Künstliche Intelligenz lernt lernen

Robot Fragmented Head Networks White

Künstliche Intelligenz wird in immer mehr Maschinen integriert.

Damit lässt sich deren Funktionalität theoretische gewaltig erhöhen. Es gibt nur ein Problem: Damit KI funktionieren kann, muss sie mit sehr großen Datenmengen trainiert werden. Bei diesem Deep Learning werden die neuronalen Netzwerke mit Millionen von Daten gefüttert. So werden die Algorithmen nach und nach in die Lage versetzt, Dinge exakt zu erkennen.
Diese Daten zu beschaffen, ist aber nicht so einfach. Das hängt auch vom Anwendungsfall ab.
Für Gesichtserkennungssoftware existieren große Datenbanken mit Millionen entsprechender Bilder. Daher sind Gesichtserkennungsprogramme auch schon recht weit fortgeschritten – ihnen steht genügend Trainingsmaterial zur Verfügung. Anders liegt der Fall beim autonomen Fahren. Zwar gibt es genügend Bilder und Videos von Straßen, Verkehrsschildern, Fahrzeugen, Brücken usw. Aber für das KI-Training muss dem Algorithmus z. B. mitgeteilt werden, was davon eine Brücke, was ein Auto und was ein Mensch ist. Diese Aufgabe wird zurzeit von Menschen übernommen, die beispielsweise auf 1.000 Bildern jeweils ein Kästchen um abgebildete Personen malen. Oder sie beschriften die Objekte in den Bildern als Haus, Straße, Brücke oder Verkehrsschild.
Die besondere Herausforderung für die künstliche Intelligenz besteht beim autonomen Fahren darin, dass sich ein fahrendes Fahrzeug in einer extrem komplexen Situation befindet. Für Menschen ist es in der Regel kein Problem zu erkennen bzw. vorauszusehen, ob ein am Straßenrand stehender Mensch gleich über die Straße gehen wird oder nicht. Handelt es sich bei dieser Person um ein Kind, wird ein menschlicher Autofahrer vorsichtshalber die Geschwindigkeit reduzieren, weil er weiß, dass Kinder oft spontan loslaufen. Diese Situationen sind für die KI schwer zu trainieren, weil es nicht genügend Bilder und Videos zu allen denkbaren Situationen des Straßenverkehrs gibt. Schließlich kann niemand tausende von Menschen überfahren, um entsprechende KI-Trainingsvideos zu drehen. Da aber gerade beim autonomen Fahren die Hoffnungen sehr groß sind, dass sich damit Staus und Unfälle mit Verletzten und Toten vermeiden lassen, sucht man nach einem Ausweg aus diesem Dilemma. Eine mögliche Lösung wären synthetische Daten. Diesen Ansatz verfolgt Professor Cristobal Curio, der als Informatik-Professor an der Hochschule Reutlingen arbeitet.

Aber auch immer mehr kleinere Anwendungen der Künstlichen Intelligenz finden in der Automobilbranche Ihren Platz. So hat zum Beispiel die deutsche Firma birkle IT AG in München AI-Cut auf den markt gebracht. Mit AI-Cut hat dieses Unternehmen aus München ein Werkzeug zur schnellen, automatischen Freistellung von Fahrzeugbildern erstellt. Die KI des Programms kann zuverlässig zwischen Fahrzeug und Hintergrund unterscheiden. Zurzeit wird dieses Tool hauptsächlich bei Online-Portalen für den Fahrzeugverkauf eingesetzt. Wie der Vorstandsvorsitzende Jörn Halbauer sagt, führt diese automatische Freistellung zu einer enormen Zeitersparnis und entlastet die Mitarbeiter, die sich so ihren eigentlichen Aufgaben widmen können.

Birkle IT AG ist ein junges Unternehmen, das sich auf die Entwicklung von Software-Lösungen unter Nutzung der Künstlichen Intelligenz spezialisiert hat. Die von birkle IT entworfenen Anwendungen beschränken sich nicht auf den Bereich Automobile. Das Unternehmen ist auch auf den Gebieten Texterkennung, Buchhaltung, Finanzdienstleistungen, Versicherungen, Healthcare und Robotik tätig. Seit seiner Gründung im Jahr 2016 durch den heutigen Vorstandsvorsitzenden Jörn Halbauer ist das Unternehmen kräftig gewachsen. Waren es anfangs drei Mitarbeiter, ist die Belegschaft bis heute auf 74 Personen angestiegen. Neben der Zentrale in München gibt es seit dem Jahr 2018 auch eine Niederlassung in Tallinn.

Verwandte Beiträge

Leave a comment