05 Learning (Gastbeitrag des Fraunhofer IAIS)

Ein neuer Tag auf der Open-Innovation-Plattform der Initiative Intelligente Vernetzung – und ein neues Forschungsfeld, das wir Ihnen präsentieren möchten. Freundlicherweise hat uns das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS unter der Leitung von Prof. Dr. Stefan Wrobel einen Beitrag zum Thema Machine Learning zur Verfügung gestellt, der konkrete Anwendungsfelder von KI-Technologien veranschaulicht.

 

Maschinelles Lernen ist auf dem Vormarsch

Ob in der industriellen Produktion, im Verkehr oder der Energiewirtschaft – „Maschinelles Lernen“ spielt eine zentrale Rolle für die Lösung wirtschaftlicher und gesellschaftlicher Aufgaben. Hinter dem Begriff steht die Idee, dass Computerprogramme anhand beispielhafter Daten lernen, kognitiv herausfordernde Probleme zu lösen.

Bei der globalen Nutzung moderner Informations- und Kommunikationstechnik entstehen große Datenmengen – „Big Data“. Diese werden verwendet, um Algorithmen entsprechend zu trainieren. „Deep Learning“, die Methode der Informationsverarbeitung anhand künstlicher neuronaler Netze, hat zu Durchbrüchen in der Bilderkennung, der Sprachverarbeitung oder auch der Robotik geführt. Die Computerprogramme, die oft auf Methoden der Statistik und der Optimierung beruhen, lassen sich vielfältig einsetzen.

 

Video: „Machine Learning“ – Interview mit Prof. Dr. Stefan Wrobel, Institutsleiter Fraunhofer IAIS

  

 

Zuverlässige Erkennung von Verkehrszeichen

In der Automobilbranche etwa spielt die Bildverarbeitung mit maschinellen Lernverfahren eine zentrale Rolle. Technologien zur Objekt- und Mustererkennung werden mit Deep-Learning-Ansätzen kombiniert und kommen unter anderem beim „Autonomen Fahren“ zum Einsatz.

Automatisierte Fahrzeuge müssen Verkehrszeichen zuverlässig erkennen können. Um eine komplexe Verkehrsführung mit unterschiedlichen Informationen zu Geschwindigkeit oder Spurenverlauf zu verstehen, wie sie vor allem im Baustellenbereich vorkommt, entwickeln Wissenschaftler des Fraunhofer IAIS Technologien zur Echtzeitinterpretation solcher Hinweisschilder.

 

Spurensuche in geologischen Daten

Auch bei der Suche nach Rohstoffvorkommen helfen Deep-Learning-Techniken. Die Forscher des Fraunhofer IAIS trainieren künstliche neuronale Netze mit echten Daten aus der Öl- und Gasindustrie. Sie durchsuchen interessante seismische Datensammlungen nach Strukturen und Konfigurationen und helfen Geologen dabei, schneller und mit einer höheren Sicherheit wertvolle Rohstoffvorkommen zu finden.

10.06.2017
  • künstliche intelligenz
  • learning

Kommentare

Diskutieren Sie mit der Community auf der Open-Innovation-Plattform