{{{sourceTextContent.title}}}

Drohnen mit KI: Intuitive Drohnen in den Arbeitsablauf einbinden

{{{sourceTextContent.subTitle}}}

Drohnen werden zunehmend in Arbeitsabläufe integriert, um hochwertige Daten über Anlagen zu sammeln. Im Laufe der Zeit mussten die Entwickler die Drohnentechnologie weiterentwickeln, um die Anforderungen der Endnutzer nach intuitiveren und reaktionsschnelleren Flügen, Datenerfassung, -verarbeitung und -analyse zu erfüllen.

{{{sourceTextContent.description}}}

Im Webinar "Drones and AI: Improving Workflows" (Drohnen und KI: Verbesserung der Arbeitsabläufe) sprach Commercial UAV News mit Yariv Geller von vHive, Toomas Välja von Hepta Airborne, Kabe Termes von Skydio und Eric Wittner von Intel Geospatial darüber, wie KI und ML die Arbeitsabläufe von der Datenerfassung, -verarbeitung und -analyse bis hin zum endgültigen Ergebnis verbessern. Nachfolgend finden Sie eine Zusammenfassung des Webinars. Für weitere Einblicke in dieses Thema sollten Sie unbedingt die vollständige Version lesen.

Danielle Gagne: KI und ML werden oft synonym verwendet, aber es gibt einige Unterschiede zwischen ihnen. Können Sie uns Ihre Definition von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) geben?

Yariv Geller: vHive ist die einzige Softwarelösung, die es Unternehmen ermöglicht, autonome Drohnenschwärme einzusetzen, um ihre Vermögenswerte zu digitalisieren und digitale Zwillinge zu erstellen. Wir machen viel Gebrauch von KI und ML, und ich denke, das Wichtigste ist, was diese Begriffe ausdrücken, was sich dahinter verbirgt. Das Ziel, das die Industrie anstrebt, ist der Sinn der Automatisierung, da immer mehr Daten durch die Leitungen der Unternehmen fließen und ihnen einen enormen Wert bieten. Doch in vielen Fällen sind die Unternehmen mit der Menge der Daten, die sie erhalten, überfordert. Ein Teil des Versprechens der KI besteht darin, Daten zu erfassen, zu analysieren, Prozesse zu automatisieren und schneller zu Erkenntnissen zu gelangen, so dass Unternehmen nicht mehr in Daten ertrinken und schneller auf den Punkt kommen. Es gibt auch eine Vorstellung von Systemen, die sich im Laufe der Zeit qualitativ verbessern können, es gibt also einen Sinn für ML, was eine weitere interessante Sache ist, die wir in verschiedenen Branchen sehen.

Toomas Välja: KI ist eher ein allgemeiner Begriff, der eine Problemlösungsmethode beschreibt, mit der Probleme gelöst werden können, die mit konventionellen Methoden nicht zu bewältigen sind. Es ist etwas, das den Einsatz von Techniken wie ML, einem Teilbereich der KI, ermöglicht, bei dem die Verbesserung des Algorithmus oder Programms dem menschlichen Lernen ähnelt. Wir versuchen, Probleme zu lösen und die Daten sinnvoll zu nutzen. Ganz gleich, wie wir es nennen, ob es sich um KI, Deep Learning, neuronale Netze oder etwas anderes handelt. Wenn Sie nicht mit echten Datenwissenschaftlern sprechen, werden diese Begriffe meiner Erfahrung nach alle austauschbar verwendet.

Eric Wittner: KI als allgemeine Kategorie ist eine Maschine, die menschliche Intelligenz nachahmt, um auf der Grundlage einer Reihe von Regeln oder Verfahren Entscheidungen zu treffen oder Aufgaben auszuführen. Diese Regeln können von Menschen definiert sein, wie z. B. das automatische Telefonsystem, das Ihnen antwortet, wenn Sie sprechen, oder wie ein Algorithmus zur Gesichtserkennung und Facebook, der Ihnen alle Ihre Freunde anzeigt. ML ist ein Teilbereich der KI und ermöglicht es der KI, die Regeln auf der Grundlage der bereitgestellten Daten selbst zu lernen. Das ist einer der Gründe, warum ich Drohnen und UAVs im Allgemeinen für so spannend halte, weil sie so viele Daten liefern. Diese ML-Algorithmen können die Merkmale der Dinge, die sie in diesen Bildern sehen, identifizieren und verstehen, z. B. alle Häuser in einer Art Bildmaterial finden, feststellen, welche beschädigt sind, und die markieren, die als Reaktion auf einen Tsunami zerstört wurden. Deep Learning ist sozusagen der nächste Schritt, bei dem die KI aus den Daten auf eine nicht überwachte Art und Weise Erkenntnisse ableitet und die erkannten Merkmale weitergibt. Ich denke aber, dass KI in diesem Bereich auch Computer Vision, räumliche Analyse und räumliche Vorhersage umfasst. Das alles steht im Dienst der Entscheidungsfindung oder der Bereitstellung von Aktionen für Kunden.

