Von Kopf bis Fuß auf KI eingestellt

Andi, kurze Frage vorab: Wie würdest du einem Kind KI erklären?

Andi: Gar nicht so einfach, aber ich probier’s: Bei einem normalen Computerprogramm kennst du selbst das Ziel und erklärst dem Computer den Weg dahin. Bei KI ist es andersherum: Hier gibst du dem Computer ein Ziel vor – und die Lösung zum Ziel bzw. welchen Weg er dafür einschlägt, wird vom Computer selbst erarbeitet.

Was sind denn so die KI-Zukunftstrends, die XITASO derzeit beschäftigen und inwiefern sind sie für Unternehmen relevant?

Andi: Was uns derzeit unter anderem stark beschäftigt ist das autonome Verhalten von Maschinen. Das können Autos sein, aber auch fliegende autonome Systeme wie Drohnen – oder Roboter. Eine große Rolle spielen hier ausgeklügelte Sensoren, Vernetzungsmöglichkeiten und selbstlernende Algorithmen, die unter Abgleich vielfältiger Daten schnell und sensibel auf ihre Umwelt reagieren.

Richard: Was mich begeistert ist das Feld der generativen KI- Systeme. Eine Form von Künstlicher Intelligenz, die auf Large Language Models basiert und in der Lage ist, auf Basis von Milliarden von Texten, Inhalten und Informationen neue Inhalte zu generieren. ChatGPT zum Beispiel als textbasierte AI. Oder Midjourney zur kreativen Bilderstellung. Letztlich kann Generative AI bestimmte Services in Unternehmen automatisieren oder auch per Chatbot Informationen bereitstellen. Hinzu kommt die Frage: Wird die Softwareentwicklung in 10 Jahren noch so aussehen wie heute? Sicher nicht. Und wie trainiert man KI-Systemen das „Halluzinieren“ ab, um faktenbasierter Entscheidungen zu treffen? ChatGPT beispielsweise gibt häufig nicht existente Quellen an und halluziniert daher. Entsprechend forschen wir auch am Überwinden solcher Limitationen. Spannend!

Andi: Ja, momentan gibt es viele spannende Themen. Ein praxisnahes Thema ist hier sicher der Einsatz von Data Science und KI im Krankenhaus und in der Pflege. Hier können durch cleveren Einsatz von KI Prozesse optimiert werden. Wie kann ich Unsicherheiten besser vorhersagen, z.B. bei Großereignissen wie einer Grippewelle? Auf wie viel Personal kann ich tatsächlich zurückgreifen? Und wie kann ich diese optimal auslasten? Wenn wir hier die Planung optimieren, verbessern wir gleichzeitig auch die Versorgung von Patient*innen und die Arbeitsbedingungen für Pflegekräfte. Neben den spannenden, laufenden Forschungsprojekten schauen wir aber auch immer nach links und rechts, um zu sehen, was sonst noch relevant ist und was nicht.

Richard: Für Industrieunternehmen ist das Thema Fachkräftemangel und wie KI-gestützte Assistenzsysteme hier unterstützen können, ein sehr interessantes Thema. Es geht darum, mit relativ wenigen Daten Probleme zu erkennen und diese zu beheben bzw. gar nicht erst entstehen zu lassen. Zum Beispiel bei teilautomatisierten Produktionsanlagen. Dazu nutzen wir eine „Hybride KI“, also eine Kombination aus neuronalen und symbolischen KI-Architekturen, lernenden Systemen und formalisiertes Wissen. Seit 2021 gibt es hierfür bereits ein Forschungsprojekt: ADELeS. Hier kooperieren wir mit der FAU Nürnberg-Erlangen, der Universität Augsburg sowie der REHAU Industries SE.

Wie ist eigentlich die Idee zum Forschungsprojekt ADELeS entstanden?

