Knowledge Transfer Group “Artificial Intelligence”

Der Referent des Juli-Treffens war Noah Klarmann von der TH Rosenheim, der über "AI in Industry: Chancen, Risiken und Herausforderungen" sprach. 
 
Es ging um einen Vortrag über "AI für industrielle Anwendungen", der das Verständnis für AI und ihr Potenzial im industriellen Sektor und darüber hinaus verbessern soll. Die Diskussion begann mit einer umfassenden Einführung in die AI, einschließlich der spezifischen Herausforderungen, denen kleine und mittlere Unternehmen (KMU) bei der Implementierung und Übernahme von AI-Modellen begegnen. Ein wichtiger Teil des Vortrags befasste sich mit den verschiedenen Paradigmen der KI, wobei der Schwerpunkt auf dem maschinellen Lernen liegt. Die Sitzung schloß mit einer Untersuchung der potenziellen Risiken und Herausforderungen, denen sich Unternehmen bei der Einführung - oder Nicht-Einführung - von AI-Methoden gegenübersehen könnten.
 
Noah Klarmann ist seit 2021 Forschungsprofessor für Künstliche Intelligenz an der Technischen Hochschule Rosenheim. Zu seinen Lehr- und Forschungsgebieten gehören Themen wie der Einsatz von Künstlicher Intelligenz für technische Systeme und digitale Ethik.

Physikalische Inspektion von Mikroelektronik kann Daten in Wert für Besitzer von geistigem Eigentum verwandeln. Neben dem Benchmarking von Wettbewerbern ermöglicht der Inspektionsprozess eine erhöhte Sicherheit der Lieferkette durch die physische Überprüfung der Hardware. In diesem Vortrag werden drei Anwendungsfälle vorgestellt, in denen fortschrittliche Computer-Vision-Methoden für die physische Inspektion von Halbleiterbauteilen eingesetzt werden. Erstens wird eine Anwendung zur automatischen Erkennung und Klassifizierung von ESD-Schutzdioden von Wettbewerbern in PCB-Bildern vorgestellt. Zweitens wird ein Ansatz für die semantische Segmentierung von mikroskopischen Querschnittsbildern integrierter Schaltungen vorgeschlagen. Schließlich tauchen wir tief in das aktuelle Forschungsthema des Referenten ein: Die Wiederherstellung des physikalischen Layouts von hochintegrierten Schaltungen. Die verwendeten Computer-Vision-Methoden, von der Schwellenwertbildung bis hin zu Vision-Transformatoren, werden vorgestellt und in Bezug auf ihre Vorteile erläutert. Darüber hinaus werden die wichtigsten Herausforderungen und die Bedeutung von Deep Learning bei der Hardware-Inspektion diskutiert.
 
Über die Referentin: 

 Ann-Christin Bette ist seit Januar 2020 als Research Scientist for Advanced Vision Methodologies in IC Analysis bei der Infineon Technologies AG in München tätig und erforscht Methoden zur Erhaltung des IC-Layout-Recovery-Prozesses in fortschrittlichen Technologien. Derzeit absolviert sie ein externes Promotionsprogramm an der TUM School of Computation, Information and Technology am Lehrstuhl für Robotik, Künstliche Intelligenz und Eingebettete Systeme unter der Leitung von Prof. Dr.-Ing. Alois C. Knoll an der Technischen Universität München.
Mit ihrem Ausbildungshintergrund in Informatik, Mathematik und Physik, gepaart mit Forschungs- und Industrieerfahrung, möchte sie dazu beitragen, wertschöpfende Anwendungen von KI-Methoden in der Industrie zu etablieren.

In der verarbeitenden Industrie werden Fertigwaren effizient und in großem Umfang produziert. Um Qualitätskontrolle zu gewährleisten und Engpässen vorzubeugen, besteht ein großes Interesse an der Forschung und Entwicklung der Erkennung von Anomalien. Jüngste Fortschritte in der künstlichen Intelligenz zur Fehler-Lokalisierung haben zu präzisen und genauen Vorhersagen geführt. Die Herausforderung bleibt jedoch Datensätze mit ausgewogenen Merkmalen und möglichen Fehlern, die in der Produktionslinie auftreten zu bekommen. In diesem Projekt geht es um die Implementierung eines Autoencoders zur Fehlerlokalisierung durch die Auswahl von Klassen in einer unüberwachten Art und Weise, um die Klassenbalance zu erhalten. Die ausgewählten Klassen werden dann mit künstlichen Defekten überlagert. Erste Tests sind vielversprechend mit guter Generalisierung. Die zukünftigen Arbeiten zielen darauf ab, das Verfahren in einem Prototypsystem zu implementieren.

