CAIT) am Institut für Informationsmanagement im Ingenieurwesen (IMI) des KIT erprobt.

Kimoknow ist eine Ausgründung des IMI und ging am 13. Mai 2020 als Unternehmergesellschaft (haftungsbeschränkt) an den Start. Neben Lukas Kriete gehören Roman Wiegand, Aaron Boll, Michael Grethler und Vesa Klumpp zum Gründungsteam.

Center for Artificial Intelligence Talents (CAIT)

Das Center for Artificial Intelligence Talents (CAIT) fördert gezielt Forschungstalente, die Methoden der Künstlichen Intelligenz und des Ingenieurwesens miteinander verknüpfen. Neben Infrastruktur, Ressourcen und Trainingsformaten bietet es ihnen vor allem die Möglichkeit, neue Entwicklungen und Ideen unter realen Arbeitsbedingungen und in Zusammenarbeit mit potenziellen Anwendern zu erproben, weiterzuentwickeln und schnell in die Praxis zu bringen. Im Fokus des Konzeptes stehen der Mensch und seine Interaktion mit der Künstlichen Intelligenz. „Nicht die neuen Technologien verändern die Welt, sondern die Menschen, die diese Technologien nutzen“, betont CAIT-Leiterin Professorin Jivka Ovtcharova. Forschende und Start-ups bekommen die Chance, neue KI-Technologien nah am Markt zu entwickeln. Unternehmen profitieren vom Know-how dieser Talente und von aktuellen Forschungsergebnissen. „Dies ist eine Win-Win-Situation und das optimale Modell für die Kooperation zwischen Wissenschaft und Wirtschaft“, erklärt Ovtcharova.

Das CAIT wurde unter der Leitung von Jivka Ovtcharova im Juni 2019 am IMI eröffnet und setzt das Konzept des bis dahin betriebenen Lifecycle Engineering Solutions Center (LESC) mit dem Fokus KI fort. Neben der Elabo GmbH sind unter anderem die abas Software AG und die SolidLine AG Partner des CAIT. (sur)

Externer Link: www.kit.edu

Clever bauen mit mobilem Roboter

Presseinformation (Forschung Kompakt) der Fraunhofer-Gesellschaft vom 02.06.2020

Husky A200 heißt die mobile Roboterplattform, mit der erforscht wird, wie künftig mobile Plattformen autonom über Baustellen fahren und Lasten transportieren können. Der rollende Roboter ist eines von vielen Projekten, mit denen das Fraunhofer Italia Innovation Engineering Center die Digitalisierung im Bauwesen vorantreibt und eine Brücke zwischen Robotik und Bauwirtschaft schlagen will. Damit der mobile Roboter eigenständig den richtigen Weg findet, entwickeln die Forscherinnen und Forscher am Institut in Bozen die erforderliche Software-Schnittstelle.

Die steigende Nachfrage nach bezahlbarem Wohnraum, aber auch große und komplexe Bauvorhaben verlangen nach zeit- und kosteneffizienten Lösungen. Um diese zu realisieren und Entscheidungsfindungen in Bauprozessen zu beschleunigen, entwickelt Fraunhofer Italia Innovation Engineering Center, selbstständige Auslandsgesellschaft von Fraunhofer, Software-Systeme und Schnittstellen rund um das Building Information Modeling (BIM). Mit BIM haben alle Beteiligten – vom Planer über den Bauherren bis hin zu den Handwerkern und dem Facility Management – während des gesamten Lebenszyklus eines Bauwerks Zugriff auf ein digitales Gebäudedatenmodell. »Unser Anliegen ist es zum einen, BIM in Südtirol zu etablieren und in die Anwendung zu überführen. Zum anderen wollen wir die digitale Planung auf die Baustelle bringen und eine Brücke zwischen Bauwesen und Robotik schlagen«, sagt Michael Terzer, wissenschaftlicher Mitarbeiter des Forschungsteams Automation and Mechatronics Engineering am Bozner Center. Im Projekt ROSBIM entwickelt der Forscher gemeinsam mit seinen Kolleginnen und Kollegen des Forschungsteams Process Engineering in Construction eine Software-Schnittstelle, die BIM mit dem Robot Operating System ROS verbindet. Diese modulare Open Source-Plattform ist auf einem Mini-PC installiert, der sich auf dem mobilen Roboter befindet. Da das Entwicklungstool plattformunabhängig ist, lassen sich unterschiedlichste Roboter damit ausrüsten. ROS unterstützt verschiedene Programmiersprachen.

