In den heutigen, datengetriebenen Zeiten scheinen große Datenmengen oft unverzichtbar, jedoch haben Forscher an der Hochschule Bielefeld (HSBI) nun ein Projekt ins Leben gerufen, das zeigt, dass auch mit „Small Data“ bedeutende Erkenntnisse möglich sind. Im Rahmen des Projekts „AI4ScaDa“, das seit 2022 in Kooperation mit der Technischen Hochschule OWL (TH OWL) und dem Spitzencluster it’s OWL läuft, liegt der Fokus darauf, wie kleine und mittelständische Unternehmen (KMU) durch die Nutzung geringer Datenmengen ihre Prozesse optimieren können, wie nachrichten.idw-online.de berichtet.

Ein zentrales Ziel des Projekts ist die Entwicklung von Künstlichen Intelligenz (KI)-Methoden, die sowohl Informationen zusammenführen als auch interpretierbare Ergebnisse liefern. Dabei werden verschiedene Anwendungsfälle in den Blick genommen, wie etwa die Vorhersage von Verstopfungen in Wäschetrocknern bei Miele oder die Wissenssammlung zur Auslegung von Separatoren und Dekantern bei der GEA Westfalia Separator Group. Besonders spannend ist auch die Zusammenarbeit mit der Saaten-Union Biotec GmbH (SU BIOTEC), bei der KI gezielt zur Optimierung der Pflanzenzucht eingesetzt wird.

Optimierung der Pflanzenzucht

Bei SU BIOTEC, einem mittelständischen Unternehmen, das biotechnologische Methoden für die Pflanzenzüchtung erforscht, spielt KI eine entscheidende Rolle. Hier wird die Technologie eingesetzt, um die Prozesssteuerung zu verbessern. Dies betrifft zahlreiche aufeinander abgestimmte Schritte, von der Kultivierung von Spenderpflanzen über die Antherenentnahme bis hin zur Kallusbildung. Um den Produktionserfolg zu steigern, verwendet das Projekt AI4ScaDa spezielle KI-Methoden, um prozesssteuernde Parameter zu approximieren und vorherzusagen, wie its-owl.de feststellt.

Die Herausforderungen sind jedoch nicht zu unterschätzen: Das Ausgangsmaterial variiert bei jedem Auftrag und die Datensystematik ist oft lückenhaft. Dazu kommen große Unterschiede in den Produktionsdaten, deren Ergebnisse erst Monate nach der Umsetzung erfasst werden. Das bedeutet, dass der Erfolg der Regenerate erst zu einem späteren Zeitpunkt beurteilt werden kann, wodurch die Vergleichbarkeit extrem erschwert wird. Trotzdem zeigen die Fortschritte, dass auch mit wenigen oder nur teilweise verfügbaren Daten viel erreicht werden kann.

Kunst der Informationsfusion

Die entwickelten KI-Methoden fördern zudem die Rückkopplung zur Datenerhebung, wodurch das System durch sogenanntes Active Learning kontinuierlich besser wird. Das Ziel sind hohe Modellgütes und gute Interpretierbarkeit, auch wenn die Datenmengen gering ausfallen. Dies eröffnet auch kleineren Unternehmen neue Möglichkeiten, innovative Lösungen zu entwickeln. Die Implementierung dieses KI-Workflows ist nicht nur auf SU BIOTEC beschränkt, sondern könnte auch auf andere KMU übertragen werden, auch wenn zunächst weitere Verfeinerungen notwendig sind, um die kommerzielle Anwendbarkeit sicherzustellen.

Die Forschungsarbeit, die in enger Kooperation zwischen hochschule und Industrie erfolgt, wird vom Center for Applied Data Sciences (CfADS) der HSBI und dem Institut für industrielle Informationstechnik (inIT) der TH OWL unterstützt. Der Weg in die Zukunft der Prozessoptimierung hat begonnen – und das mit einem klaren Fokus auf die Stärken und Möglichkeiten von „Small Data“.