KI-Technologien
Sensor Fusion & Physical AI
Informationen unterschiedlicher physischer Messquellen verbinden – Kamera, Radar, LiDAR und weitere Sensoren – als Grundlage für Systeme, die in der realen Welt handeln.
KI-Technologien
Hybrid AI & Decision Intelligence
Hybride KI und Entscheidungsunterstützung
Maschinelles Lernen, verbunden mit mathematischer Modellierung, Regeln und technischen Systemmodellen – für Aussagen, denen man ansieht, wie sicher sie sind.
Methoden und Verfahren
- Physikalische Modelle
- Zustandsschätzung aus unvollständigen, verrauschten Messungen
- Statistische Bewertung und Unsicherheitsmodellierung
- Mehrere Hypothesen parallel verfolgen, bis die Daten eine Entscheidung tragen
- Plausibilitätsprüfung
- Erklärbarkeit und Rückverfolgbarkeit
Anwendungsbeispiele
- Lagebild eines Versorgungsnetzes: ein Leck früh erkennen, lokalisieren und von einem Sensorfehler unterscheiden
- Prognosen mit Unsicherheitsband und Begründung in natürlicher Sprache
Worauf es ankommt
Das Verfahren ist nicht auf ein Anwendungsgebiet beschränkt: Die Mathematik bleibt gleich, das Modell des Anwendungsgebiets entsteht gemeinsam mit dem Anwender. Strategisch relevant ist es vor allem bei sicherheitsrelevanten, industriellen und komplexen technischen Aufgaben.
Die Mathematik dahinter ist dieselbe, mit der wir seit 2005 Sensordaten fusionieren. Neu ist die KI-Schicht, die Hypothesen vorschlägt und die Lage in Worten erklärt.
Beispiel: ein Wasserversorgungsnetz
Ein Versorgungsnetz besteht aus Knoten und Leitungen. Gemessen wird nur an wenigen Stellen. Tritt ein Leck auf, sinkt der Druck zuerst an einem Knoten, dann an den Nachbarn. Die Aufgabe: das Leck früh erkennen, es lokalisieren und von einem bloßen Sensorfehler unterscheiden.
- Rechenkern. Ein physikalisches Modell des Netzes; unterschiedliche Netzformen entstehen durch Konfiguration.
- Zustandsschätzung. Aus unvollständigen, verrauschten Messungen wird der vollständige Netzzustand geschätzt, mit Unsicherheitsband.
- Überwachung der Messkanäle. Fehler wie Versatz, Drift, Ausreißer oder ein eingefrorener Wert werden laufend erkannt.
- Parallele Hypothesen. Bei Mehrdeutigkeit werden mehrere Deutungen parallel verfolgt und nach Wahrscheinlichkeit bewertet.
- KI-Schicht. Sprachmodelle schlagen Erklärungen vor und übersetzen Betreiberwissen, etwa aus Wartungsberichten, in Vorwissen.
- Lagebericht. Die Lage wird in natürlicher Sprache zusammengefasst, einschließlich der Grenzen der Aussagekraft.
Warum mehrere Hypothesen nötig sind
Wird eine Messung dem falschen Knoten zugeordnet, scheitert ein klassischer Filter: Die Schätzung springt hin und her, und kein Nachjustieren hilft, weil die Annahme über die Zuordnung falsch ist. Verfolgt das System die möglichen Zuordnungen parallel, findet es die richtige. Dasselbe gilt für die Frage, ob eine Auffälligkeit ein Ereignis im Netz oder ein Fehler des Sensors ist; beide erzeugen ähnliche Messbilder.
Weiterführende Themen
Branchen
Öffentliche Einrichtungen und komplexe Lagebilder
Heterogene Datenbestände und räumliche Informationen zu Lagebildern verbinden und Entscheidungen nachvollziehbar unterstützen.
Branchen
Industrie und Maschinenbau
Erfahrungswissen sichern, Varianten beherrschen, Bild- und Sensordaten für Zustands- und Qualitätsbewertung nutzen.
Sie möchten KI in Ihrem Unternehmen nutzbar machen?
Ob erste KI-Einführung oder komplexe Entwicklungsaufgabe – wir besprechen mit Ihnen die Anforderungen und geeigneten nächsten Schritte.