“Kijk eerst naar je data-strategie en dan naar Artificial Intelligence”

Tijdens het jaarevent van het FME-platform ‘AI for Industry’ bij Siemens in Den Haag toonden enkele startups onlangs innovatieve AI-toepassingen. Daaronder de ‘happy-meter’ Scailable, die op basis van gezichtsherkenning kan bepalen of iemand vrolijk, somber of boos is. Handig om bijvoorbeeld reizigersgedrag in het OV te monitoren en, indien nodig, te handhaven. “Het is een voorbeeld van hoe je zorgvuldig met data kunt omgaan. De privacy gevoelige foto’s blijven op de camera en worden lokaal geanalyseerd”, verklaart Daniel Kofman, business developer hightech-systems bij Siemens. “Alleen geanonimiseerde data worden doorgestuurd naar de cloud.”

Intelligentie aan de rand van het lokale netwerk – on the edge – was een belangrijke ontwikkeling om het toepassen van AI in een stroomversnelling te brengen. Robert Lohmeyer, innovation manager bij Siemens in München, vertelt: „De afgelopen tien jaar is de cloud vaak voorgesteld als de oplossing voor alles. Dit doet geen recht aan de uitdagingen die er zijn. Allereerst willen veel bedrijven geen recepten en productiedata naar de cloud sturen. Om concurrentieredenen, maar zeker ook met het oog op bescherming van privégegevens.”

Dataverwerking on the edge is bovendien een stuk sneller dan via de cloud. In veel (industriële) omgevingen is snelheid belangrijk, omdat men processen real-time wil kunnen bijsturen. Ook een zelfrijdende auto kan niet wachten op een reactie uit de cloud om een beslissing te nemen. Dit zou de verkeersveiligheid in het gedrang brengen. Veel industriële bedrijven kiezen voor edge en sturen alleen metadata naar de cloud. Ook gebruiken ze de cloud om hun AI-modellen te trainen en up-to-date te houden. AI-modellen worden in de loop van de tijd door veranderende omstandigheden vaak minder effectief en moeten daarom regelmatig worden geüpdatet. Vanuit de cloud kunnen deze updates dan eenvoudig via een management systeem naar alle gekoppelde edge devices worden uitgerold.

Mooie voorbeelden van AI-toepassingen zijn volgens Lohmeyer te vinden in de gezondheidszorg, waar bescherming van privégegevens topprioriteit heeft. Modules voor beelddiagnose kunnen zelfstandig tuberculose en kanker op scans herkennen. “Dit ondersteunt het medisch personeel en maakt de zorg sneller, goedkoper én bijvoorbeeld toegankelijk voor mensen in afgelegen regio’s. Je hebt ter plaatse geen specialist meer nodig.”

Siemens past AI in haar eigen fabrieken onder meer toe bij de productie van printplaten. Kofman: “In dit productieproces wordt gesoldeerd, maar de kwaliteit van de soldering kan variëren. Solderingsfouten werden vroeger pas vastgesteld als de printplaat al klaar was. Met een combinatie van Vision en AI kunnen we de kwaliteit van de soldering tijdens het proces monitoren en bijsturen. Een camera houdt toezicht op het proces, waarbij procesparameters real time vergeleken worden met de parameters van een optimale soldering. Zodoende worden afwijkingen snel ontdekt waardoor het proces vroegtijdig kan worden bijgestuurd. Terwijl een beelddetector vaak onterecht problemen signaleert, kan AI pseudoproblemen eruit halen. Data worden on the edge verwerkt om snel te kunnen reageren. We sturen alleen data naar de cloud om te kunnen verbeteren en optimaliseren.”

Veel AI-oplossingen van Siemens voor de industrie zijn op dit moment dedicated systemen. Dat zal volgens Lohmeyer deels zo blijven. Daarnaast ontwikkelt Siemens gestandaardiseerde oplossingen om bijvoorbeeld data uit OT-systemen te halen. Dit is complex, aangezien machines vaak verschillende controllers met verschillende leeftijden hebben, die op hun beurt zijn uitgerust met verschillende interfaces. Gestandaardiseerde en schaalbare oplossingen maken het voor kleinere bedrijven laagdrempeliger om met AI te beginnen.

Starten met AI vergt voorbereidende stappen. Kofman: “Het begint met data verzamelen uit je machines en deze voorbereiden voor de analyse. Alle data zoals temperatuur-, maar bijvoorbeeld ook hoogte- en stroommetingen moeten worden omgezet in een standaardformaat waarmee data-analisten kunnen werken. Voor het verwerken van bedrijfsspecifieke data is vaak een model nodig. Deze stappen zijn nodig om data te kunnen vertalen naar informatie over wat je machine doet en afwijkingen en hun oorzaak te kunnen onderzoeken.” Lohmeyer: “AI is slechts één stukje van de puzzel. Eerst moet je nadenken over infrastructuur om data uit alle gelederen van je organisatie te verzamelen. Connectiviteit, standaardisatie en dataopslag zijn belangrijke randvoorwaarden.”

Inmiddels hebben veel bedrijven op deze basis hun processen geoptimaliseerd, de kwaliteit verbeterd en kosten bespaard. Door behalve hun eigen data ook data uit hun supply chain te integreren, bouwen ze ecosystemen. Lohmeyer: “Dit hele verhaal draait om mensen, systemen en vertrouwen. Hoe meer data je uit de gehele keten kunt halen, hoe beter. Het kan relatief lang duren voor bedrijven de pay-off van het delen van data zien. Lastig is ook dat vaak de uitkomst op voorhand niet precies bekend is. Je gaat immers experimenteren met data. Toch zien we dat de markt AI steeds meer omarmt. Bijvoorbeeld met het oog op voorspellend onderhoud.”

Volgens Lohmeyer heeft de industriële digitalisering het afgelopen decennium grote sprongen gemaakt. “Het kunnen analyseren van datareeksen opent veel deuren. Denk aan automatische kwaliteitsinspecties in alle stadia van het productieproces en fabrieken zonder lokale operators. Autonoom rijden ontwikkelt zich niet zo snel als we zouden willen, maar voor de industrie kunnen we al ontzettend veel. Digitalisering en AI leiden tot slimmere beslissingen, verduurzaming, routeoptimalisatie en beter resourcemanagement.” Kofman: “Er liggen nog volop kansen. We gooien bijvoorbeeld nog steeds veel voedsel weg omdat we het niet tijdig op de juiste locatie geleverd krijgen. AI helpt de voedselbehoefte te voorspellen en de logistiek te optimaliseren. Zo worden we duurzamer en efficiënter.”

Wordt de mens overbodig in een door kunstmatige intelligentie gestuurde wereld? Daar hoeven we volgens Kofman en Lohmeyer niet voor te vrezen. “Techniek is alleen maar ondersteunend. Het zal uiteindelijk altijd de dokter blijven die beslist of iemand geopereerd moet worden. In complexe situaties kan AI helpen om uit alle data informatie inzichtelijk te maken en de operator zo te ondersteunen in zijn beslissing. Uit onderzoek van McKinsey blijkt dat 50 procent van de taken die nu handmatig gebeuren door AI kunnen worden uitgevoerd. Toch kan slechts 5 procent van de beroepen volledig geautomatiseerd worden. Dus nee, AI komt onze banen niet afsnoepen. In tegendeel: er zullen nieuwe banen ontstaan.”

Meer weten over of aansluiten bij het FME-platform AI for Industry? Kijk dan op FME-platform 'AI for Industry' of neem contact op met Daniel Kofman.