Machine LearningKünstliche Intelligenz - aller Anfang ist schwer

Seite: 2 von 5

Wie bei jedem Trend schwirren kühne Kalkulationen durchs Land. Doch auch an konkreten Beispielen erfährt man, wie groß die Verbesserungen sein können. Etwa in Pullach-Höllriegelskreuth, wo der Gaskonzern Linde ein Digitallabor eingerichtet hat. In einem 50er-Jahre-Bürobau, dort, wo früher der Vorstand tagte. Zwischen den holzvertäfelten Wänden stehen nun Billardtisch, Sitzwürfel und Schallschutzsofas. Digital Base Camp heißt der geschichtsträchtige Ort jetzt, 14 Mitarbeiter sollen von hier die digitale Zukunft des 138 Jahre alten Unternehmens sichern.

Einige der wichtigsten Projekte hier haben mit künstlicher Intelligenz zu tun. Mithilfe von Machine-Learning-Methoden wurde zum Beispiel die Gasflaschenversorgung britischer Schankwirte optimiert.

Ja, richtig gelesen: Wer Guinness oder Ale ausschenkt, braucht dafür Kohlendioxid und Stickstoff. Die britische Linde-Tochter BOC schickt daher mehr als eine Million Gaszylinder mit beiden Gasen oder Gemischen auf die Reise zu den Pubs der Insel. Das Problem: Da BOC seinen 25 000 Kunden verspricht, jedes gewünschte Gas stets vorrätig zu haben, sind die Laster im Schnitt zu 20 Prozent mit Gaszylindern beladen, die gar nicht verkauft werden. Im Jahr summiert sich das auf 350 000 überflüssige Zylinder – ein kräftiges Einsparpotenzial.

Inventur per Drohne

Für das Projekt fütterten Lindes Big-Data-Spezialisten einen Algorithmus mit sämtlichen Bestelldaten britischer Kunden aus der Vergangenheit, dazu Daten über regionale Trinkgewohnheiten, Veranstaltungen, jahreszeitliche Einflüsse und das Wetter. Am Ende konnte der Algorithmus für jeden Kunden pro­gnos­ti­zie­ren, welche Gaszylinder er wahrscheinlich bei der nächsten Tour abnehmen würde. Heute stellt der Computer die Ladung der 255 Lastwagen auf der Insel tagesaktuell zusammen – und hat laut Linde die Zahl der überflüssigen Gasflaschen um ein Viertel reduziert.

Das Beispiel illustriert, was KI braucht und bedeutet: Sie benötigt Daten aus verschiedenen Quellen, historische, soziale, physikalische, ökonomische – und lernt daraus.

Auf der Welt sind um die 25 Millionen Linde-Gaszylinder mit Tausenden Gemischen unterwegs. In den 400 Füllwerken des Konzerns wird daher regelmäßig Inventur gemacht. Bislang muss dafür jede einzelne Flasche mit einem Barcodescanner registriert werden. Die Idee des Base Camps: Sie ließen eine Drohne das Gelände eines Füllwerks abfliegen, mit einer hochauflösenden Kamera Bilder der Zylinder schießen und über GPS den Standort speichern. So ließ sich jede Flasche lokalisieren. Allerdings erwies sich das Verfahren als aufwendig: Wegen der Datenmengen konnten die Bilder nicht automatisch per Funk übertragen werden – stattdessen musste nach jedem Flug jemand händisch die Speicherkarte aus der Drohne nehmen und in einen Rechner einlesen.

In einem zweiten Projekt wurde die Idee weiterentwickelt – und zum Teil verworfen: Die Digitaleinheit stellte fest, dass das Füllwerk in den meisten Fällen gar nicht wissen muss, welche Flasche wo genau steht. Meistens reicht die Information, welche Zylinder mit welcher Art von Gas befüllt werden können. Dafür sind die Flaschen mit standardisierten Farben markiert. Also wurde ein künstliches neuronales Netz über drei Monate mit einigen Tausend Fotos trainiert, bis es in der Lage war, etwa 20 verschiedene Flaschentypen zu unterscheiden. Die Trefferquote liegt bei über 90 Prozent.

Das Besondere: Dafür reichen Fotos aus einer Webcam, die diese gleich an einen Rechner funken kann und zum Beispiel am Werkstor montiert wird. Das System ist derzeit im Prototypenstadium. Es wird nun von der Linde-Tochter BOC in Australien zu einem marktfähigen Service weiterentwickelt. In Pullach überlegen sie, die Farberkennung per neuronalem Netz mit der Idee der Inventur per Drohnenflug zu verbinden.