Computer Vision entwickelt sich derzeit zum ersten großen Einsatzszenario für Künstliche Intelligenz (AI – Artificial Intelligence) in der Produktion. Der IT-Spezialist Robotron hat gemeinsam mit Kontron eine Plattform geschaffen, mit der sich AI zum Beispiel in der Qualitätskontrolle deutlich einfacher skalieren lässt.
In der Praxis erweist sich vor allem immer wieder das mangelnde AI-Know-how als Flaschenhals. Das Dresdner Unternehmen setzt mit der Robotron Realtime Computer Vision Platform (RCV) deshalb darauf, die Sprache der Fertigungsleiter und Produktionsingenieure zu sprechen. Das Ziel: Leicht nutzbare, pragmatische Lösungen, mit der auch Ingenieure ohne Programmiererfahrung in der Lage sind, ihre Prüfprobleme durch Computer Vision in Echtzeit zu lösen. Dazu zählen ganz unterschiedliche Use Cases auf Basis von Bildverarbeitung: Defekterkennung in Oberflächen, Vollständigkeitsprüfungen bei Bauteilen, Sortier- und Zählaufgaben oder der „Griff in die Kiste“ für Robotergreifarme.
Dabei setzt Robotron auf die AI-Methode des Reinforcement Learning. „Die Strategie, antrainierte und nachtrainierte Netze zu nutzen, bringt viele Vorteile. Das gilt zum Beispiel, wenn man einem neuronalen Netz schnell neue Fehlertypen beibringen möchte oder andere Farben eines Produkts oder Teils. Das ist in der Praxis wichtig, um AI-Lösungen schnell an neue Kontexte zu adaptieren“, erläutert Dr. Deepa Kasinathan, Product Owner und Gruppenleiterin Realtime Computer Vision bei Robotron.
Die Hürde der passenden Hardware-Auswahl für AI nehmen
Gerade weil nicht immer von vornherein klar ist, welches neuronale Netzwerk sich am besten für den jeweiligen Zweck eignet, unterstützt die Plattform die Domain-Spezialisten dabei, die beste Lösung zu finden. Die offen konzipierten Schnittstellen ermöglichen nicht nur die Nutzung eines Frameworks oder neuronalen Netzes, sondern sehr viele unterschiedliche Alternativen, darunter PyTorch, TensorFlow, ONNX, Keras oder Microsoft CNTK.
Doch es gibt noch eine zweite große Challenge: Legt ein Unternehmen auf eigene Faust mit AI-Szenarien los, dann muss es zunächst die besonders aufwendige Hürde der Hardware-Auswahl stemmen. Dabei ist zum einen die Trainingsebene abzudecken, auf der die Bilddaten – meist in der Cloud – aufgebaut werden. Der Algorithmus selbst hingegen soll möglichst vor Ort nah am Prozess auf hochperformanter Edge-Hardware laufen. Oft fließen mehrere Monate eines Projekts in Auswahl und Beschaffung. Um diesen Weg dauerhaft abzukürzen, entwickelte man gemeinsam einen übergreifenden Hardware-Stack, der bis zu 90 Prozent aller AI-Szenarien abdeckt.
Hochperformante No-Code AI-Workstation mit vorinstalliertem Software Bundle
Hardware-Kern des gemeinsamen Standardprodukts ist die AI-Workstation KWS 3000-CML, auf der die RCV-Software läuft. Sie ist für Anwendungen optimiert, die eine hohe Performance bei Rechenleistung und Grafik erfordern, zugleich aber höchste Zuverlässigkeit, Langzeitverfügbarkeit und Flexibilität mitbringen müssen. Ausgestattet mit leistungsstarken Intel-Core-Prozessoren mit bis zu zehn Cores und der Grafikkarte NVIDIA RTX 5000, bringt die AI-Workstation eine effiziente thermische Kühlung für den 24/7-Dauerbetrieb bei bis zu 45 Grad Celsius mit. Damit lässt sich in Millisekunden eine Bewertung eines erfassten Bildes treffen.
Flexible AI unter Echtzeitbedingungen
Eine besondere Herausforderung ist die Anwendung der AI-Algorithmen in Realtime. Dass die AI-Plattform echte Härtetests besteht, zeigt der Einsatz beim Robotron-Kunden BMW – unter anderem direkt in der getakteten Presse. Beim Anlaufprozess für die IX-Elektromotoren erledigte die RCV-Lösung dort sechs Prüfungen parallel in einer Sekunde im produktiven Rollout. Zum Teil kamen dreimal pro Woche neue algorithmische Modelle zum Einsatz. „Das hätte in normalen Szenarien den Rahmen von Programmierkapazitäten gesprengt“, erinnert sich Deepa Kasinathan.
Die einfache Nutzung und Skalierung einer ansonsten hochkomplexen Technologie ist vor allem durch den No-Code-Ansatz möglich, für den keine Programmierkenntnisse nötig sind. Nicht nur Data Scientists, sondern auch Produktionsingenieure und Maschinenbediener, die sich oft am besten mit den konkreten Details auskennen, können neue Szenarien umsetzen. Damit die Experten auf dem Shopfloor mit der Anwendung klarkommen, hat man bei Robotron viel Energie in Lernvideos gesteckt, die auf YouTube verfügbar sind. Die Computer-Vision-Experten aus Dresden sind überzeugt: „Democratizing AI“ als Trend bedeutet nicht zuletzt, dass der Flaschenhals beseitigt wird, der durch den Fachkräfte-Engpass im Data-Science-Umfeld entsteht.
Lesen Sie die vollständige Case Study unter: https://www.kontron.com/download/download?filename=/downloads/application-stories/u/kontron_uc_robotron_de_final.pdf
Bildunterschrift: Die multi-purpose AI-Workstation ermöglicht das Trainieren, Ausführen und Inferenz der Algorithmen für ein breites Spektrum von Modellen und Frameworks.
{{comment.comment}}