„Wikipedia für KIs”: Wenn Maschinen die Entscheidungen selbst treffen

Das KI-Programm AlphaGo Zero zeigt, wo es langgeht. Es schlägt nicht nur reihenweise menschliche Gegner im Strategiespiel Go, sondern auch seine maschinellen Vorgänger. AlphaGo wird oft als Beispiel angeführt, um die atemraubende Geschwindigkeit und Flexibilität von Künstlicher Intelligenz (KI) zu veranschaulichen.

In der Industrie muss KI wesentlich mehr leisten, als auf Grundlage fester Regeln zu lernen und später ein Problem mit dem antrainierten Wissen zu lösen. „Die Produktion der Zukunft ist hochflexibel, modular und autonom“, sagt Informatikerin Nelli Klein, die bei Siemens an der Zukunft der Automatisierung arbeitet. Das bedeutet, die einzelne Maschine braucht nicht bloß Regeln, sie muss selbst intelligenter werden, um eigenständig Entscheidungen treffen zu können.

Soft Skills auch für KI

Zugleich – und das ist die Herausforderung – soll die Maschine nicht nur für eine Tätigkeit gut sein. „Mit Hilfe von KI“, erklärt Klein, „kann man Maschinen in die Lage versetzen, mehr Aufgaben zu erledigen, als immer nur Teil A an Teil B zu schrauben.“ So wird die Produktion flexibel: Ein Gerät – viele Möglichkeiten. Was für die Maschine gilt, gilt erst recht für einen selbstlernenden Algorithmus im industriellen Umfeld. Er soll nicht nur Meister eines Fachs sein, wie Googles AlphaGo, sondern sich auf wechselnde Herausforderungen einstellen können.

Ein Beispiel dafür sind Handlingsysteme in der Fertigung oder in der Logistik, wo Roboter Dinge greifen und bewegen. Bisher musste man die Maschinen an bekannten Objekten trainieren, jede einzelne Bewegung vorab definieren und aufwändig programmieren. „Doch Produkte werden immer individueller, Formen vielfältiger“, sagt Klein. „Mit konventionellen Methoden lässt sich eine solche Maschine kaum noch auf die unzähligen Varianten vorbereiten.“ KI bietet eine Lösung.

Die Effektivität einer Künstlichen Intelligenz steht und fällt mit den Daten, die sie benutzen kann. An Daten selbst herrscht kein Mangel. Doch der Zugriff auf sie ist schwierig. Relevante Informationen, etwa über eine Anlage oder Maschine, sind oft in unterschiedlichen IT-Systemen abgelegt, an denen sich ein Lernalgorithmus nicht ohne Weiteres bedienen kann. Eine Möglichkeit, diese Datensilos aufzubrechen, bietet der Industrial Knowledge Graph (Industrieller Wissensgraph). Damit will Siemens die KI im industriellen Umfeld auf eine neue Stufe heben.

Mona Lisa mit Mehrwert

Wie ein Wissensgraph aussieht, weiß jeder, der im Netz nach einem berühmten Namen sucht, beispielsweise Mona Lisa. Hier werden Informationen rund um die Anfrage angezeigt – aus Datenquellen unterschiedlicher Formate. Mona Lisa ist ein Gemälde, hängt im Louvre, es erscheinen weitere Werke von Leonardo da Vinci und sogar Hotels, die Mona Lisa im Namen haben. Wer sucht, bekommt also zahlreiche Kontextinformationen angezeigt, die ebenfalls relevant sein könnten.

Technisch funktioniert das Prinzip so: Ein Knowledge Graph verlinkt unterschiedliche Datenquellen miteinander. „Er ist eine Art maschinenlesbare Wikipedia für KIs“, sagt Steffen Lamparter. Er leitet ein KI-Team in der Siemens-Forschungsabteilung. „Wir nutzen ihn, um die verschiedenen Informationen, die wir über eine Maschine haben, in einer flexiblen Datenbank zusammenzuführen“, erklärt der Informatiker. „Lernalgorithmen können darauf zugreifen und Zusammenhänge herstellen.“

Das Innovative zu bisherigen Datenbank-Modellen liegt in der Struktur eines Wissensgraphen: Informationen sind nicht starr in einer vorgegebenen Tabelle gespeichert, sondern über Verweise lose miteinander verknüpft. „Damit erhöhen wir die Datenverfügbarkeit und -qualität erheblich“, sagt Lamparter. „Außerdem können wir damit manche Entscheidungen, die eine KI trifft, nachvollziehbar und transparent machen.“

Nicht nur der KI, auch dem Menschen erleichtert der Knowledge Graph die Arbeit – als Suchmaschine für industrielle Daten. Im Kundenservice von Siemens benutzen Ingenieure das „KI-Wiki“ bereits, um Defekte bei Gasturbinen schneller zu beheben. Die Grundlage bilden unter anderem Sensordaten, 3D-Baupläne, und Geo-Informationen zum Standort der Turbine. Auch Erfahrungswissen wird im Graphen digitalisiert, zum Beispiel die beste Vorgehensweise eines Experten bei ähnlichen Service-Fällen in der Vergangenheit. „Das spart Zeit und bietet unseren Kunden echten Mehrwert“, so Lamparter. Siemens-Experten sehen Künstliche Intelligenz als Ergänzung für den Menschen an, als eine Unterstützung bei sich wiederholenden Tätigkeiten, damit mehr Raum für die wahre menschliche Stärke bleibt: mit Kreativität neue Ideen zu schaffen und Problemlösungen zu finden.