Quality Engineering 02.2019

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