Anzeige • Fotos: Alexander Supertramp@shutterstock.com (1), Panchenko Vladimir@shutterstock.com (2)
2
2021 AUTOMATION-GUIDE 41
MIT EINER ALGORITHMISCHEN KETTE
WEITERE AUFGABEN LÖSEN
In der klassischen Bildverarbeitung, die auf
dem manuellen Antrainieren des Modells
beruht, gibt es zahlreiche verfügbare und
zuverlässige Algorithmen, die sich als effizient
und transparent erwiesen haben. Der
Anwender erhält also eine Erklärung, wie
das Ergebnis zustande kommt. Der Nachteil
bei einer solchen Vorgehensweise liegt
da rin, dass das eher unflexible Verfahren auf
spezifische Aufgaben zugeschnitten werden
muss. Unter Umständen ist jede Prüfaufgabe
aufwendig zu modellieren, sodass sich
bestimmte Objekte klassifizieren lassen. Die
auf Deep Learning basierenden Verfahren
ermöglichen inzwischen eine hohe Qualität
der Objekterkennung. Gegenüber dem klassischen
Verfahren können somit eine größere
Genauigkeit und Fehlertoleranz sichergestellt
werden. Ein weiterer Vorteil ergibt sich
daraus, dass dieselbe algorithmische Kette
zur Lösung anderer Probleme verwendet
werden kann. Ein weiteres Netz ist folglich
in der Lage, ein anderes Objekt zu klassifizieren.
Neuronale Netze lassen sich also
nachtrainieren. Allerdings ist zur Ausführung
eines solchen Verfahrens eine enorme
Rechenleistung notwendig.
Während künstliche Intelligenz schon lange
Einzug in den Consumer-Bereich gehalten
hat, kommen jetzt auch reale Anwendungen
im industriellen Umfeld zum Einsatz. Mitarbeiter
nutzen täglich über ihr Smartphone
Sprach- und Bilderkennungen, Bürogebäude
sind voll autonom und reagieren auf jegliche
Außeneinflüsse, etwa Hitze, Kälte,
Lichteinstrahlung oder Wind. Diese und
weitaus komplexere Teilbereiche der KI werden
verwendet, damit sich Prozesse laufend
optimieren und die Effizienz von Maschinen
und Anlagen entsprechend steigert.