Wie wir dem Computer das Lesen von Grundrissen beibringen
Mit der automatisierten Grundrisserkennung nutzen wir modernste Technologie auf Basis von künstlicher Intelligenz und selbst lernenden Systemen. Doch was heißt das eigentlich genau? Zur Entwicklung der neuen Funktion haben wir mit unserem Machine Learning Engineer Fidelius gesprochen. Er ist Mathematiker und seit letztem Jahr in unserem Software-Team. Seitdem kümmert er sich hauptsächlich um die Entwicklung und Optimierung der Grundrisserkennung.
Was ist Machine Learning bzw. künstliche Intelligenz?
Künstliche Intelligenz (KI) ist die Eigenschaft eines IT-Systems, eine intelligente, “menschenähnliche” Verhaltensweise zu zeigen. Machine Learning ist eine bestimmte Form von künstlicher Intelligenz, die man gut zur Automatisierung von Prozessen nutzen kann. Man trainiert dabei einen Computer, bestimmte, sich wiederholende Arbeiten auszuführen. Durch das Training und die Korrektur werden – wie im richtigen Leben auch – die Ergebnisse immer besser. Der Computer lernt also.
Warum interessiert dich das Thema Machine Learning?
Ich sehe in dem Verfahren in der Zukunft unglaubliche Möglichkeiten. Das Thema bietet viel Lernpotential für mich persönlich und sehr viel Anwendungspotential für Noocoon.
Machine Learning ist ein vielseitiges Werkzeug. Es gibt kaum ein Problem, das man damit nicht lösen kann. Die Technik, welche das ermöglicht, wird jetzt dazu entwickelt und ich habe Lust, daran mitzuwirken.
Wie unterscheidet sich die neue Grundrisserkennung zum Rest der Noocoon-Software?
Für die automatische Elektroplanung verwenden wir regelbasierte Prozesse: Zum Beispiel, der Kunde will 3 Lampen im Raum. Die Software plant auf Basis des Kundenwunsches alle benötigten Bauteile bis zur letzten Klemme, weil wir ihr mit den Regeln vorgeben, was alles zur Installation einer Lampe benötigt wird.
Die Grundrisserkennung hat eine andere Aufgabe. Sie soll nicht planen, sondern Informationen erfassen. Konkret soll Sie Informationen in einem Grundriss erkennen und für die Verarbeitung extrahieren, z.B. zur Erstellung eines Installationsplans. Wir bringen also dem Computer das Lesen von Grundrissen bei. Nun sind Grundrisse zwar immer sehr ähnlich und nach gewissen Vorgaben gezeichnet, aber hier machen oft die Details den Unterschied. Starre Regeln, wie bei der Installationsplanung helfen da nicht weiter. Der Computer muss lernen, bestimmte Muster zu erkennen.
Darum nutzen wir die Methode des Machine Learning, d.h. wir zeigen dem Computer möglichst viele Beispiele und eine Anleitung, wie er lernen soll. Die Software lernt dann selbstständig und kann die Ergebnisse auch adaptieren. Unsere Aufgabe ist es, dabei immer wieder zu korrigieren. So lernt die Software nach und nach, was ein Raum ist, wie groß dieser ist, wo eine Tür oder ein Fenster ist, etc.
Wie wird so eine KI trainiert – wo liegen da die Schwierigkeiten?
Um solch eine künstliche Intelligenz zu trainieren, sind vor allem viele Daten und Rechenkapazität notwendig. Jedes Training dauert mehrere Stunden und man muss sehr oft trainieren. Dabei verändern wir immer wieder die Bedingungen des Trainings, bis das Endergebnis zufriedenstellend ist. Dafür ist sehr viel Forschungsarbeit nötig, um das Training zu optimieren. Die Software kann bereits Räume erkennen, sie wird aber bald noch mehr können. Sie ist quasi wie ein Lehrling, der schon einige Sachen alleine kann, der aber noch nicht alleine auf die Baustelle fahren kann.
Werden dann Elektriker bald durch eine künstliche Intelligenz ersetzt?
Nein, natürlich nicht. Eine solche Technologie ist als ein Werkzeug zu verstehen. Früher gab es z.B. Schraubklemmen. Heute machen Steckklemmen, wie die Wagoklemmen, die Arbeit auf der Baustelle sehr viel leichter. Mit KI erleichert und verkürzt der Elektriker also einen bestimmten Arbeitsvorgang.