Die Baustelle lebt

Die Schnittstelle nutzt das Dateiformat IFC der BIM-Modelle. Über diese werden digitale, objektorientierte Informationen an den Roboter übertragen. »Eine Baustelle lebt, sie verändert sich fortlaufend. Zeitabhängige Daten wie etwa Angaben zu Hindernissen, die der Roboter mithilfe seiner Sensoren nicht erkennen kann, erhält er über die Schnittstelle ROSBIM. Über das Interface wird er beispielsweise informiert, dass ein Kabel- oder Aufzugschacht auf der Baustelle an einem bestimmten Tag geöffnet ist und daher umfahren werden muss. Der Roboter kann seine Hinderniskarte über das Robot Operating System also fortlaufend erweitern«, erläutert Terzer. Sämtliche Daten werden in der BIM-Datenbank gesammelt und ständig aktualisiert. Die digitalen, objektorientierten Informationen betreffen von der Planung über die Bauausführung bis hin zum Betrieb eines Gebäudes oder eines Infrastrukturbaus alle Etappen des Bauprozesses.

»Die Digitalisierung bietet der Bauindustrie ganz neue Möglichkeiten, integrativ arbeiten zu können. BIM ist ein zentrales Element der Digitalisierung im Bausektor. Die Kombination dieser innovativen Arbeitsmethode mit Robotik ist eine von vielen Möglichkeiten, die die Digitalisierung der Bauindustrie bietet. Wir am Fraunhofer Italia IEC haben eine Schnittstelle implementiert, die BIM mit dem kommerziell erhältlichen Forschungs-Roboter verbindet, sodass er die BIM-Daten nutzen kann«, sagt Carmen Marcher, Teamleiterin des Forschungsteams Process Engineering in Construction. Ziel der Forscherteams ist es, bereits digital vorliegende Gebäudedaten auf der Baustelle optimal zu nutzen. In diesem konkreten Fall besteht der Hauptnutzen darin, den Transport von schweren Lasten wie Baumaterial und Werkzeugen mit dem mobilen Roboter in einer sich ständig ändernden Umgebung zu ermöglichen und somit die physische Arbeit auf der Baustelle zu erleichtern.

Assistent bei Logistikprozessen

Die für raue Umgebungen konzipierte mobile Roboterplattform ist mit einer Steuerungselektronik sowie mit Beschleunigungs-, Laser- und Neigungssensoren ausgestattet, die ihr helfen, im unwegsamen Gelände zu navigieren. Derzeit rollt der Roboter noch über das Institutsgelände im Bozner NOI Techpark. Er übernimmt quasi die Rolle eines Assistenten bei Logistikprozessen auf der Baustelle und folgt dem Menschen, indem der Bauarbeiter eine implementierte Follow-me-Funktion aktiviert. Dennoch ist der mobile Roboter in der Lage, autonom zu fahren, wie die Forscherinnen und Forscher in ersten Indoor-Tests demonstrieren konnten. »Der Roboter kann mit Hilfe seiner digitalen Gedächtniskarte eigenständig beispielsweise Lasten von A nach B bringen. Die autonome Fortbewegung in unstrukturierten Umgebungen ist jedoch komplex, hier sind noch weitere Entwicklungsschritte erforderlich«, so Terzer. Dank der Informationen, die die Roboterplattform durch die BIM-Daten erhält, können die Navigationsfähigkeiten verbessert und die sensorische Wahrnehmung des Roboters ergänzt werden. Denkbar ist der Einsatz des mobilen Roboters auch in anderen Anwendungsfeldern – etwa in der Landwirtschaft.

Digitalisierung als Schlüssel zu mehr Effizienz

Digitale Transformation und Automatisierung sind das Kerngebiet von Fraunhofer Italia Innovation Engineering Center in Bozen. Geforscht und entwickelt wird in drei Geschäftsfeldern: der Digitalisierung im Bauwesen, der flexiblen Automatisierung in Industrie, Handwerk und Landwirtschaft und der Entwicklung digitaler Geschäftsmodelle.

