Die Ausgangslage:
Bei der Unterscheidung und Klassifizierung von Stoffen und Materialien kann sich der Mensch oft nicht nur auf sein Auge verlassen. Gerade wenn es in den Bereich von Produktfälschungen oder Qualitätsmängel geht, ist ein objektives Messverfahren und eine automatische Klassifikation notwendig. Das wird an lackierten Autoteilen, einmal mit der Originalfarbe und einmal mit einer Farbe eines anderen Herstellers mit dem gleichen RAL-Farbwert, demonstriert. Das zweite Teil könnte eine Produktfälschung, ein verschwiegener Reparaturversuch oder ein Qualitätsmangel sein. Mit dem Auge sind die Teile nicht oder nur von Experten unterscheidbar.
Die Lösung:
Der Demonstrator zeigt, wie mit Hilfe von Spektralinformationen, aufgenommen mit mehreren LED-Beleuchtungen und Sensoren, aussagekräftige Daten gewonnen können. Mit diesen Beispieldaten wird eine KI zunächst trainiert und dann anwendet. Der Demonstrator besteht aus einem Mobiltelefon und einer abgesetzten Messeinheit. Mit der Messeinheit werden die Daten aufgenommen und dann im Mobiltelefon analysiert.
Es lassen sich verschiedenste Stoffe mit dem Demonstrator unterscheiden. Neben den gezeigten Autoteilen auch gleichfarbige Kunststoffteile (unterschiedliche Materialien) sowie Reifegrad oder Qualitätsmängel von Lebensmitteln. Die Unternehmen lernen wie mit Hilfe von KI-Verfahren aus einer Forschungsidee eine Dienstleistung für ein Massenprodukt am Beispiel eines Sensors und eines handelsüblichen Smartphones angepasst werden kann. Weiterhin wird gezeigt, wie die Anwendungsfelder skaliert werden und dadurch neue Geschäftsmodelle entstehen.
Worin liegt der Nutzen?
Der Demonstrator führ den potentiellen Anwender durch die Projektphasen:
- Beschreibung des Problems (Unterscheidung von Materialien)
- Auswahl eines geeigneten Sensors (Messeinheit des KI- Demonstrators)
- Aufnahme von Daten in verschieden Kategorien (Setzen des Labels, Notwendige Anzahl der Daten)
- Training einer KI mit einem Ergebnis (Training auf Knopfdruck)
- Anwenden der KI mit einer Aussage der Erkennungssicherheit (Testen des Systems)
Der Anwender bekommt an einem einfachen Beispiel ein Eindruck, welche Schritte in einem KI-Projekt erforderlich sind.