Richard: Nach meiner Masterarbeit in Machine Learning wurde ich zum ersten “Vollzeit-Forscher” bei XITASO. Zu diesem Zeitpunkt hatten wir einen Kunden, der mit der Inbetriebnahme der produzierten Maschinen einen großen Schmerz hatte. Weil nur drei Leute (bei 1.500 Mitarbeitenden!) die Maschine einstellen konnten. Diese mussten aber deswegen auf der ganzen Welt umherreisen und so entstanden Engpässe in der Inbetriebnahme. Das hat uns natürlich interessiert: Wie lassen sich die Parameter möglichst teilautomatisiert einstellen, so dass die Inbetriebnehmenden und Maschinenbedienenden optimal unterstützt werden können? Schnell war klar: Hier arbeiten wir an etwas Großem. Also habe ich eine Projektförderung beantragt, aus der ADELeS entstanden ist.

Andi: Zeitgleich wurde ich verantwortlich für den weiteren Aufbau unseres Forschungssektors. Richard und ich haben dann dazu das neue Forschungsteam Entropie gegründet, das – parallel zu Richards Promotion – stark gewachsen ist und aktuell zehn Vollzeit-Forschende umfasst.

Was ist so einzigartig an ADELeS?

Richard: Einzigartig ist vor allem die Art und Weise, wie wir das tun! Wir speichern das Fachwissen von Expert*innen – und nutzen es zum Training von Machine Learning Systemen. Vom Ergebnis her ist es eigentlich wie Predictive Quality, nur umgekehrt. Nicht: Wie kann ich Fehler vorhersagen, sondern wie stelle ich das System so ein, um Fehler zu beheben bzw. vorausschauend zu verhindern.

Gibt es Beispiele für Erkenntnisse aus Forschungsprojekten von XITASO, welche bereits oder in Kürze bei Kundenprojekten umgesetzt werden?

Richard: Wir entwickeln grundsätzlich eine Methodik, kein fertiges Produkt. Auf diesen Methodenfundus können wir uns stützen. Und den nutzen wir dann für unsere heutigen und zukünftigen Kunden. Unsere Forschung hat entsprechend Proof-of-Concept-Charakter, der später auf andere Kunden und Branchen skalierbar ist. So wie im Fall von ADELeS: Durch die tiefgreifende Expertise und Sichtbarkeit, die wir mit dieser Forschung aufgebaut haben, konnten wir auch Gespräche mit anderen Kunden zu den Themen Wissensextraktion und KI-Assistenzsysteme aufnehmen.

Andi: Als XITASO zeichnet uns aus: Wir sind keine Uni, sondern widmen uns anwendungsorientierten Problemen. Das Projekt VALISENS ist ein gutes Beispiel dafür. Hier forschen wir an einer Sensor-Fusions-Technologie, um beim autonomen Fahren Menschen sicher erkennen zu können. Die daraus gewonnen Erkenntnisse setzen wir dann auch in anderen Domänen ein. Zum Beispiel für Maschinen im Produktionsumfeld.

Und noch eine Frage zum Schluss: Was ist so spannend an eurer Arbeit?

Andi: Jeder Tag ist spannend und vielseitig. Der ständige Austausch mit kreativen Köpfen und ein weitreichendes internationales Netzwerk bereichern uns mit immer neuen Anregungen und Perspektiven. Besonders faszinierend ist auch der Prozess, wissenschaftliche Erkenntnisse in praxisnahe Lösungen zu transformieren. Zum Beispiel setzen wir Forschungserkenntnisse aus meiner Promotion in Robotik heute bei XITASO für Kunden in marktreife Lösungen um – und das rund 10 Jahre später. Unser Ziel als forschendes Unternehmen ist es, diesen Übergang von Theorie zu Praxis in Zukunft noch schneller zu gestalten.

Richard: Für mich ist das Spannende in der Forschung, zu erkennen: Was ist ein wissenschaftlicher Durchbruch und was ist wirklich marktrelevant? Da kommen wir dann von XITASO ins Spiel.