Suchen

Machine Learning einfach anwenden ohne Expertenwissen

| Redakteur: Jan Vollmuth

Das Tool Auto ML von Weidmüller ermöglicht die Entwicklung von Machine-Learning-gestützten Applikationen ohne das spezielle Know-how von Data Scientists.

Firmen zum Thema

Weidmüller Automated Machine Learning Tool: Assistiertes Erzeugen von Modellen mittels künstlicher Intelligenz (KI).
Weidmüller Automated Machine Learning Tool: Assistiertes Erzeugen von Modellen mittels künstlicher Intelligenz (KI).
(Bild: Weidmüller)

An der Digitalisierung führt kein Weg vorbei: Datenbasierte Services bestimmen den Geschäftserfolg von Morgen. Damit gehört der Einsatz künstlicher Intelligenz in industriellen Produktionsanlagen heute zu einer der zentralen Herausforderungen für den Maschinen- und Anlagenbetreiber. Lösungen der künstlichen Intelligenz (KI) finden in vielen Bereichen Anwendung, von der Anomalieerkennung, der Klassifizierung und Vorhersage von Verschleiß oder Schäden bis hin zur Qualitätskontrolle.

Loslegen ohne spezielles Wissen

Aber wie gelingt der Einstieg in KI? Mit dem Automated-Machine-Learning-Tool (Auto ML) gibt Weidmüller dem Nutzer eine Software an die Hand, die den Einstieg auch Hilfe von Data Scientisten ermöglichen soll: Das Auto-ML-Tool befähigt Domänenexperten, auf Basis ihres Applikationswissens eigenständig Machine-Learning-Modelle zu erzeugen.

Auto ML von Weidmüller soll praktisch jeden Applikationsexperten in die Lage versetzen, ohne spezielles Know-how ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen.
Auto ML von Weidmüller soll praktisch jeden Applikationsexperten in die Lage versetzen, ohne spezielles Know-how ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen.
(Bild: Weidmüller)

Die Vision von Weidmüller ist es, die Anwendung von Machine Learning (ML) zu demokratisieren, damit die Anwendung von ML in der Industrie zum einen nicht durch einen Mangel an Data Scientists gehemmt wird und zum anderen das vorhandene Wissen der Fachexperten optimal genutzt wird. Dazu ist die Anwendung von ML für industrielle Applikationen soweit zu standardisieren und zu vereinfachen, dass Domänenexperten ohne Expertenwissen im Bereich Data Science eigenständig ML-Lösungen erzeugen können.

Dies umfasst zudem eine weitgehende Automatisierung der Modellbildung sowie Generierung der ML-Pipeline, um die Erzeugung der ML-Lösung zu beschleunigen. Dies wird mit dem Term Automated Machine Learning beschrieben, wobei der Prozess der Generierung von ML-Lösungen nicht vollständig automatisiert werden soll: Die Domänenexperten sollen vielmehr ihr Wissen bewusst mit dem Auto ML Prozess verknüpfen, um exzellente ML-Lösungen zu schaffen.

Geführte Modellentwicklung

Mit der Auto-ML-Software können Domänenexperten ML-Modelle erzeugen. Dabei führt die Auto-ML-Software den Nutzer durch den Prozess der Modellentwicklung, weshalb Weidmüller hier auch von Guided Analytics spricht. Dabei fokussiert sich der Experte auf sein Wissen zum Maschinen- und Prozessverhalten und verknüpft dieses mit den im Hintergrund ablaufenden ML-Prozessen. Das bedeutet, dass die Software bei der Übersetzung und Archivierung des vorhandenen und wertvollen Applikationswissens in eine verlässliche Machine Learning-Anwendung hilft, indem das vorhandene Wissen geschickt abgefragt und mit dem im Hintergrund arbeitenden ML-Verfahren kombiniert wird. Am Ende des Modellbildungsprozesses wählt der Nutzer das für seine Applikation am besten passende Modell nach bestimmten Kriterien wie Modellgüte oder Ausführungszeit aus.

Auto ML wurde mit dem Deutschen Exzellenz-Preis 2020 ausgezeichnet. Die Rückmeldungen von Pilotanwendern bei Maschinenbauern und -betreibern zeige, dass Auto ML hinsichtlich Funktion und Nutzerführung optimal auf die Bedürfnisse der Anwender zugeschnitten sei, so Weidmüller. (jv)

(ID:46601827)