Wie viel KI steckt in der Inwatec-Anlage?

Über KI

Künstliche Intelligenz befasst sich mit der Entwicklung von Computersystemen und Software, die Aufgaben erledigen können, welche normalerweise die menschliche Intelligenz voraussetzen. Bei diesen Aufgaben geht es um die Lösung von Problemen, das Lernen aus Erfahrung, das Verstehen der natürlichen Sprache, das Erkennen von Mustern und das Treffen von Entscheidungen. KI-Systeme sollen kognitive Funktionen des Menschen nachahmen oder simulieren, beispielsweise Wahrnehmung, Argumentation, Problemlösung und Entscheidungsfindung, häufig mit dem Ziel der Automatisierung von Prozessen, einer Verbesserung der Effizienz und der Handhabung komplexer Aufgaben, deren Erledigung durch den Menschen herausfordernd oder zeitaufwändig wären. Die KI umfasst verschiedene Teilbereiche wie maschinelles Lernen, die Verarbeitung natürlicher Sprache, Computer Vision und Robotik, wobei sie sich kontinuierlich weiterentwickelt mit dem Ziel, Systeme zu erschaffen, die in spezifischen Bereichen eine menschenähnliche oder dem Menschen überlegene Intelligenz aufweisen.

Inwatec-Systeme, in denen KI eingesetzt wird

Der ODIN Röntgen-Scanner ist in der Lage, gefährliche Fremdobjekte wie Kugelschreiber, Nägel oder Nadeln zu erfassen und die betreffenden Formteile anschliessend auszusortieren. Um die bestmöglichen Ergebnisse zu erreichen, wird Software mit modernster KI eingesetzt, um die Maschine kontinuierlich zu trainieren und ihre Parameter entsprechend dem jeweiligen Bedarf der einzelnen Wäscherei zu optimieren. Die Erkennungsqualität hängt letztendlich von der Art der gescannten Formteile ab. Wir haben Millionen von Bildern gesammelt, die in Muster segmentiert wurden, um ein neuronales Netz mit ungefähr 5 Millionen dieser Muster zu trainieren. Unser Ziel ist es, dem neuronalen Netz möglichst so viele Muster zur Verfügung zu stellen, dass es die meisten und bestenfalls alle Gegenstände gesehen hat, die in einer Wäscherei vorkommen können. Neuronale Netzwerke können Gegenstände, die sie bereits kennen, hervorragend identifizieren. Unser Ziel ist also, dem neuronalen Netz möglichst viele Beispiele von akzeptierten Gegenständen (z. B. Knöpfe, Reissverschlüsse) und von unerwünschten Fremdobjekten (z. B. Messer, Skalpelle) zu zeigen. Das Erkennen von Metall ist relativ unkompliziert, bei einem Kunststoffgegenstand wird es schwieriger. Ein herkömmlicher Metalldetektor, wie er in den meisten Wäschereien eingesetzt wird, würde nur ein Messer erkennen, nicht aber einen Kugelschreiber aus Kunststoff.

Die Erstversion von ODIN arbeitete nicht mit KI. Durch einen Wechsel zu normaler Computer Vision mit KI konnten wir die Erkennungsrate auf bis zu 99 % erhöhen. Ein Bild mit einem Röntgen-Scanner zu machen ist nicht besonders schwierig, unerwünschte Gegenstände in einem Formteil zu finden, gleichzeitig jedoch die zu einem Formteil gehörenden Gegenstände davon zu unterscheiden, ist ziemlich komplex. Die KI in ODIN stellt sicher, dass das System unterscheiden kann zwischen Wäschestücken, die zurückgewiesen werden müssen, weil sie unerwünschte Objekte enthalten.

Die HEIMDAL Kamera basiert auf Künstlicher Intelligenz und sortiert Produkte anhand ihrer optischen Eigenschaften wie Farben, Muster, Texturen und sogar Grösse. In Verbindung mit intelligenter Software kann HEIMDAL zwischen verschiedenen Arten von Wäschestücken unterscheiden. Jedes Projekt erhält seinen spezifischen Datensatz, bei dem das Training für eine spezifische Sortier-Zusammensetzung und ein bestimmtes Produktportfolio erfolgen muss. Gegenwärtig sind verschiedene Systeme für Arbeitskleidung, Weisswäsche und Mischprodukte in Betrieb. Auch ohne RFID kann mit HEIMDAL eine höhere Sortiergenauigkeit als beim manuellen Sortieren erreicht werden.

Auch bei HEIMDAL besteht der Daten-Input aus einem Bild, aber anders als beim Röntgenbild handelt es sich hier um eine echte Farbfotografie. Ähnlich wie ODIN verwendet das System ein neuronales Netz zur Erstellung eines Fingerabdrucks des Gegenstandes, wodurch eine präzise Identifizierung ermöglicht und beispielsweise eine Unterscheidung zwischen kleinen und grossen Handtüchern möglich ist.

Vergleich mit unserer täglichen Dosis KI: ChatGPT

ChatGPT wird mit Hilfe gesammelter und gespeicherter Daten trainiert, die durch neuronale Netzwerke in Antworten umgesetzt werden. Dieser Prozess spiegelt, wie KI in Wäschereien funktioniert. Der wichtigste Unterschied ist der Einsatz von durch den Menschen gelabelten Bildern, die von Menschen definiert und in das System eingegeben werden, um die Genauigkeit der in das neuronale Netzwerk eingespeisten Daten zu gewährleisten. Wir arbeiten eng mit Softwareingenieuren zusammen, um die Modelle zu verfeinern, den korrekte Datensatz zu erstellen, und von Anfang an einen effektiven Trainingsprozess einzurichten. Beim Trainieren der KI für ODIN kann es vorkommen, dass dabei Gegenstände falsch ausgewählt oder Fehler gemacht werden. 

Das System kann nur besser werden, wenn Modelle über neuronale Netzwerke trainiert werden und man sich dabei nicht ausschliesslich auf Vorhersagen verlässt - denn die können fehlerhaft sein. Der Einsatz eines neuronalen Netzwerks ist per Definition ein KI-Ansatz – erfolgreich angewendet in ChatGPT, einer Reihe von industriellen Anwendungen in den verschiedensten Branchen und im Sortierbereich vieler Wäschereien auf der ganzen Welt. 

Ohne KI würde es nur als fotografisches Werkzeug funktionieren, für das eine erhebliche Anzahl an Bedienern erforderlich wäre, um die Erkennung von Gegenständen zu handhaben. Dank KI ist der Prozess des Sortierens verschmutzter Textilien weitgehend automatisiert und das menschliche Eingreifen bei der Entfernung unerwünschter Gegenstände reduziert.