Eine Herausforderung die wahrscheinlich jeder schon einmal im Zusammenhang mit KI gehört hat: Für die Entwicklung von KI-Anwendungen sind große Datenmengen notwendig. Oft wird in diesem Zusammenhang von großen Daten-Clouds gesprochen, in denen Prozessdaten von verschiedenen Unternehmen zum Training der KI-Anwendungen gespeichert werden sollen. Um das Knowhow im Unternehmen zu schützen werden Prozessdaten jedoch meist streng geheim gehalten. Zudem verursacht ein ständiger Datenstrom hin zur Cloud enormen Datenverkehr, was wiederum mit hohen Netzwerkanforderungen und einem hohen Energieverbrauch einhergeht.
Eine Lösung für dieses Problem ist sogenanntes Transfer Learning. Dabei werden nicht die Daten, sondern das in den KI-Modellen abstrakt gespeicherte Wissen ausgetauscht. KI-Modelle können so stetig verbessert werden ohne, dass die Unternehmen ihre Prozessdaten preisgeben müssen. Die oktoflow-Plattform bietet hierfür die notwendigen Tools.
Mehr über dieses Thema erfahren Sie an unserem Live-Demonstrator auf der EMO 2023. Hier haben wir mit der okotflow-Plattform ein Beispiel für Transfer Learning zur bildbasierten Qualitätsüberwachung umgesetzt. Dabei lernen zwei Roboter voneinander verschiedene Fehler auf der Werkstückoberfläche zu erkennen.