#002 | Was ist Lowcode und wie kann ich KI in der Praxis einfach anwenden? | Kerim Galal | CEO InnoSEP

In dieser IIoT Use Case Podcast-Folge definiert Kerim Galal, CEO
der InnoSEP, künstliche Intelligenz (KI) und maschinelles Lernen
(ML) und wie diese Methodik in der Schnittstelle zum IIoT
anwenden lässt.

Hier findet ihr alle Infos zu Kerim, dem Use Case und den
Ausführungen dazu. 

Kerim stellt uns die InnoSEP GmbH vor und wie KI und ML durch die
Lowcode Analytics Plattform einfach angewendet werden kann. Vor
allem für „Nicht-KI-Profis“ kann die Lösung von InnoSEP auf einer
vorhandenen Basis genutzt werden. Er erklärt wie die
Datenanalysten der InnoSEP den ML LifeCycle in definierten
Prozessschritten durchführen und wie sie von den Rohdaten über
Merkmal-Findung mit Zieldefinition bis hin zum eigentlichen
Training des Datenmodells zu der Lösung des Problems
kommen. 


Er erklärt anhand drei Usecases, wie die InnoSEP relevante
Einflussparameter, Merkmale und Key Performance Indicators (KPIs)
findet, welche Rolle die Datenqualität und -Menge spielt. In den
Usecases spricht Kerim ebenfalls über embedded ML (zu deutsch
eingebettetes Maschinelles Lernen) und wie diese Methodik zur
Qualitätssicherung in der Produktion, beispielsweise der
Ausschussteil-Reduktion über Sensoren zum Einsatz kommt. Vor
allem bei dem von Kerim genannten Usecase im Rahmen des
EU-Projekts „Tiergesundheit im Schweinestall“, findet das
embedded ML als Methodik anklang, da ein komplexes
Datenmodelltraining mit mehreren Input-Größen vorliegt.
Sensorgeräte für die Usecases können dabei akustische oder
optische Auffälligkeiten und Abweichungen detektieren, und so die
Qualitätssicherung in der Produktion oder die Zustandsüberwachung
von Anlagen unterstützen. In dem genannten Usecase geht es
hierbei um die Reduzierung von Ausschussteilen im Prozess einer
Extrudermaschine. Neben Kameras für die Überwachung visueller
Parameter (Gut-Teil und Schlecht-Teil Überwachung) und Mikrofonen
zur Erfassung von Schallwellen kommen beispielsweise auch
Vibrations-, Berührungs-, Spannungs-, Strom-, Drehzahl-, Druck-
und Temperatursensoren zum Einsatz. Die Wahl der Sensorik hängt
vom entsprechenden Usecase ab. 


Die Episode schließt mit einer Diskussion über die zukünftigen
Entwicklungen, wie man die Mitarbeiter in die Change-Prozesse
einbindet und wie man trotz etablierter Prozesse die Lernkurve
auch im agilen Vorgehen steigern kann. Auch welches Angebot
InnoSEP bietet, um einfach mit KI-Projekten zu starten.

http://www.iotusecase.com/


Jetzt IoT Use Case auf LinkedIn folgen