Hardware für fast alle Fälle
Schon innerhalb von vier Monaten entstand ein gemeinsames Standardprodukt, das auf der Workstation KWS 3000-CML von Kontron basiert, auf der die Realtime Computer Vison-Software (RCV) von Robotron läuft. Die Workstation ist im kompakten Midi-Tower-Gehäuse untergebracht, die auf pausenlosen Betrieb bei bis zu 45 Grad Celsius ausgelegt ist. Für Rechenleistung sorgen Intel Core-Prozessoren mit bis zu zehn Kernen und die Workstation-Grafikkarten RTX 5000 von Nvidia. „Das ist eine GPU-Generation mit genügend Processing Power und RAM für das Training, mit der sich in Millisekunden eine Bewertung eines erfassten Bildes treffen lässt“, sagt Deepa Kasinathan. Mit dem System kann sich eine gleichbleibende Prüfqualität auch bei Ramp-ups und spontanen Prozessproblemen sicherstellen lassen. „Wenn noch schnellere Inferenzzeiten benötigt werden, dann schalten wir mehrere GPUs zusammen. Das Kontron-Konzept basiert auf einzelnen Bausteinen und lässt sich stark erweitern, ohne dass gleich eine neue Workstation angeschafft werden muss“, berichtet die Gruppenleiterin. Wichtig sei jedoch auch immer, sich den Gesamtprozess anzuschauen, in dem das Prüfergebnis verarbeitet wird. Neben der Inferenz komme es auch auf die Kameraanbindung an und welche Netzwerke mit welchen Latenzen zum Einsatz kommen.
Revisionssichere Lösungen
Zu Projektbeginn war noch geplant, Standardkameras zur Workstation zu konfigurieren. „Die Art und Weise, wie Bilder jeweils für einen Use Case aufgenommen werden, unterscheidet sich allerdings sehr stark. Ausleuchtung, Materialvarianten in Farben wie Matt, Silber oder in Edelstahl, Lichteinfall, Entfernung vom Objekt – das ist kundenindividuell zu unterschiedlich, um es mit einer Kameratechnologie abzudecken“, so Kasinathan. Auch bei den SPS-Anbindungen sei die Varianz zu groß für vorkonfigurierte Softwarekomponenten. „Allerdings können Kunden Kontakt mit Kontron aufnehmen und spezifische Schnittstellen erhalten“, sagt Kasinathan. Damit die KI im Prozess funktioniere, brauche es nicht nur trainierte Netze und gelabelte Bilder. Die Lösung müsse auch an die SPS der Vorsysteme angebunden, Sollwerte und Output-Orte geklärt und Sensorik und Lichtschranken eingebunden werden. Schließlich gelte es in der Industrie, zu revisionssicheren Lösungen zu kommen – beispielsweise um zu erkennen, dass ein korrektes Mindesthaltbarkeitsdatum an der richtigen Stelle aufgebracht wurde. Dabei könnten sich die Anwender durch das One-fits-all-Konzept jedoch den größten Aufwand sparen.
Aufwand gespart
Mit diesem Standardisierungsansatz soll sich die KI-Lösung von anderen Angeboten auf dem Markt abheben. Die Dienstleister bietet ein übergreifendes System für Training, Deployment und Inferenz. Der gewählte No-Code-Ansatz soll dafür sorgen, dass nicht nur die Datenwissenschafter, sondern auch Produktionsingenieure und selbst Maschinenbediener Szenarien umsetzen können. Damit etwa die Zielgruppe der Qualitäts- oder Fertigungsingenieure Prüfprobleme in der Fertigung eigenständig mit KI-Tools lösen können, bietet der IT-Dienstleister und sein Hardware-Partner Service-Werkzeuge wie kostenlose Hotlines sowie Lernvideos auf YouTube an. Zumindest in Teilen soll das den Flaschenhals beseitigen, der durch den Fachkräftemangel im Data-Science-Umfeld besteht.