Externer Link: www.fraunhofer.de

Mit Mathematik Menschen retten

Medienmitteilung der ETH Zürich vom 26.05.2020

Forschende der ETH Zürich und des MIT haben eine Berechnungsmethode entwickelt, um die Suche bei der Seenotrettung zu beschleunigen. Mit dem neuen Algorithmus lässt sich voraussagen, wohin Objekte oder Menschen an der Meeresoberfläche getrieben werden.

Jedes Jahr ertrinken bei Schiffsunfällen oder Flugzeugabstürzen hunderte Menschen auf dem offenen Meer. Seenotrettern bleibt nur wenig Zeit, Menschen zu bergen, die auf dem Wasser treiben, denn die Wahrscheinlichkeit, eine Person lebend zu finden, sinkt nach sechs Stunden signifikant. Neben den Gezeiten und wechselhaften Wetterbedingungen erschweren instabile Küstenströmungen die Rettungsaktionen.

Ein internationales Team von Forschenden unter der Leitung von George Haller, Professor für nichtlineare Dynamik an der ETH Zürich, hat die heute angewendeten Suchstrategien mit neuen Erkenntnissen zu solchen instabilen Strömungen erweitert. Mittels Werkzeugen aus den dynamischen Systemtheorien sowie Daten der Küstenwache hat das Team einen Algorithmus entwickelt, der voraussagen kann, wohin Menschen und Objekte an der Meeresoberfläche getrieben werden. «Wir hoffen, dass unsere Arbeit hilft, mehr Menschenleben zu retten», sagt Mattia Serra, ehemaliger Postdoktorand an der ETH Zürich und nun Postdoc-Stipendiat in Harvard sowie Erstautor der kürzlich in der Fachzeitschrift Nature Communications publizierten Studie.

Algorithmus führt zu den Vermissten

Bei heutigen Seenotrettungseinsätzen wird anhand von aufwändigen Modellen der Meeresdynamik und des Wetterberichts der Weg, den ein treibendes Objekt zurücklegt, vorausgesagt. Jedoch sind diese Vorhersagen in sich schnell verändernden Küstengewässern aufgrund unsicherer Parameter und fehlender Daten oft ungenau. Dies kann zur Folge haben, dass eine Suche am falschen Ort gestartet wird und dadurch viel Zeit verloren geht.

Durch mathematische Berechnungen haben die Forschenden entdeckt, dass sich Objekte, die an der Meeresoberfläche treiben, an bestimmten kurvenähnlichen Linien sammeln. Diese sogenannten TRansient Attracting Profiles (TRAPs), also Profile mit vorübergehender Anziehung, sind von blossem Auge nicht erkennbar, können aber mit dem neuen Algorithmus des ETH-Teams aus den Strömungsdaten der Meeresoberfläche ermittelt werden. Sie ermöglichen eine schnelle und präzise Planung der Routen für Rettungseinsätze, die weniger empfindlich auf unsichere Angaben zum Unfallzeitpunkt und –ort reagieren.

Ein neues Werkzeug für die Seenotrettung

In zwei getrennten Experimenten in der Nähe von Martha’s Vineyard vor der amerikanischen Nordostküste testeten die Forschenden in Zusammenarbeit mit einem Team des Maschinenbaudepartements des MIT, einer Gruppe des Woods Hole Oceanographic Institution und der amerikanischen Küstenwache den neuen Suchalgorithmus. Sie verwendeten dieselben Echtzeitdaten wie die amerikanische Küstenwache und beobachteten, wie sich die ausgesetzten Bojen und Testpuppen entlang der berechneten Kurven sammelten. «Wir testeten mehrere Ansätze und dies war der einzige, der vor Ort durchgehend funktionierte», betont Haller.

«Unsere Ergebnisse sind leicht interpretierbar, schnell verfügbar und günstig umzusetzen», sagt Serra. Zudem könnten mit der Methode auch grössere auf der Meeresoberfläche treibende Objekte berechnet werden, wie beispielsweise die Ausbreitung eines Ölteppichs. In einem nächsten Schritt soll die Methode in weiteren Meeresregionen getestet werden. «Wir hoffen, dass diese Methode zu einem Standardwerkzeug der Küstenwache wird», sagt Haller.

