Die Nominierten des Industrie 4.0 Innovation Award 2019:

Machine Learning (ML) eröffnet den Maschinenbauern/-betreibern neue Möglichkeiten, ihre Maschinendaten zu analysieren und die Erkenntnisse zu nutzten, um beispielsweise Maschinenausfälle zu vermeiden. Allerdings erfordert der Einsatz von ML heute Spezialwissen. Deswegen übernehmen die Datenanalyse vornehmlich Data Scientists. Ihr Expertenwissen ist notwendig, um die Methoden der des maschinellen Lernens auf die Daten anzuwenden und Modelle zu entwickeln. Die zentrale Frage lautet, wie die ML-Methoden in ihrer industriellen Anwendung für Applikationsexperten handhabbar gemacht werden können und die Anwendung von ML in der Industrie beschleunigt wird. Mit dem Automated-Machine-Learning-Tool (Auto-ML-Tool) können Domänenexperten ML-Modelle eigenständig erstellen – ohne spezielles Wissen im Bereich ML. Das Auto-ML-Produkt übernimmt die Funktion eines Data-Science-Assistenten und führt den Nutzer durch den Prozess der Modellbildung für Anomalieerkennung, Klassifikation und Prädiktion. Weitere Bestandteile des Produkts sind eine automatisch skalierende und plattformunabhängige Ausführungsumgebung für die Modelle, ein Modul zur Modelloptimierung während des Betriebs sowie ein Modelhub für Modellmanagement und -konfiguration. Im Wesentlichen geht es darum, dass der Nutzer sein Applikationswissen über das Maschinenverhalten einbringt und das Auto-ML-Tool im Hintergrund automatisiert die ML-Pipelines erzeugt, Modelle trainiert, optimiert und vergleicht. 

Kriterien aus Sicht des einreichenden Unternehmens, die das Produkt zu einer Industrie-4.0-Innovation machen:

Zum Lösen eines ML-Problems sind tausende Freiheitsgrade festzulegen. Durch die Verknüpfung von Domänenwissen mit dem Auto-ML-Ansatz wird der Lösungsraum geschickt durchlaufen. Applikationsexperten werden erstmals befähigt, eigenständig auf Basis von Zeitreihendaten ML-Modelle zu kreieren, wofür automatisch applikationsrelevante Feature und ML-Pipelines erzeugt werden. Durch die innovative Kombination von ML-Verfahren kann bereits mit wenigen Daten ein performantes Modell erzeugt werden.

Produktnutzen für den Kunden:

Domänenexperten können in 20 min eigenständig und nur auf Basis ihres Applikationswissens ML-Modelle mit einer hohen Güte erzeugen. Das spart teure Projekte und beschleunigt die Anwendung von ML in der Industrie. Zudem kann das vorhandene Maschinen- und Prozesswissen optimal genutzt werden. Neue Anwendungsfälle von ML können schnell verprobt sowie einfach in den Betrieb überführt, skaliert und kontinuierlich optimiert werden. Für den Betrieb erlaubt die automatisch skalierende Runtime eine ressourceneffiziente sowie plattformunabhängige Modellausführung. Mit der Modelloptimierung können die Domänenexperten die Modelle im Betrieb erweitern und damit die Modellperformance steigern. Die offene Systemarchitektur erlaubt es, im Produkt ständig die neuesten und leistungsfähigsten Open-Source-ML-Bibliotheken zu integrieren. 

Nachweis der Alleinstellungsmerkmale bzw. des Kundennutzens in der praktischen Anwendung?

Das Auto-ML-Produkt wird mit den Modulen zur Modellerzeugung, zum -betrieb und zur -optimierung bei Pilotkunden eingesetzt. Wir konnten nachweisen, dass Applikationsingenieure intuitiv mit dem Produkt arbeiten, kein Lernaufwand zur Nutzung und kein Expertenwissen im Bereich ML notwendig sind. Es ist bestätigt, dass die Modellgüte im Vergleich zu einer generischen Auto-ML-Lösung überlegen ist, was auf die Kombination von Auto-ML und Applikationswissen zurückzuführen ist. Die Zeit zum Erstellen von Modellen liegt im Durchschnitt zwischen 15 min und 60 min. Erste Modelle liegen bereits nach ca. 15 min vor, sodass die Nutzer eine schnelle Rückmeldung erhalten. Insgesamt treffen wir auf eine hohe Nutzerakzeptanz. Insbesondere die Möglichkeit, unkompliziert mit einem Modell zur Anomalieerkennung (ohne Label) zu starten und im Betrieb weiter zu optimieren trifft die Erwartungshaltung der Kunden. Selbst Maschinenbauer mit einem eigenem Data-Science- und Digitalisierungs-Team sowie führende Plattformanbieter bestätigen den gewählten Ansatz sowie die durchgängige Umsetzung. Insbesondere der Ansatz mit einem Auto-ML-Tool nicht die Data Scientists zu adressieren, um deren Arbeit zu vereinfachen, sondern bewusst die Applikationsexperten in den Fokus zu stellen, begeistert die Kunden und demokratisiert die Anwendung von ML in der Industrie.

Ähnliche Beiträge

Vorjahrespreisträger:

201820172016
Platz 1SiemensKukaWago
Platz 2HoloOneEatonVidec
Platz 3Bosch RexrothB&RBosch Software