Analytics

Wie lange hält die Klebung? Kreative Datenlösungen helfen der Bundeswehr bei Materialforschung

Veröffentliche eine Notiz:


Durch moderne Datentechnologien lassen sich heute Herausforderungen meistern, die mit manuellen Methoden kaum oder nur unter sehr großem Zeitaufwand zu bewältigen wären. Voraussetzung dafür: Daten, Tools und das kombinierte Wissen von Fach- und Datenexperten arbeiten kreativ zusammen. Wie schnell und unkompliziert Organisationen dadurch auf neue Lösungen kommen, zeigt eine aktuelle Zusammenarbeit zwischen dem wehrwissenschaftlichen Institut für Werks- und Betriebsstoffe (WIWeB) und IBM.

Wann lösen sich Klebeverbindungen zwischen Textilien und Aluminium? Wie verhält sich die Klebeverbindung im Laufe der Zeit? Für das WIWeB sind das wichtige Fragen, denn sie müssen verlässliche Vorhersagen zur Stabilität von Leichtbaustrukturen und anderem Gerät machen, bei denen diese Verbindungen eingesetzt werden. Über tausend Bilder dokumentieren verschiedenste Arten von Klebungen. Mit ihrer Hilfe treffen die Wissenschaftlerinnen und Wissenschaftler Vorhersagen über den Lebenszyklus und die Qualität der Klebeverbindungen. Dabei helfen ihnen Künstliche Intelligenz, Daten-Technologie und Methoden von IBM.

Wissenschaftler prüfen Lebenszeit von Materialien

Aufgabe des WIWeB ist es, „wissenschaftliche und technologische Grundlagen und Methoden bei der Untersuchung und Beurteilung der chemischen, physikalischen und sicherheitstechnischen Eigenschaften von Werkstoffen und Betriebsstoffen sowie von Textilien und Chemikalien“ zu erarbeiten und zu nutzen. Eine besonders wichtige Aufgabe ist die Entwicklung von Materialien, Bauweisen, Schutzkonzepten und Prüfverfahren über den gesamten Lebenszyklus von Geräten und Ausrüstungen. Das Institut prüft hier unter anderem, wie und wann Schäden auftreten, und sucht nach Wegen, diese in Zukunft zu vermeiden. Wissenschaftliche Methoden sollen dabei helfen, die Lebenszeit von Bauteilen zuverlässig vorherzusagen.

Beispielsweise prüfen die Materialforschenden Klebeverbindungen mit Aluminium und wie sich ihre Stabilität über die Zeit verändert. Als Datenbasis für diese Untersuchungen nutzen sie Fotos von geprüften Klebungen, die verschiedene Brucharten aufzeigen.

Manuelle Verfahren stoßen an Grenzen

Allerdings stoßen die Wissenschaftlerinnen und Wissenschaftler bei der manuellen Betrachtung der Bilder an ihre Grenzen: Die Augen der Betrachter ermüden angesichts der sehr ähnlichen Strukturen, wodurch sich Ungenauigkeiten und Fehler einstellen können. Außerdem sind manche Muster, die entscheidenden Aufschluss über den aktuellen Zustand der Verbindungen geben, mit bloßem Auge kaum oder gar nicht zu erkennen. Daher sollen maschinelle Computer-Vision-Verfahren helfen, Erkenntnisse aus den Daten zu ziehen. Für diesen Zweck wandte sich das Institut an die Datenexperten der IBM Client Engineering. Als technische Lösung für die Herausforderung bot sich zudem die Data- und KI-Lösung IBM Cloud Pak for Data an.

Gemeinsam mit den IBM Experten prüften die Institutsmitarbeitenden zunächst, ob die Technologie für die Untersuchung ihrer visuellen Daten geeignet war. Ausschlaggebend waren dabei vor allem zwei Fragen:  Welche Computer-Vision-Ansätze lassen sich mit den vorliegenden Daten umsetzen? Und: Welche Methoden sind geeignet, um sicherzustellen, dass die Entscheidungen des maschinellen Lernmodells erklärbar sind?

KI prüft Bilder

Um Antworten darauf zu erhalten, erstellten die Partner gemeinsam in einem Workshop die Anforderungen für ein „Minimum viable Product“ (MVP), das mit IBM Cloud Pak for Data arbeitete. Dafür wurden Aluminiumteile mit unterschiedlichen Klebstoffen verbunden und im Labor einem Alterungsprozess unterzogen. Nach der Alterung wurden die Teile gebrochen und die vorhandenen Bruchflächen inspiziert. Die Experten konnten dann einschätzen, wie zuverlässig die Klebung funktioniert hatte. Die Bilder davon dienten der KI als Datenquelle für die Erstellung des Modells. Die Analysten konnten damit erkennen, worauf die KI “schaut” und eine Klebeverbindung als gut oder schlecht klassifiziert, sprich welche Merkmale des Bildes relevant sind. Zusätzlich halfen visuelle Erklärungen, Bereiche zu identifizieren, die für die Vorhersage des Algorithmus besonders wichtig sind. Dafür kommen verschiedene Funktionen von Cloud Pak for Data zum Einsatz wie Watson Studio, Data Refinery und SPSS Modeler sowie Open- Source-Data-Science-Pakete wie zum Beispiel PyTorch.