Literaturhinweis:
Serra M, Sathe P, Rypina I, Kirincich A, Ross SD, Lermusiaux P, Allen A, Peacock T, Haller G: Search and rescue at sea aided by hidden flow structures, Nature Communications, 26 May 2020, doi: 10.1038/s41467-020-16281-x

Externer Link: www.ethz.ch

Digitalisierung im Handwerk: Start-up verbessert Gerätemanagement in kleinen Betrieben

Pressemitteilung der Universität des Saarlandes vom 14.05.2020

Maschinen kostensparend einzusetzen und ihre Auslastung zu kontrollieren, ist für kleine Handwerksbetriebe schwierig. Herkömmliche Softwaresysteme, die Maschinendaten digital auswerten, sind oft teuer und setzen zu viele Informatik-Kenntnisse voraus. Ein Start-up an der Universität des Saarlandes hat daher ein System entwickelt, das nur über den Stromverbrauch der Maschinen analysiert, wie intensiv einzelne Geräte genutzt werden.

Das Herzstück des von dem Saarbrücker Startup entwickelten Systems ist ein spezieller Stecker, der zwischen dem Stromkabel des überwachten Gerätes und der herkömmlichen Steckdose sitzt. Die über den Stromverbrauch erfassten Daten funkt das Gerät per drahtlosem, lokalem Netzwerk an die von den Gründern entwickelte, modular anpassbare Online-Plattform. Über diese kann ein Kunde die aufbereiteten Daten zu der jeweiligen Maschine einsehen und auswerten. „Es ist faszinierend, was die Daten alles aussagen. Doch dazu muss man sie erstmal haben. Dieses wichtige Puzzlestück liefern wir“, sagt Tim Vollmer, der gemeinsam mit Friedemann Metzger die Firma 2log gegründet hat. Mit der angebotenen Hardware und Software könne man jedes Gerät mit Stromanschluss innerhalb von wenigen Sekunden digital erfassen und analysieren.

Zur angebotenen Hardware gehört auch ein von den Gründern entwickeltes Lesegerät, das für den German Design Award 2020 nominiert wurde und als schwarze Scheibe einem Puck im Eishockey ähnelt. Nutzer können dort eine Kunststoffkarte auflegen, um den Zugang zur jeweiligen Maschine zu erhalten. Sind sie berechtigt, leuchtet ein Kreis aus Leuchtdioden blau auf und das Gerät ist betriebsbereit. Fehlt die Berechtigung, strahlt das Lesegerät rot. „Wir können damit nicht nur die Verwaltung von Zugangsberechtigungen automatisieren, sondern auch die komplette Prozesskette digital abbilden“, erklärt Vollmer und fügt hinzu, dass aus Datenschutzgründen nur die fünf letzten Transaktionen an der jeweiligen Maschine gespeichert werden.

Unterstützt von der IT Inkubator GmbH und der Kontaktstelle für Wissens- und Technologietransfer an der Universität des Saarlandes, spricht das Start-up nun gezielt Universitäten, Lehrwerkstätten und die Makerspace-Szene an. Seit Februar wird das vierköpfige Team dabei auch über das EXIST-Gründerstipendium des Bundesministeriums für Wirtschaft und Energie gefördert. Auf diese Weise hat 2log bereits mehrere Kunden gewonnen, darunter die Architekturwerkstatt der Technischen Universität Kaiserslautern. Mit Hilfe von 2log ist diese nun wieder 24 Stunden geöffnet. „Generell sind für uns alle Branchen interessant, in denen Zugangskontrolle, Protokollierung, Abrechnung von Maschinenzeiten und Wartungsoptimierung eine Rolle spielen“, so Vollmer.

Externer Link: www.uni-saarland.de

Optimierung von Leiterplatten durch KI

Presseinformation (Forschung Kompakt) der Fraunhofer-Gesellschaft vom 04.05.2020

Die elektronische Revolution der Lebens- und Arbeitswelten wäre ohne sie kaum möglich: Leiterplatten bilden die Basis, auf der kleinste Bauteile miteinander interagieren. Da die Anwendungen immer zahlreicher und komplexer werden, nehmen die Anforderungen an Design und Qualitätssicherung zu – so müssen etwa Interferenzen ausgeschlossen und eine elektromagnetische Verträglichkeit gewährleistet werden. Das Fraunhofer-Institut für Angewandte Informationstechnik FIT kann durch modulare KI-Plattformen Leiterplatten optimal designen und überprüfen – und damit den Aufwand um bis zu 20 Prozent reduzieren.