Über den Sprecher

Devang kommt aus Indien und macht seinen Master in Ingenieurwissenschaften an der Technischen Hochschule Rosenheim. Dieses Treffen ist die Verteidigung seiner Masterarbeit.

Neben kurzen Lieferzeiten verlangen viele Kunden die Möglichkeit, die Produkte an ihre Bedürfnisse anzupassen.
Um die dafür notwendigen, flexiblen Produktionsprozesse zu ermöglichen, setzt die Industrie zunehmend auf den Einsatz von fahrerlosen Transportsystemen (DTS). In dem Projekt soll ein Flottenmanagementsystem entwickelt werden, das es SMEs erstmals ermöglicht, ihre speziellen Anforderungen eigenständig integrieren zu können.

Über den Referenten

Der Referent ist Deepak Vivekanaandan, von der TH Rosenheim, ein begeisterter Ingenieur mit Master- und Bachelorabschluss in Mechatronik und Automation.

FAST AI Movies bietet eine KI-basierte SaaS-Lösung, die aus Texteingaben schnell interaktive Schulungsvideos für mittelständische Unternehmen, z.B. für die Produktkommunikation herstellt. Der Gründer und CEO von Fast AI Movies geht ein auf die technische Seite der generativen Transformer-Modelle, die in dem Start-up zum Einsatz kommen, und bringt auch die Diskussion über ChatGPT mit ein, er zeigt die Schwächen der Technologie und ihre Auswirkungen auf die Gesellschaft auf.

Über den Referenten

Florian Scherl ist der Gründer und CEO von Fast AI Movies und hat zahlreiche Startup-Wettbewerbe gewonnen, wie zum Beispiel den Startup Teens Award.

Randomisierung ist ein weit verbreiteter Ansatz im Sim2Real-Transfer für datengesteuerte Lernalgorithmen in der Robotik. Dennoch ist es schwierig, verschiedene Randomisierungsansätze systematisch zu bewerten. Ein Professor der Technischen Universität München erläuterte die Studie in der ein einfach zu reproduzierender Versuchsaufbau für eine robotische Greif- und Balancieraufgabe definiert wurde, der als Vergleichsmaßstab dienen kann.

Über den Referenten

Josip Josifovski ist Mitglied des Lehrstuhls für Künstliche Intelligenz, Robotik und Echtzeit Systeme der TUM. Er arbeitet an Simulationsumgebungen und Lernalgorithmen, die Robotern helfen, industriebezogene Aufgaben auszuführen, im Rahmen des Forschungsprojekts Artificial Intelligence for Digitizing Industry (AI4DI).

Databricks ist eine Cloud-basierte Plattform für Data Engineering, Data Science und maschinelles Lernen und bietet eine Reihe von Tools und Diensten, einschließlich Datenintegration und Lernfunktionen. Ein Experte für diese Technologie zeigte, wie die Arbeit mit Data Bricks und seinen Möglichkeiten aussehen kann.

Über den Referenten

Bernardo Cambruzzi ist ein brasilianischer Ingenieur, der zum Zeitpunkt des Treffens der Lead Dateningenieur von Bix Tecnlogia in Brasilien war. Er ist ein Spezialist für Data Bricks und hat ein Unternehmen gegründet, das dieses Thema lehrt.

Das Treffen beleuchtete die verschiedenen Herausforderungen, die im Bereich der eingebetteten künstlichen Intelligenz (AI) und Tiny Machine Learning (TinyML) auftreten. Eingebettete KI und TinyML stellen aufgrund der begrenzten Rechenressourcen und Energiebeschränkungen besondere Herausforderungen dar. Die Überwindung dieser Hindernisse erfordert die Entwicklung effizienter Algorithmen und Modelle die effektiv auf ressourcenbeschränkten Geräten arbeiten können. Ziel des Treffens war das Verständnis für die Hindernisse beim Einsatz von KI auf kleinen Geräten zu vertiefen und Gespräche über mögliche Lösungen und Strategien zur effektiven Überwindung dieser Herausforderungen zu führen.