Das MVP erwies sich als sehr gute Lösung für die Herausforderungen des WIWeB. Auch lässt es sich skalieren, um weitere Untersuchungen und neue Experimente schnell durchzuführen. Und durch leichte Anpassungen können die Expertinnen und Experten des WIWeB damit auch andere, ähnlich gelagerte Forschungsarbeiten abdecken.

Neue Erkenntnisse – mit bloßem Auge nicht erkennbar

Die Wissenschaftlerinnen und Wissenschaftler des Instituts zeigten sich daher auch sehr zufrieden mit den Ergebnissen der Zusammenarbeit: „Mit den Funktionen von Cloud Pak for Data konnten wir in kurzer Zeit ein Computer-Vision-Modell entwickeln, um die Qualität von geklebten Aluminiumverbindungen anhand von Bildern automatisiert zu bestimmen. Aber nicht nur das – die mitgelieferten Erklärungen ermöglichen es uns, die Einflussfaktoren auf die Klebequalität genau zu analysieren. Damit gewinnen wir neue Erkenntnisse, zu denen wir mit rein manuellen Methoden – mit bloßem Auge – in so kurzer Zeit nicht gekommen wären“, so die wissenschaftliche Mitarbeiterin Silke Golob des WIWeB.

Vor allem fand der von IBM verfolgte Co-Creation-Ansatz im Rahmen der IBM Garage Methodik großen Anklang bei den Experten: „Für uns war es sehr hilfreich, dass wir die Lösung gemeinsam im Zuge des Pair-Programmings mit den IBM Experten entwickeln konnten. Auf diese Weise konnten wir unsere Anforderungen genau einbringen und im Zuge der Zusammenarbeit sehr stark vom Know-how des gemischten Teams profitieren. Und gleichzeitig lernten wir so die Tools gründlich kennen, auf denen die Lösung basiert, ohne uns erst umständlich in die Dokumentationen einarbeiten zu müssen“, so Silke Golob.

Das Computer-Vision-Projekt des WIWeB macht damit anschaulich, wie moderne Datentechnologien heute helfen können, aus Datensätzen beträchtliche Mehrwerte zu ziehen. Das gilt zum Beispiel auch für Einsatzgebiete, bei denen man nicht sofort an KI oder Machine Learning denkt, da nur Daten in unstrukturierter Form verfügbar sind, wie in diesem Fall als Bilder. Hier lohnt oft der Gang zu Spezialisten, um ihr Wissen und ihre innovativen Methoden auf das Problem loszulassen. Dabei entstehen fast immer kreative Lösungen, die echte Vorteile liefern.

Weitere Informationen finden Sie unter dem folgenden Link: https://www.ibm.com/de-de/products/cloud-pak-for-data

More stories
By innovate-banking on November 15, 2022

Intelligent Workflows in Banking: End-to-End Digitalisierung der Kreditprozesse schafft Mehrwert für Unternehmenskunden

Finanzdienstleister sind Teil der Lösung Die aktuelle Energiekrise mit ihren Folgen betont erneut die Rolle der Banken und Sparkassen in unserem Wirtschaftssystem. Ihre Aufgabe ist es unter anderem, ihren im Ausnahmezustand befindlichen Kunden gute Partner zu bleiben und in einem wirtschaftlich herausfordernden Umfeld flexible Finanzierungslösungen bereitzustellen. Unternehmen waren und werden auch künftig auf schnelle Hilfsmaßnahmen […]

Weiterlesen

By innovate-banking on Oktober 18, 2022

EStG konforme Erstellung von Jahressteuerbescheinigungen und FSAK-Meldungen in einem steuerlich heterogenen Systemumfeld

In einem steuerlich heterogenen Systemumfeld stellt die korrekte Erstellung der Jahressteuerbescheinigung (JStB) und der FSAK-Meldung für einen Teil der Bankkunden eine Herausforderung dar. Ein steuerlich heterogenes Systemumfeld kann beispielsweise im Zuge von Bankenübernahmen entstehen, wenn dabei zwar die rechtlichen Einheiten verschmolzen, insbesondere aber die Systeme für Kundenstammdaten und die Berechnung der kundenseitigen Steuern (Steuerkerne) parallel […]

Weiterlesen

By ostertag@de.ibm.com and others on Oktober 4, 2022

Wie lange hält die Klebung? Kreative Datenlösungen helfen der Bundeswehr bei Materialforschung

Durch moderne Datentechnologien lassen sich heute Herausforderungen meistern, die mit manuellen Methoden kaum oder nur unter sehr großem Zeitaufwand zu bewältigen wären. Voraussetzung dafür: Daten, Tools und das kombinierte Wissen von Fach- und Datenexperten arbeiten kreativ zusammen. Wie schnell und unkompliziert Organisationen dadurch auf neue Lösungen kommen, zeigt eine aktuelle Zusammenarbeit zwischen dem wehrwissenschaftlichen Institut […]

Weiterlesen