Kabe Termes: Ich würde vieles von dem, was über die Begriffe KI und ML gesagt wurde, in Bezug auf die exakte Wissenschaft und die Art und Weise, wie sie miteinander interagieren, wiederholen, aber ich denke eher von der operativen Seite des Hauses her. Wenn wir bei Skydio an ML denken, bezeichnen wir das fast als einen Baustein der KI. ML kann in einem Bildklassifikator verwendet werden, um den Schaden zu identifizieren, und man kann Dinge wie Ultraschallsensoren verwenden, um festzustellen, wo sich ein Hindernis befindet. Aber damit Drohnen KI nutzen können, brauchen sie ein Gerät, das die Welt um sie herum sehen und verstehen kann. Heute vermarkten mehr und mehr Unternehmen ML-Funktionen. Wir bei Skydio sind jedoch der festen Überzeugung, dass man die Schwelle zum KI-Bereich überschreiten muss, bevor man seinen Piloten ein wirklich transformatives Erlebnis bieten kann. Auf diese Weise können Sie damit beginnen, diese Programme zu skalieren und die Dinge auszubauen, was davon abhängt, alle verschiedenen Teile von ML in eine wirklich KI-fähige Drohne zu integrieren.

Als Drohnen in der kommerziellen Industrie eingeführt wurden, lag der Schwerpunkt auf der Erfassung einer Vielzahl hochwertiger Daten. Wir stellten bald fest, dass dies einen Engpass für nachgelagerte Prozesse darstellte. Da die Erfassung, Verarbeitung und Analyse der Daten und die anschließende Erstellung der Ergebnisse mehr Zeit in Anspruch nahm, gingen jegliche Effizienzgewinne verloren. Können Sie anhand eines Beispiels aufzeigen, wo wir diese Engpässe lösen und wie KI und ML ein wichtiger Teil dieser Gleichung sind?

Eric Wittner: Ich denke, wir haben diese Herausforderung in der Welt der Bild- und Geodaten im Laufe der Zeit wiederholt gesehen. Jedes Mal, wenn wir unsere Fähigkeit, Informationen zu sammeln, verbessern, haben wir Schwierigkeiten, diese zu verwalten, zu nutzen und Entscheidungen zu treffen. In den späten 90er- und frühen 2000er-Jahren waren die Lidar-Datensätze, die wir erhielten, so groß, dass es manchmal sogar schwierig war, sie maschinell zu verarbeiten. Es handelt sich um ein dreiteiliges Problem: die Gesamtgröße der Daten, und wir sehen viele Lösungen, mit denen wir große Datenmengen in der Cloud verwalten können; dann geht es darum, diese Daten nutzbar zu machen, z. B. mit Werkzeugen, mit denen wir Bilder zu einem bestimmten Thema bearbeiten und zuordnen können; und schließlich um die Durchführung von Analysen, um aus diesen Daten Erkenntnisse zu gewinnen. Das ist der Rahmen. Wenn man alle Daten gemeinsam verwalten, visualisieren und mit realen Funktionen verknüpfen kann, um sie zu analysieren und Entscheidungen zu treffen, dann haben wir eine Komplettlösung.

Toomas Välja: Bei Hepta Airborne hatten wir den Auftrag, Stromleitungen zu inspizieren, die sich über Zehntausende von Kilometern erstreckten. Das war eine ziemlich stagnierende Branche, in der Inspektionen zu Fuß in den Wäldern durchgeführt wurden, auf der Flucht vor Bären, mit Gummistiefeln in den Sümpfen oder mit teuren Hubschraubern. Wir begannen also, Drohnen einzusetzen, und merkten sofort, dass der Arbeitsaufwand für das Verschieben von Fotos und Videos zwischen Ordnern und die Verwaltung all dieser Daten den Gewinn schmälerte, den man erzielte. Um dieses Problem zu lösen, begannen wir mit der Entwicklung einer einfachen Webanwendung zur Verwaltung und Konsolidierung der Daten, um einen strukturierten Ansatz zu entwickeln, der zu diesem Zeitpunkt jedoch noch nichts mit KI zu tun hatte. Heute nutzen wir KI, um manuelle Analyseprozesse zu beschleunigen, und obwohl wir nicht behaupten, magische Tools zu haben, die alles erkennen, erledigen die Leute, die diese Arbeit machen, sie zwei-, drei- oder fünfmal schneller als zuvor.

