Das Projekt mit der Firma tepcon in Zusammenarbeit mit unseren Textil vernetzt-Kollegen von Hahn-Schickard ist in vollem Gange. Wir haben Stefan Wolf, der das Projekt leitet, gefragt, wie es dazu kam, eine Künstliche Intelligenz (KI) für den vorausschauenden Filterwechsel in Wasseraufbereitungsanlagen zu trainieren, wie Herausforderungen angegangen werden und welche Vorteile eine solche KI gerade für kleine und mittlere Unternehmen hat.

Das Ziel der Zusammenarbeit mit unserem Textil vernetzt Partner Hahn-Schickard ist es, eine KI für den vorausschauenden Filterwechsel in Wasseraufbereitungsanlagen zu trainieren. Was ist die Herausforderung?

Die aufwändige Erfassung der Sensordaten. Denn die Sensordaten bestehen aus reellen Daten und sollten vor allem auch Ausfälle beinhalten. Ebenfalls herausfordernd ist, eine zu den Sensorwerten und Fehlerfall passende Signalanalyse zu finden. Mit der Signalanalyse auf dem Rohsignal soll dieses aufbereitet und in eine kompakte Form gebraucht werden, um Merkmale, die essenzielle Informationen beinhalten, zu extrahieren. Am Ende brauchen wir Informationen zu einem oder mehreren Ausfällen. Die kompakte Form ist wichtig, weil wir den Sensor relativ hoch abtasten. Damit haben wir ein hohes Aufkommen von Daten. Diese Daten wiederum möchten wir für das maschinelle Lernen auf ein Minimum reduzieren.

Wie gehen Sie vor?

Um einen ausreichenden und ausgewogenen Datensatz zu erstellen, haben wir vor einigen Monaten einen Teststand mit unserem Schwesterunternehmen AP&S International GmbH in Betrieb genommen. Dieser Teststand ermöglicht uns, mit einem Stellventil den Widerstand gegen den die Pumpe arbeitet, zu erhöhen und damit einen verstopften Filter zu simulieren.

Außerdem erarbeiten wir aktuell ein Framework, das als Maschine Learning Scripting Base funktioniert. Das ermöglicht uns, komplette Workflows von der Rohdatenbeschaffung über das Learning bis zum Bilden von Inferenzen zu definieren.

Welche Vorteile hat die Nutzung einer KI gerade für ein KMU wie tepcon?

Für tepcon ist Maschine Learning (ML) eine Chance, um eine Plattform zu schaffen, die eine schnelle und einfache Integration von ML für KMUs ermöglicht. Die Unternehmen sollen fit gemacht werden für Maschine Learning. Viele KMU scheuen sich davor in Richtung ML zu gehen. Denn ML bedeutet, dass viel geforscht und projektiert werden muss. Außerdem setzt ML oft ein spezielles Expertenwissen voraus.

Durch die Zusammenarbeit mit unserem Schwesterunternehmen AP&S International GmbH sind wir in der Lage, nicht nur theoretisch, sondern auch in der Praxis direkt an Anlagen Erfahrungen zu sammeln. Die gewonnenen Erfahrungen geben wir direkt über die Plattform vereinfacht und abstrahiert an KMUs weiter. Es ist unser Anliegen, auch für KMUs ohne große Vorkenntnisse schnell erste Ergebnisse zu erhalten.

Erfahren Sie hier mehr zum Projekt „Vorausschauender Filterwechsel in Reinstwasseranlagen“