DH Electronics ist für sein Fachwissen in der Elektronikindustrie bekannt und hat sich auf die Entwicklung und Herstellung innovativer elektronischer Komponenten und Systeme spezialisiert. Das Unternehmen hat einen Ruf erworben, hochwertige Produkte und Lösungen für verschiedene Sektoren zu liefern, darunter Automobilindustrie, Industrieautomation und Unterhaltungselektronik.

Das Treffen bot einen aufschlussreichen Überblick über das innovative Startup Fast AI Movies mit Sitz in Bayern, Deutschland. Die Teilnehmer erhielten wertvolle Einblicke in die Mission des Unternehmens, die Filmindustrie durch den Einsatz von künstlicher Intelligenz (KI) zu revolutionieren. Fast AI Movies hat sich auf die Entwicklung von KI-gestützten Lösungen spezialisiert, die verschiedene Aspekte der Filmproduktion rationalisieren, vom Drehbuchschreiben bis hin zu Postproduktionsaufgaben wie Videoschnitt und visuelle Effekte. Durch den Einsatz modernster maschineller Lernalgorithmen zielt das Startup darauf ab, die Effizienz zu steigern, Kosten zu senken und neue kreative Möglichkeiten für Filmemacher zu erschließen.

Die von der Technischen Hochschule Rosenheim ausgerichtete Tagung bot wertvolle Einblicke in die praktische Umsetzung von Datenanalysetechniken. Der Schwerpunkt lag auf der Vorstellung von konkreten Produkten, die bei den Landesforsten RLP und dem Landesbetrieb Wald und Holz NRW Organisationen eingesetzt werden. Die Teilnehmer gewannen ein tieferes Verständnis für die praktische Anwendung von Datenanalyse in der Forstwirtschaft und erfuhren, wie diese Organisationen datengesteuerte Erkenntnisse nutzen, um die Waldbewirtschaftung zu optimieren, die Umweltauswirkungen zu überwachen und fundierte Entscheidungen zu treffen.

Das Treffen mit dem Referenten von Brückner Maschinenbau konzentrierte sich auf das wichtige Thema der genauen Vorhersage der Folientemperatur während der Folienproduktion in einem industriellen Ofen. Die Teilnehmer untersuchten innovative Techniken und Methoden zur Modellierung und Vorhersage der Temperatur der Folie während der Wärmebehandlung im Ofen. Dieses Wissen ist wichtig für die Gewährleistung einer optimalen Folienqualität, Leistung und Konsistenz in der industriellen Produktion.

Brückner Maschinenbau ist ein renommiertes Unternehmen im Bereich der Industriemaschinen, insbesondere in der Folien- und Verpackungsindustrie. Mit einer weitreichenden Geschichte, die mehrere Jahrzehnte umfasst, hat sich Brückner Maschinenbau als ein weltweit führender Anbieter von hochmodernen Lösungen für die Folienproduktion, einschließlich Hochleistungsöfen und Produktionslinien etabliert. Die Expertise des Unternehmens liegt in der Entwicklung und Herstellung fortschrittlicher Maschinen, die eine effiziente und präzise Folienverarbeitung ermöglichen.

Die von der Technischen Hochschule Rosenheim ausgerichtete Tagung befasste sich mit den grundlegenden Konzepten und Intuitionen des Reinforcement Learning (RL). Die Teilnehmer erhielten Einblicke in die wichtigsten Prinzipien und Algorithmen, die die Grundlage von RL, einem Teilgebiet der künstlichen Intelligenz darstellen. RL konzentriert sich darauf, Agenten zu lehren, optimale Entscheidungen in dynamischen Umgebungen zu treffen. Nach dem Vorbild des menschlichen und tierischen Lernens interagiert bei RL ein Agent mit der Umgebung, um die Belohnungen zu maximieren. Durch Versuch und Irrtum lernt der Agent, welche Aktionen zu positiven Ergebnissen führen. RL-Algorithmen nutzen Techniken wie Wertfunktionen, Richtlinien und Explorations- und Ausbeutungsstrategien, um die Entscheidungsfindung zu verbessern. RL hat praktische Anwendungen in der Robotik, bei Spielen, autonomen Systemen und Empfehlungssystemen.

Die Tagung konzentrierte sich auf die Verwendung von Faltungs-Autokodierern, einer Art von Deep Learning Modell, um Anomalien in verschiedenen Datentypen zu erkennen. Durch die Nutzung von gefalteten neuronalen Netzen können diese Modelle effektiv Darstellungen normaler Muster lernen und Abweichungen erkennen, die auf Anomalien hinweisen können. 