Als wir anfingen, all diese Daten zu sammeln, was war da der Reiz und der Wert, den die Leute sahen? Warum sollten wir uns mit KI beschäftigen, um unser Verständnis und unsere Ergebnisse zu verbessern? Wie kann KI die Lücke zwischen mehr und besser schließen?

Toomas Välja: Da wir versuchen, die Inspektionsverfahren für die Infrastruktur so weit wie möglich zu automatisieren, ist es oft erforderlich, sich jede Variante einer Anlage anzusehen. Bei herkömmlichen Methoden muss ein Mensch die Bilder durchsehen. Wir haben also zwei Möglichkeiten, dies effizienter zu gestalten: Entweder wir stellen Tools zur Verfügung, die diesen Auswahlprozess beschleunigen, oder wir eliminieren die menschliche Komponente ganz. Letzteres ist sehr viel schwieriger zu erreichen, aber ich denke, Ersteres ist ein Sprungbrett, um Letzteres zu erreichen.

Yariv Geller: Nehmen wir die Vermessung von Türmen als Beispiel: Die derzeitige Methode der Datenerfassung besteht darin, Leute auf 300 Fuß hohe Türme klettern zu lassen, mit einem Maßband, Mobiltelefonen, um Fotos zu machen, und vielleicht einem Marker. Das ist gefährlich. Erstens kostet es viel Zeit, und man darf es nicht mit einer einzigen Person machen, weil man in großen Höhen arbeitet. Selbst dann werden nur ein paar spärliche Daten aufgenommen und an jemanden in einem Büro geschickt, der sich mit einer CAD-Software hinsetzt und versucht, das Erfasste zu rekonstruieren und etwas Interessantes daraus zu machen. Drohnen bieten eine Methode, die gleichen Daten in einem Bruchteil der Kosten und Zeit zu erhalten, ohne Menschen zu gefährden, und durch automatisierte Arbeitsabläufe Datenprodukte und Erkenntnisse zu erzeugen. Das Ersetzen mühsamer und gefährlicher Prozesse durch vollautomatische Prozesse, die Ergebnisse in Echtzeit liefern, ist der wichtigste Anreiz, den wir in der Branche gesehen haben. Drohnen müssen zu einem Werkzeug werden; sie werden sich in einem Unternehmen nicht durchsetzen, wenn es auf einen Drohnenexperten angewiesen ist, um sie zu nutzen. Das Konzept besteht darin, eine Drohne zu haben, die jeder starten kann, wann immer er will, die er aus dem Kofferraum oder aus dem Rucksack nehmen und einfach loslassen kann.

Wie können Drohnen und KI die Ziele der Modernisierung, Reparatur und Instandhaltung unserer Infrastruktur und der Schaffung von Arbeitsplätzen auf der ganzen Welt verwirklichen? Welche Lücken oder Herausforderungen sehen Sie, wenn KI-Anwendungen nicht Teil dieser Gleichung sind?

Kabe Termes: Wenn man sich die USA heute anschaut, haben wir etwa 620.000 Brücken, 4 Millionen Meilen an Straßen, 140.000 Meilen an Eisenbahnstrecken und etwa 150.000 Mobilfunkmasten, 200.000 Meilen an Übertragungsleitungen, und es gibt nur etwa 200.000 Piloten in den USA. Wir setzen Drohnen ein, um einen Teil dieser Infrastruktur zu inspizieren, aber Drohnen müssen zu einem Bestandteil des Werkzeuggürtels eines Betreibers werden, um mit der Nachfrage Schritt zu halten und den Umfang wirklich zu vergrößern. Alltägliche Betreiber müssen keine Drohnenpiloten sein, und sie benötigen nicht das hohe Maß an Schulung und Wartung, das wir den derzeitigen Drohnenbetreibern zumuten. Dies wird vor allem in den nächsten zehn Jahren von entscheidender Bedeutung sein, wenn einige dieser Programme ins Spiel kommen, da die Infrastrukturen weiter zerfallen und der Bedarf an Inspektionen drastisch ansteigt. Hier kommt die KI ins Spiel. Einer unserer Kunden in Japan, der 2019 etwa zehn Brückeninspektionen durchführte, hat sein Programm auf den Einsatz von KI- und ML-fähigen Skydio-Drohnen umgestellt und wird 2021 etwa 700 Brückeninspektionen durchführen. Sie haben den Schulungsaufwand von etwa 100 Stunden auf insgesamt 8 Stunden reduziert, bevor sie diese Leute ausrüsten und ins Feld schicken können. Sobald wir den Schulungsaufwand und das erforderliche Qualifikationsniveau eines Bedieners für den Einsatz im Feld reduzieren, wird dies der Übergangspunkt sein.