Leiterbahnen werden so eng und geschickt wie möglich für eine Anwendung geplant, ohne dadurch einen Ausfall zu riskieren. Basis dafür ist bisher das Erfahrungswissen der beteiligten Ingenieure, deren Designs in Versuchen getestet werden müssen. Die Ergeb­nisse daraus werden zudem nicht stringent dokumentiert, so dass fehleranfällige Designs auch mehrmals Tests durchlaufen. Dieser aufwändige Prozess führt zu hohen Kosten.

Bisher hoher Aufwand in der Qualitätskontrolle

Die fertig entwickelten Designs stellen danach hohe Anforderungen an die Produktion. Daher wird jede einzelne Leiterplatte überprüft, zumeist über eine Automatische Optische Inspektion (AOI). Dabei wird über eine Bildanalyse verglichen, ob die Platine so wie geplant produziert wurde, und so technische Fehlstellen detek­tiert. Dieses Verfahren erzeugt momentan allerdings eine hohe True-negativ-Rate, d.h., viele funktionierende Platinen werden als fehlerhaft klassifiziert.

Diese müssen dann alle per Hand kontrolliert werden. Dies geschieht sowohl vi­suell, als auch messtechnisch. Die Überprüfung verursacht wiederum hohe Kosten, denn bei einer zu hohen True-negativ-Rate werden fehlerfrei Bauteile aussortiert. Bei einer zu klei­nen Rate sind die Folgekosten durch den Einsatz von Fehlteilen hoch. Eine optimierte True-negativ-Rate durch menschliche Kontrolle ist schwierig, da auch menschliche Schwächen einfließen.

Selbstlernend zum optimalen Auswahlprozess

Wie ein zukünftiger Überprüfungsprozess aussehen kann, zeigt die Entwicklung des Fraunhofer FIT. Eine Kamera macht wie bei einer herkömmlichen AOI Aufnahmen von ge­druckten Leiterplatten. Daraus wird die Entscheidungsqualität von Algorithmen optimiert. Entscheidend ist dabei die Eingabe qualitativ-hochwertiger Trainingsdaten. Dafür füttern zunächst Experten die Module für Ma­chine Learning und Deep Learning mit einer guten Datenauswahl.

»Diese modulare Bauweise ermöglicht, aneinander gekoppelte Algorithmen einzusetzen, die sich selbst verbessern. Durch laufende automatisierte Kontrollen der Bauteile fließen Daten zurück in den Algorithmus und sind Grundlage für einen Selbstlernpro­zess im Modul Künstliche Intelligenz«, so Timo Brune, Projektleiter beim Fraunhofer FIT. »Dieses permanente Feedbacksystem verbessert die Datengrundlage und optimiert die True-negativ-Rate. Dadurch können nach ersten Schätzungen aus der Industrie rund 20 Prozent an Produktionsressourcen eingespart werden.«

Das Training der Module kann der Anwender selbst mit seinen Prozess- und Produktionsdaten übernehmen. Das Unternehmen bleibt so immer im Besitz seiner Daten, die nicht etwa an ex­terne Server geschickt werden müssen. Der »Baukasten« aus Algorith­men kann in be­liebiger Kombination auf spezifische Probleme angewandt werden.

Intelligente Entwicklung neuer Bauteile

Die trainierten Algorithmen lassen sich dann auch bereits beim Design neuer Leiterplatten einsetzen. Die Anordnung von Bauteilen auf der Leiterplatte muss dann nicht mehr im Trial-and-Error-Verfahren kosten- und zeitintensiv erfolgen. Der Algorithmus hilft, aus der Vielzahl möglicher Varianten die mit optimaler Funktionalität vorherzusagen.

Der Ansatz des Fraunhofer FIT, modulare, sich selbst verbessernde Algorithmus-Plattfor­men für Design und Qualitätskontrolle von Leiterplatten einzusetzen, ist auch für viele weitere elektrische Systeme vorteil­haft. Auch dort wer­den Prozesse so optimiert, dass Zeit- und Produktionskosten in sig­nifikanter Weise ein­gespart werden können.

Externer Link: www.fraunhofer.de