DH Electronics, ein führendes Unternehmen in der Elektronikindustrie, war Referent bei diesem Treffen, um den Wissensaustausch zu fördern und innovative Ansätze zur Erkennung von Anomalien unter Verwendung fortschrittlicher neuronaler Netzarchitekturen zu nutzen.

Dieses Treffen wurde von der TH Rosenheim ausgerichtet und die Diskussion drehte sich um Künstliche Intelligenz (AI) in der Produktionsplanung, die die Anwendung fortschrittlicher Algorithmen und Techniken zur Optimierung und Automatisierung der Planungsprozesse in Fertigungs- und Produktionsumgebungen beinhaltet. Durch die Nutzung von KI können Produktionsplanungssysteme komplexe Daten wie Auftragsinformationen, Maschinenfähigkeiten und Ressourcenverfügbarkeit analysieren, um effiziente und optimale Pläne zu erstellen. Diese KI-gestützten Systeme können dynamische und Echtzeit-Änderungen bewältigen, mehrere Randbedingungen berücksichtigen und intelligente Entscheidungen treffen, um den Produktionsdurchsatz zu optimieren, Ausfallzeiten zu minimieren, Kosten zu senken und die betriebliche Effizienz insgesamt zu verbessern. Die Implementierung von KI in der Produktionsplanung ermöglicht es Unternehmen, ihre Produktionsprozesse zu rationalisieren, die Produktivität zu steigern und eine bessere Ressourcennutzung zu erreichen, was letztlich zu einer verbesserten Kundenzufriedenheit und Wettbewerbsvorteilen in der Branche führt.

Auf der Tagung sprach ein Referent von DH Electronics über das Thema der Verwendung von Autocodierern für die Clusteranalyse. Die Teilnehmer untersuchten, wie Autoencoder, eine Art neuronales Netzwerk, für unüberwachte Lernaufgaben wie das Clustering verwendet werden können. Autoencoder sind leistungsstarke Modelle für unüberwachtes Lernen, die sinnvolle Repräsentationen von Daten erfassen können indem sie lernen, diese zu kodieren und zu dekodieren. Im Zusammenhang mit der Clusteranalyse können Autoencoder so trainiert werden, um ähnliche Instanzen zu gruppieren und Cluster der zugrunde liegenden Muster und Strukturen in den Daten zu formen. Durch die Nutzung der Fähigkeit von Autoencodern, Daten zu rekonstruieren und dabei Rekonstruktionsfehler zu minimieren, ermöglicht dieser Ansatz eine effektive Datenexploration, die Identifizierung verborgener Beziehungen und die Entdeckung von Clustern in komplexen Datensätzen. Cluster Analyse mit Autoencodern bietet wertvolle Einblicke und Techniken für die Anwendung dieses Ansatzes auf unüberwachte Lernaufgaben, so dass Datenwissenschaftler und Forscher tiefere Einblicke gewinnen und wertvolles Wissen aus ihren Daten extrahieren können.

DH Electronics ist für sein Fachwissen in der Elektronikindustrie bekannt und hat sich auf die Entwicklung und Herstellung innovativer elektronischer Komponenten und Systeme spezialisiert. Das Unternehmen hat sich einen Ruf erworben, hochwertige Produkte und Lösungen für verschiedene Sektoren zu liefern, darunter Automobilindustrie, Industrieautomation und Unterhaltungselektronik.

Das Projekt ALPKI wurde im Innovationslabor, Campus Chiemgau, entwickelt. Der Fokus dieses Projekt ist es, mit Hilfe von Data Science Techniken gesammelte Daten aus der Produktion zu analysieren und wertvolle Informationen zur Prozessfähigkeit zu liefern. In dem Projekt wurden Motorwellen benutzt, die mit induktiven Tastern gemessen wurden, wie im Bild dargestellt. Bei diesem Treffen erläuterte der Projektautor die durchgeführten Arbeiten und die Hauptentdeckungen sowie das Konzept des unüberwachten Lernens. Unüberwachtes Lernen ermöglicht das Clustern von Daten durch die Suche nach Mustern in der Datenbank und die Gruppierung der ähnlichsten Datenpunkte. Dies ermöglicht es einem Menschen, die Ähnlichkeiten innerhalb der Datenpunkte jedes Clusters zu untersuchen und daraus Erkenntnisse zu gewinnen.