Motivation
Eine Mixed-Reality-Anwendung (Gemischte Realität) verbindet die natürliche Wahrnehmung eines Nutzers mit einer Künstlichen und ermöglicht z.B. über XR-Brillen (XR: Erweiterte Realität) die Interaktion von Mensch, Computer und Maschine. So können z.B. während eines industriellen 3D Drucks auftretende Fehler an den herzustellenden Bauteilen mithilfe von entsprechend trainierter KI (Künstliche Intelligenz) in einer XR-Brille identifiziert und kategorisiert werden. Auf dieser Basis schlägt die KI den Maschinenbedienenden vor, wie Parameter anzupassen sind, damit sich das Druckergebnis verbessert. Um die Fehler zu identifizieren, müssen alle relevanten Maschinen- und Prozessdaten erfasst werden. Die Daten werden zentral gesammelt, um sie dann hinsichtlich kritischer Fehler im Prozess und Bauteil zu analysieren. Außerdem stellt die Übertragung großer Datenmengen in der industriellen Praxis häufig eine Herausforderung dar.
Ziele und Vorgehen
Durch föderales maschinelles Lernen (Federated Machine Learning (FedML)) kann dies gelöst werden. Hierbei werden die KI-Modelle dort trainiert, wo die Daten entstehen und nur die trainierten Modelle (bzw. deren Parameter) anschließend an eine zentrale Stelle geschickt. Damit wird auch das Problem aufgegriffen, dass Unternehmen häufig nicht genug Daten zur Verfügung haben, um ein KI-Modell hinreichend zu trainieren. Bisher ist im FedML-Ansatz eine zentrale Steuereinheit (Controller) vorgesehen, worüber Rückschlüsse aus den Trainingsdatensätzen gezogen werden können. Im Projekt FAMILIAR soll der Controller dezentralisiert werden: jeder Teilnehmende wird zeitlich begrenzt zum Controller, aggregiert die eigenen Parameter mit denen des Vorgängers und gibt anschließend die Ergebnisse anonymisiert weiter. Zudem soll das Training von Daten und FedML auf XR-Brillen angewendet werden. Mit der XR-Technologie sollen Trainingsdaten bspw. durch Video, Ton, Gesten oder Blickverfolgung erfasst werden. Kombiniert mit dezentralem FedML auf der XR-Brille ermöglicht dies neue Möglichkeiten, z.B. das Einstellen/Reparieren von komplexen Maschinen. Es werden drei potentielle Anwendungsfälle demonstriert, in der Simulation für Komponenten der Automobilbranche (Finite-Element-Methode (FEM)), in der Fahrsimulation der modernen Mobilität sowie im Rüst- und Steuerungsprozess von 3D-Druck Robotern.
Innovationen und Perspektiven
Die Verwertung der Ergebnisse erfolgt bei den am ITEA-Projekt beteiligten Partnern in der Türkei, in Österreich sowie in Deutschland. Neben der ökonomisch-ökologischen Prozessoptimierung der adressierten Anwendungen sollen FedML und XR durch eine feedback-orientierte Einbindung von Kontakten der jeweiligen Industrien, sowie die Kommerzialisierung der final entwickelten Technologien, einer breiten Masse in Europa verfügbar gemacht werden. Dies bietet die Grundlage für eine effiziente und unabhängige Datenverarbeitungstechnologie im europäischen Raum.