inVISION: Wenn Sie sagen, die Vision-Landschaft verändert sich, ist das ein weltweites oder ein europäisches Problem?
Munkelt: Es ist so eine Mischung aus allem. Als wir angefangen haben, hatten wir eine klar definierte Wertschöpfungskette, das heißt es gab Beleuchtung, Objektive, analoge/ digitale Kameras, Framegrabber, Interfaces und einen PC als Verarbeitungseinheit. Hier verschwimmen die Grenzen immer mehr. Jede einzelne Komponente ist mittlerweile viel besser verstanden in ihrer Funktion und Wirkungsweise sowie in ihrem Beitrag für eine Anwendung. Die Standardisierung hat das ihre dazu getan. Heute arbeiten wir auch mit ganz anderen Kostenstrukturen als noch vor zehn oder 20 Jahren. Das führt dazu, dass auch die Wege, wie diese Komponenten an den Kunden kommen, sich verändert haben. Das Distributionsgeschäft, wie wir es noch vor zehn Jahren kannten, wird zunehmend zum Auslaufmodell werden. Auf der anderen Seite sehen wir (Embedded-)Architekturen, die alle diese Komponenten spielend leicht vereinigen. Daher stellt sich die Frage des Mehrwerts nochmal neu und dort müssen wir ran.
inVISION: Sie haben die Version 0.1 eines neuen Deep Learning Tools vorgestellt. Was verbirgt sich dahinter und wie fügt sich das Tool in Ihre bestehende Produktlandschaft ein?
Eckstein: Der Begriff 0.1 ist bewusst gewählt, weil wir einen hohen Anspruch haben, was ein Produkt letztlich können soll. Gleichzeitig sehen wir aber, dass das Tool bereits jetzt einen Mehrwert für den Kunden bietet. Wer Deep Learning verwenden möchte, muss verstehen mit Daten umzugehen. Das ist ein ganz neues Know-how, was derzeit entsteht. Gleichzeitig muss der Kunde aber die passenden Werkzeuge dafür haben. Genau diese Lücke füllt unser Deep Learning Tool. Es ermöglicht es, in einfacher Weise Daten zu erfassen, zu verwalten, zu bearbeiten und dann auch zu trainieren, um zu sehen, wie so das Netzwerk weiter optimiert und dessen Erkennungsleistung erhöht werden kann. Demnächst wird ein Kunde zwanzig oder fünfzig Anwendungen haben, und somit stellt sich die Frage, ob er seine Deep-Learning-Daten für all diese Anwendungen verwenden kann. In Zukunft wird diese Art von Datenverwaltung eine ganz zentrale Aufgabe sein. Wir versuchen unsere Kunden zu begleiten, die neue Technologie erst einmal zu verstehen, um ihnen dann zu helfen, sie auch einzusetzen. Das geht bis dahin, dass wir mit dem Tool bald eine Software haben, die sowohl den Halcon- als auch den Merlic-Kunden umfassend unterstützt.
inVISION: Ist das Deep Learning Tool ein unabhängiges Produkt oder Bestandteil von Merlic oder Halcon?
Munkelt: Ich glaube, es ergänzt Merlic und Halcon im Moment eher. Es ist noch offen, ob es sich nicht auch zu einem eigenen Produkt entwickelt, denn das Programmieren von heute ist quasi das Daten organisieren von morgen. Die Wertschöpfungskette verschiebt sich vom Programmieren dahin, dass man Daten so organisiert, dass sie mit Hilfe von Deep Learning verarbeitet werden können. Wir spiegeln das an dem Mehrwert, den ein Tool liefert: Wie lange brauche ich bzw. was für ein Know-how benötige ich, um das durchführen zu können? Die Frage ist, ob unsere Kunden in Zukunft verstärkt Mitarbeiter haben, die sich mit Deep-Learning-Anwendungen aus Sicht eines grafischen Tools beschäftigen, also quasi als ‚Photoshop für die Bildverarbeitung‘.
Eckstein: Wir sehen die Kombination aus der klassischen Algorithmik und Deep Learning. Von daher wäre unsere These, dass Unternehmen, die ausschließlich mit Deep-Learning-Technologie in den Markt gehen, nicht sehr weit kommen werden. Sie werden einzelne Lösungen finden, aber wir sehen bei praktisch all unseren Kunden, die Deep Learning einsetzen, dass es immer eine Kombination aus beidem ist. Z.B.: Man kann mit Deep Learning zwar sehr robust die einzelnen Objekte klassifizieren, danach muss ich aber etwas mit diesen Daten machen. Bevor ich etwas lesen oder vermessen kann, muss ich es z.B. erst einmal finden. Der Mehrwert von Halcon ist es, dass man beides elegant miteinander verbinden kann. Deep Learning und Datenanalyse sind wichtig, aber nur in Kombination mit dem, was die klassische Bildverarbeitung nach wie vor bietet.
