Im vergangenen Jahrzehnt hat Künstliche Intelligenz eine erstaunliche Entwicklung erlebt. Die Versprechen der Experten, mit KI-Systemen nahe an die menschliche Intelligenz heranzureichen, konnten jedoch nicht erfüllt werden. Dies führte Ende der 80er-Jahre zum sogenannten KI-Winter. Dass KI aktuell eine rasante Renaissance erfährt, liegt vor allem an drei unterstützenden Faktoren:

Hardware: Durch die Spieleindustrie wurden Graphikprozessoren zunehmend besser und erschwinglicher. Gleichzeitig eignet sich diese Form der Prozessoren auch besonders gut für wissenschaftliche Berechnungen, welche parallel auf vielen Kernen durchgeführt werden.

Daten: Durch das Internet wurde die Erstellung und Verteilung von großen annotierten*, frei verfügbaren Datensätzen umsetzbar. Einer der ersten war das sogenannte ImageNet. Hunderte weiterer Datensätze folgten.

Software: Die Algorithmen zum Training sehr großer Neuronaler Netze wurden weiterentwickelt und heute unter dem Begriff "Deep Learning" zusammengefasst. Durch Deep Learning konnten in vielen Bereichen die Ergebnisse der bestehenden, klassischen Algorithmen deutlich übertroffen werden, wie z.B. in den Bereichen Bilderkennung, Spracherkennung, Übersetzung und Textverständnis.

In der Luftfahrt ist Deep Learning bisher noch eine Randerscheinung, obwohl die Potentiale bei der Optimierung von Produktions- und Wartungsprozessen sehr groß sind. Mit der Einrichtung des ZAL AI Labs schaffen wir im ZAL einen Katalysator für die Entwicklung von Deep Learning Prototypen für die Luftfahrt. Zugleich wird ein Raum geboten, um sich mit dem Potential von Deep Learning in der Luftfahrt zu beschäftigen. Das ZAL AI Lab wird unterstützt durch das KI-Expertenteam der ZAL GmbH, welches Domänenwissen im Luftfahrtbereich mit KI-Knowhow kombiniert.

Das ZAL AI Lab bietet Ihrem Unternehmen Equipment und Services entlang der Kette create – sense – compute – act – explore.

// create
Für die Generierung von Ideen und die Durchführung von Workshops steht eine Kreativecke bereit, bestehend aus einem großen Whiteboard und Sitzgelegenheiten.

// sense
Zur Aufzeichnung von Trainingsdaten stehen verschiedene Sensoren zur Verfügung, wie z. B. eine High-Speed-Kamera, Tiefenkameras, Lidar und ein High-End-Mikrofon. Über einen leistungsstarken Workstation-Laptop können die Daten aufgezeichnet werden.

// compute
Für das Training von Neuronalen Netzen ist das ZAL AI Lab mit einem GPU Cluster ausgestattet, welcher vier der aktuell leistungsstärksten Graphikprozessoren enthält (NVIDIA Tesla V100). Dieser befindet sich in einem gekühlten Rack, um ihn vor Überhitzung zu schützen.

// act
Ein moderner Roboterarm der Marke Universal Robots (UR10e) kann in jeden Anwendungsfall integriert werden. Dieser ist zusätzlich mit einem Drei-Finger-Greifer und einer Handgelenkskamera von Robotiq ausgestattet. Weiterhin enthält das ZAL AI Lab einen ROSbot 2.0 von Husarion für Test- und Unterrichtszwecke.

// explore
Das Labor ist mit zwei Visualisierungsmöglichkeiten ausgerüstet, um Projektergebnisse zu untersuchen und Demonstrationen vorzuführen. Zum einen steht ein 86" großer Touch-Monitor bereit, mit dem die Nutzer in der Lage sein werden auf alle Geräte im Labor zuzugreifen. Zum anderen steht eine 6m x 3m große Glasscheibe bereit, welche durch eine Rückprojektion die Darstellung von Daten in 4K sowie neuartige Präsentationstechniken ermöglicht.

Mit diesen fünf Elementen erleichtert das ZAL AI Lab Experten die Entwicklung von schnellen Proof-of-Concepts und ermöglicht auch Laien einen Einstieg in die Thematik.

Möchten auch Sie das ZAL AI Lab nutzen, um mit Ihrem Unternehmen erste Erfahrungen in der Anwendung der industriellen künstlichen Intelligenz zu sammeln? Für Buchungsanfragen und weitere Informationen melden Sie sich gerne unter:

ai(at)zal.aero

 

* Annotierte Datensätze enthalten maschinenlesbare Informationen über die Inhalte des jeweiligen Datensatzes und werden für das Antrainieren von Algorithmen der künstlichen Intelligenz verwendet. Beispielsweise kann bei einer Objekterkennung die Information über die Art oder Lage des Objektes im Raum enthalten sein.

© COPYRIGHT 2018 BY ZAL ZENTRUM FÜR ANGEWANDTE LUFTFAHRTFORSCHUNG GMBH. ALL RIGHTS RESERVED.