Yariv Geller: Wir hatten Kunden, die unter Geräten litten, die korrosiven Umgebungen ausgesetzt waren und die zusammenbrachen, wenn man sich nicht um sie kümmerte. In vielen Fällen werden Unternehmen erst dann aktiv, wenn der Ernstfall eintritt, und dem wollen wir zuvorkommen. Ein Teil des Versprechens digitaler Anlagen ist die Möglichkeit, viel schneller und intelligenter auf die Geschehnisse vor Ort zu reagieren. Die Möglichkeiten, Einblicke in die Infrastruktur zu erhalten, werden durch diese Tools enorm erweitert und ermöglichen eine wesentlich straffere Arbeit. Manchmal neigt man dazu, KI und Computer als Bedrohung für die Arbeitnehmer zu betrachten, weil sie Arbeitsplätze wegnehmen. Die Demokratisierung von Daten und die Fähigkeit, Drohnen autonom zu nutzen, hilft den Menschen jedoch in vielerlei Hinsicht, in die digitale Arbeitswelt einzusteigen, anstatt verdrängt zu werden. Je mehr wir den Menschen die Technologie näher bringen und sie ihnen zugänglich machen, desto mehr Möglichkeiten schaffen wir, an diesen Bemühungen teilzuhaben.

Mit einer wachsenden Zahl von KI-Entwicklungstools von Unternehmen wie AWS, Google und C3 ist es heute einfacher denn je, KI zu entwickeln. Wie kann sich Ihr Unternehmen in diesem wachsenden KI-Markt einen Wettbewerbsvorteil verschaffen?

Eric Wittner: Das ist eine schwierige Frage. Sie werden Ihren Wettbewerbsvorteil aufrechterhalten, indem Sie Ihre Tools entwickeln oder Ihre Routinen verbessern. Aus der Sicht von Intel Geospatial sind wir nicht nur eine Plattform für unsere eigene KI und ML; wir bieten einen Ort, an dem andere Unternehmen ihre Algorithmen hosten und ihre Analysen durchführen können. Wir haben eine Analyse von Drittanbietern für die Bewertung von Vegetationsüberschneidungen und Übertragungsleitungen, die auf unserer Plattform laufen, aber wir entwickeln sie nicht selbst. Wir wissen also, dass wir nicht alles selbst entwickeln können. Es gibt Bereiche, in denen wir unsere Führungsrolle in Bezug auf KI und ML beibehalten, aber wir wollen mit anderen Marktführern zusammenarbeiten und den Kunden die besten Tools zur Verfügung stellen, die sie für ihre Entscheidungsfindung und ihr Handeln innerhalb ihrer Organisationen nutzen können.

Abschließend: Wo sehen Sie die Zukunft von KI und ML in naher und ferner Zukunft? Und wie wird dies einen Mehrwert für das Unternehmen schaffen?

Yariv Geller: Es gibt drei Bereiche, in denen KI für die Drohnenbranche von Nutzen sein kann. Der erste Bereich ist die Unterstützung von Drohnen beim Fliegen, damit sie nicht mit Gegenständen zusammenstoßen, verstehen, wo sie sich befinden und so weiter. Der zweite Bereich ist die Datenerfassung, die Fähigkeit, die Art und den Ort der Daten, die erfasst werden müssen, um die richtigen Ergebnisse zu erzielen, besser zu planen und zu verstehen. Und der dritte Bereich betrifft eher vertikale industrielle Anwendungen. Wie kann ich jetzt, da ich die Daten habe, bessere Erkenntnisse aus ihnen gewinnen? Dies sind die drei wichtigsten Tätigkeitsbereiche, die ich jetzt und in Zukunft sehe. Sie werden sehen, dass dies in immer größerem Umfang und mit immer mehr Anwendungsfällen geschehen wird.

Eric Wittner: Zwei Dinge. Erstens denke ich, dass Erkenntnisse durch die Anwendung von KI und ML im Laufe der Zeit gewonnen werden, wenn wir immer mehr dieser Informationen an denselben Orten sammeln und sehen, was wir herausfinden können. Dann, eine kleine Vorhersage, was wir langfristig sehen werden, ist der Einsatz von KI und ML in Geräten, die verwertbare Informationen generieren. Intel besitzt ein Unternehmen namens Mobileye, das Sensoren für autonome Fahrzeuge und Fahrassistenzsysteme herstellt, und all die Geodaten, die von diesen Geräten stammen, werden dazu führen, dass KI und ML in den Randbereichen zum Einsatz kommen.