Wie Maschinen voneinander lernen können
Bosch Research und das AIT bauen ihre langjährige Forschungskooperation weiter aus. Das Ziel: Schwarmintelligenz auf dem Shopfloor nutzen.
Die Kooperation gründet auf einer langjährigen Zusammenarbeit, die Bosch Research und das AIT Center for Vision, Automation & Control auf dem Gebiet der Regelungstechnik unterhalten. Der nun geplante Ausbau gilt der Erforschung von adaptiven und lokal lernenden Algorithmen. Mit dem sogenannten Federated Learning (Föderales Lernen) will man den nächsten Schritt in Richtung vernetzter und gemeinsam lernender Maschinen und Komponenten gehen.
Bereits heute werden Algorithmen für die Automatisierung von mobilen Arbeitsmaschinen durch maschinelles Lernen trainiert. Das Training der dafür notwendigen Modelle kann dezentral auf den Steuergeräten der einzelnen Maschinen erfolgen (lokales Lernen). Der Knackpunkt dabei: Einzelne Systeme können nicht von den Erfahrungen anderer Systeme in der Flotte profitieren.
Datenschutz
Durch den Einsatz von Federated Learning soll es nun möglich werden, Modelle und damit Wissen über das Verhalten mehrerer Maschinen in der Cloud zu einem verbesserten Gesamtmodell zusammenzuführen. Konkret könnten zum Beispiel einzelne Maschinen, die unter extremen Umgebungsbedingungen wie Minustemperaturen Daten gesammelt haben, das dabei „gelernte“ Wissen an andere Maschinen weitergeben.
Ein anderes Beispiel ist, dass Maschinen Störungen im Betriebsverhalten beziehungsweise defekte Komponenten erkennen, weil diese vom „Normalverhalten“ abweichen. Indem nur die gelernten Modelle und nicht die aufgezeichneten Daten ausgetauscht werden, soll eine besonders datenschutzfreundliche Methode des maschinellen Lernens entstehen.
Das Ziel der Forschungskooperation ist es, das Konzept des Federated Learning auf komplexe nichtlineare dynamische Systeme zu übertragen, in ausgewählten Anwendungen umzusetzen und den Mehrwert dieses Ansatzes zu erschließen. Schwerpunkt des VAC-Beitrags ist es, vorhandene wissenschaftliche Lücken zu identifizieren und durch neue Methoden und Algorithmen zu schließen.
Selbstlernende Systeme
Die dezentrale Optimierung von Modellen auf den datengenerierenden Geräten soll den selbstlernende Systeme ermöglichen, die sich kontinuierlich anpassen können, ohne die Datensicherheit zu kompromittieren. Bosch Research will hierzu die industriellen Anforderungen und Beispielanwendungen einbringen, an denen das Konzept umgesetzt wird. Darüber hinaus setzt der Industrieausrüster die entwickelten Methoden auch im Kontext seiner verschiedenen Geschäftsbereiche ein.
Die Anwendung des Federated Learning soll einen maschinenübergreifenden Wissenstranstransfer möglich machen. Damit könnten im laufenden Betrieb die Systemeigenschaften kontinuierlich über eine ganze Flotte hinweg, und nicht nur am individuellen System, verbessert werden. Zudem legen die Forschungspartner großen Wert auf die Skalierbarkeit der Lösungen, um die entwickelten Methoden auf einer Vielzahl unterschiedlicher Fertigungsanlagen zur Anwendung zu bringen.
