Die Robotron-Experten sind überzeugt, dass es nicht reicht, eine coole Data-Science-Plattform zu haben. Vielmehr müsse man auch die Sprache der Fertigungsleiter und Produktionsingenieure sprechen und interdisziplinär auftreten, um AI-Produkte in den Markt zu bringen. Das Motto des Dresdner Unternehmens lautet deshalb, den Kunden nicht nur innovative, sondern zugleich produktiv nutzbare Lösungen anzubieten. Dabei setzt man 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. „Da sich meist nicht von vorneherein sagen lässt, welches neuronale Netzwerk sich am besten eignet, müssen die Domain-Spezialisten ein bisschen ausprobieren und vor allem auch die unterschiedlichen umliegenden Systeme einbinden“, erklärt Kasinathan. Doch das Produktdesign von Robotrons Realtime-Computer-Vision-Plattform bezieht all die Themen, die in der Praxis als problematische Herausforderungen gelten, implizit mit ein. Die offen konzipierten Schnittstellen ermöglichen nicht nur die Nutzung eines Frameworks oder neuronalen Netzes, sondern viele unterschiedliche Alternativen.
Eine Hardware für (fast) alle Fälle
Die Herausforderung bei Kundenprojekten bestand zuvor in der Auswahl der passenden Hardware für das jeweilige Einsatzszenario. Hier arbeitetet Robotron schon seit längerem mit Kontron zusammen. Bei der Umsetzung von AI-Szenarien gibt es hardwareseitig immer zwei Ebenen: Zum einen eine Trainingsebene, in der Bilddaten aufgebaut werden. Hier kommt die Cloud ins Spiel, denn die für das Training kurzfristig benötigte hohe Rechenpower lässt sich kostengünstig mieten. Die andere Ebene ist jedoch der Algorithmus selbst, der möglichst vor Ort in der Nähe des Prozesses laufen soll. Dafür ist verlässliche und hochperformante Edge-Hardware notwendig. „Durch zahlreiche gemeinsame Proofs of Concept hat Robotron die Kontron als verlässlichen Hardware-Partner, der maßgeschneiderte Lösungen zur Verfügung stellt, schätzen gelernt“, so Deepa Kasinathan. Nachdem eine ganze Reihe von Konfigurationen getestet und immer wieder viel Energie in die Hardware-Auswahl investiert wurde, sah man sich den genutzten Stack genauer an. Was wäre, wenn der Initialaufwand, die passende Hardware zu ermitteln, überflüssig und stattdessen eine Art One-fits-all-Ansatz möglich würde?
