Quality Engineering 02.2019
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
:: Management<br />
Geschäftsführer von Iconpro im Interview<br />
„KI ist schneller und<br />
zuverlässiger“<br />
Markus Ohlenforst ist Geschäftsführer des Startups Iconpro, das Machine-<br />
Learning-Anwendungen für Qualitätsdaten entwickelt und Firmen berät. Im<br />
Interview spricht er über die Ziele seines Unternehmens, den Nutzen von<br />
Künstlicher Intelligenz (KI) und Sicherheit in der Cloud.<br />
:: Herr Ohlenforst, verraten Sie uns zunächst, wie Iconpro<br />
entstanden ist.<br />
Markus Ohlenforst: Mein Doktorvater Professor Robert<br />
Schmidt vom WZL an der RWTH Aachen fördert seit jeher<br />
die Gründung von Spinoffs rund um seinen Lehrstuhl.<br />
Und wir sind das erste rein prozessorientierte,<br />
software-gestützte Spinoff, das bisher in diesem Zusammenhang<br />
entstanden ist. Wir fokussieren uns dabei<br />
auf die Entwicklung und Anwendung von Process-Data-<br />
Mining-Software zur Analyse und Korrelation von Produktionsprozess-<br />
und Qualiätsdaten durch Machine<br />
Learning.<br />
:: Wie setzen Sie Künstliche Intelligenz konkret ein?<br />
Ohlenforst: Zum einen im Bereich kognitive Qualitätskontrolle.<br />
Wir nutzen KI, um zum Beispiel Bilddaten auszuwerten.<br />
Dort lässt sich sehr einfach zeigen, dass KI-Algorithmen<br />
schneller und zuverlässiger sind. Das kann<br />
man statistisch belegen. Der andere Bereich ist die selektive<br />
Prozessfähigkeitsuntersuchung. Daher ist auch<br />
Edgar Dietrich, der Gründer von Q-DAS, bei Iconpro mit<br />
dabei.<br />
Ohlenforst sieht viel Potenzial für KI in der Qualitätssicherung.<br />
Die Datenmengen müssten dabei nicht immer<br />
extrem groß sein Bild: Iconpro<br />
:: Selektive Prozessfähigkeitsuntersuchung – was heißt<br />
das?<br />
Ohlenforst: Die Q-DAS-Software bestimmt Prozessfähigkeitswerte.<br />
Dafür benötigt man ein Verteilungsmodell.<br />
Die Bestimmung dieses Verteilungsmodells ist ein<br />
Kern von Q-DAS. Wir haben die Findung des am besten<br />
passenden Verteilungsmodells durch eine KI-Auswertestrategie<br />
ersetzt. Wir können zeigen, dass diese mindestens<br />
genauso gut funktioniert wie die klassische Methode.<br />
Und sie bietet Vorteile. Erstens ist sie schneller.<br />
Zweitens entfallen dadurch manuelle Voreinstellungen<br />
– etwa, dass der Nutzer schon vorab eine Normalverteilung<br />
vorschlägt, auf die dann zuerst getestet wird. Das<br />
heißt, das Auswerteergebnis ist abhängig von der Nutzervoreinstellung<br />
und von der Auswertestrategie der jeweiligen<br />
Firma. Wenn man es schaffen würde, hier eine<br />
Akzeptanz herzustellen, KI-basierte Auswertungen vorzunehmen,<br />
dann ist man nutzer- und strategieunabhängiger<br />
und hat insbesondere umfangreichere Prozessdaten<br />
zudem noch schneller ausgewertet.<br />
12 <strong>Quality</strong> <strong>Engineering</strong> <strong>02.2019</strong>