IIS Magazin

Wie können wir uns die Zukunft der Lokalisierung vorstellen und welche Technologien stecken dahinter? Die Antwort darauf finden Sie in unserem Industrial IoT-Lab. Das IIoT-Lab wurde vor Kurzem auf den neuesten Stand gebracht und ermöglicht ein hautnahes Erlebnis der Demonstratoren aus der Abteilung Lokalisierung und Vernetzung. In den folgenden Beiträgen erfahren Sie, warum sich ein Besuch lohnt und wie Kunden Lokalisierung in der Praxis testen können. 

Im Fraunhofer IIoT-Lab und dem Test- und Anwendungszentrum L.I.N.K. haben mit dem Fraunhofer IIS zusammenarbeitende Firmen die Möglichkeit, komplexe Technologien in der Praxis zu erleben. Moritz Protzner, Mitarbeiter im Team Marketing und Kommunikation des Bereichs Lokalisierung und Verletzung, erklärt, was es damit auf sich hat.

Unser »Industrial IIoT-Labor« – kurz: IIoT-Lab – erstrahlt in neuem Glanz. Aber was steckt hinter dem IIoT-Lab und was können Sie dort überhaupt kennenlernen? Im IIoT-Lab können Firmen, die mit dem Fraunhofer IIS zusammenarbeiten, die Entwicklung von IIoT-Technologien für Industrie, Logistik, Sicherheit und Mobilität praxisnah nachvollziehen und testen. Hier erfahren Sie, was das IIoT-Lab so einzigartig macht.

Energie, Daten und die Ressource Mensch müssen bei der Generierung einer nachhaltigen KI-Lösung in Augenschein genommen werden. Erfahren Sie mehr im Podcast mit Dr. Paulina Prantl (geb. Sierak).

Wie kam das Projekt KI-PREDICT zustande und welche Idee steckt dahinter?

Dr. Völker: Der Schwerpunkt in unserer Abteilung ist die Entwicklung von integrierten Schaltungen für die sensornahe analoge und digitale Signalverarbeitung. Auf Basis der Entwicklungen im Bereich der KI ist es heutzutage möglich, KI-Funktionen direkt am Sensor sehr energiesparend zu integrieren.

Wir haben also nicht nur das analoge Interface zum Sensor und eine digitale Filterung, sondern wir gehen mit KI-PREDICT einen Schritt weiter und bringen Teile der KI-Funktionen mit in den Sensor ein. Der Sensor wird so aufgebaut, dass sich die Erfassung, die Berechnung und die Auswertung der Daten auf ihm befindet.

Welches Ziel verfolgt das Projekt?

Dr. Völker: In dem Projekt entwickeln wir eine integrierte Schaltung, bei der sowohl die analoge Schnittstelle, d.h. die Verbindung direkt zum Sensor, als auch eine digitale Auswertung mit KI-Funktionen integriert sind. Diese Auswertung ist dann auf die Anwendungen, die im Projekt betrachtet werden, angepasst. Durch diese anwendungsspezifische integrierte Schaltung können wir Daten schneller verarbeiten, als es mit einem Standard-Mikrokontroller möglich wäre.

So können klassische Industriebusse, die den Sensor mit der Steuerung verbinden, zum Einsatz kommen. Diese Busse lassen nur relativ geringe Datenraten zu. Sie übertragen dann nicht nur die Messdaten, sondern auch die Zusatzinformationen, die man durch die KI gewinnt, wie z.B. Informationen über den Sensorzustand oder über den Zustand des Werkstücks. Damit werden die klassischen Industriebusse mit neuen Funktionen erweitert. Diese Erweiterung und Integration ist das Ziel des Projektes.

Welche Erkenntnisse/Kompetenzen gewinnt das Fraunhofer IS in diesem Projekt dazu?

Dr. Völker: Wir haben in diesem Projekt die Möglichkeit, Beschleunigereinheiten für KI-Funktionen zu entwickeln und eine möglichst effiziente Anbindung dieser Funktionen in unseren integrierten Schaltkreis (IC) zu untersuchen. Das erfolgt in Zusammenarbeit mit den Partnern und ermöglicht uns, diese einzelnen Funktionen zu testen, und zu untersuchen, wie die optimale Anbindung ist. So ist es möglich, unsere Vorentwicklung nach dem tatsächlichen Bedarf der Industrie auszurichten und eventuelle Probleme im Voraus abzuklären, bevor wir die Entwicklung den Industriekunden präsentieren.

Auf der anderen Seite ist es bei KI-Entwicklungen immer wichtig, genügend Datenmaterial zu haben. Genau dies erlaubt uns das Projekt: Es enthält drei Messkampagnen, die bei den Firmen in ihren Produktionsumgebungen laufen. Wir und die Projektpartner bekommen damit sehr hochaufgelöste Echtzeitdaten, mit denen die KI trainiert wird und wir unsere Entwicklungen in der Anwendung testen.

In welchem Kontext steht das Projekt innerhalb der KI-Kompetenz des Instituts? Bestehen z. B. Anknüpfungspunkte zu anderen Abteilungen oder Bereichen?

Dr. Völker: Das Projekt passt sich sehr gut in die KI-Kompetenzen des Instituts ein. Wir entwickeln dabei Hardwarekomponenten für KI-Funktionen, die beispielsweise die Themen der neuromorphen Hardware ergänzen. Unsere Feature Extraction Merkmalsextraktion kann neuronalen Netzen vorgeschaltet oder auch für klassische Machine-Learning-Funktionen verwendet werden.

Auf der anderen Seite nutzen wir gerade auch diese Erkenntnisse in Zusammenarbeit mit der Gruppe »Machine Learnig & Validation«, welche reine Software Angebote entwickelt. Mit den Ergebnissen, die wir durch die Hardware-Beschleunigung haben, sind wir im Stande, dort im Projekt und in dem Themenfeld ein neues Angebot zu erschaffen. Das versieht unsere spezielle Hardware mit einem weiteren Vorteil im Vergleich gegenüber dem Standardprodukt.

Im Podcast erklären Dr. Olaf Enge-Rosenblatt und Arthur Schimke, was Predictive Maintenance ist und wie diese zu mehr Nachhaltigkeit beiträgt