Künstliche Intelligenz oder kurz KI ist ein Begriff, dem man im Alltag inzwischen immer häufiger begegnet. Roboter oder intelligente Softwares übernehmen dabei Aufgaben, die bisher nur in sehr begrenztem Maß von Computern erledigt werden konnten und deshalb oft von Menschen ausgeführt wurden. Im täglichen Leben kommt man heute kaum darum herum, künstliche Intelligenz in irgendeiner Form als Hilfsmittel einzusetzen – ob bewusst oder unbewusst. Sie unterstützt uns beispielsweise bei der Nutzung von Navigationsgeräten, bei Videospielen oder auch, wenn wir die Kamera unseres Smartphones verwenden. Es gibt aber auch offensichtlichere Anwendungsfälle, z. B. beim autonomen Fahren oder beim Nutzen von Sprachassistenten zu Hause oder auf dem Smartphone. Zum Einsatz kommen im Hintergrund immer öfter sogenannte Neuronale Netze, die der Funktionsweise des menschlichen Gehirns nachempfunden sind. Sie sind ein wichtiger Bestandteil von Deep Learning, einer speziellen Unterart von KI.

Auch in der Industrie hält die Künstliche Intelligenz Einzug. Mit dem zunehmenden Einsatz dieser Technologie wird es immer wichtiger, zu verstehen, um was es sich dabei eigentlich handelt, was Deep Learning ausmacht oder wie Neurale Netze zielführend erzeugt werden und wie sie in der Industrie sinnvoll eingesetzt werden können, um Produktionsprozesse zu optimieren. Diese Fragen stellen sich insbesondere dann, wenn es um sich wiederholende, monotone Aufgaben geht, denen Computer bisher nicht gewachsen sind und die deshalb immer noch mühsam von Menschen ausgeführt werden. Mit Künstlicher Intelligenz versucht man, die Funktionsweise des menschlichen Gehirns zu verstehen und künstlich nachzuahmen. Das Ziel: Computer sollen selbst anspruchsvolle Aufgaben, beispielsweise die Qualitätskontrolle mittels Bilderkennung – insbesondere von organischen Objekten – zuverlässig durchführen.

Der Lernkoffer für Künstliche Intelligenz wurde für Trainierende, Ausbildende, Lehrende und Professorinnen und Professoren in verschiedenen Bildungseinrichtungen konzipiert, um das Thema Künstliche Intelligenz mit den Lernenden hautnah zu erleben und Kompetenzen im Umgang mit einer KI möglichst praxisnah und anschaulich vermitteln zu können.

Das Set des Lernkoffers umfasst echte Industrie-Hardware und -Software, die in derselben Form auch in zahlreichen Unternehmen eingesetzt wird. Ergänzt wird der Koffer durch Lehrmaterialien, beispielsweise einen E-Learning-Kurs als Einführung in das Thema oder eine Versuchsanleitung mit didaktisch aufbereiteten Aufgaben und Musterlösungen.

Um sich ein umfassendes Verständnis von Deep Learning zu verschaffen, ist es unabdingbar, nicht nur theoretisches Wissen darüber zu sammeln, sondern tatsächlich damit zu arbeiten, Fehler zu machen und diese dann eigenständig zu beheben. Deshalb wurde ein Lehrplan mit den folgenden Punkten konzipiert, damit Interessierte praktische Erfahrungen beim Erzeugen eigener neuronaler Netze sammeln können.

• In einem interaktiven E-Learning-Kurs werden die Lernenden auf die Präsenzschulung vorbereitet. Der Kurs vermittelt elementares Hintergrundwissen und hat zum Ziel, die unterschiedlichen Wissensstände der einzelnen Teilnehmenden auf ein einheitliches Niveau zu bringen.
• Ein kurzes digitales Quiz kann später, wenige Tage vor der Präsenzveranstaltung, eingesetzt werden, um das im E-Learning-Kurs erworbene Wissen zu aktivieren und zusätzlich zu festigen, damit es im Rahmen der Präsenzschulung abrufbar ist.
• Ein Set mit einer ausdruckbaren Versuchsanleitung (mit Musterlösung) und Beispielen von Ablaufplänen unterstützt die Teilnehmenden dabei, Aufgaben unter Verwendung eines echten Industriesensors durchzuführen. Dabei werden die im Set enthaltenen Hilfsmaterialien, z. B. Würfel oder Metall-Ansteckbuttons, genutzt, um die Aufgaben der Versuchsanleitung intuitiv  und Schritt für Schritt zu lösen. Mit der programmierbaren Kamera InspectorP621 von SICK und der cloudbasierten Industriesoftware SICK dStudio können die Lernenden eigene neuronale Netze erzeugen und diese anschließend auf die Kamera übertragen. Die Lernenden erleben, wie die Kamera auf Grundlage des erzeugten neuronalen Netzes selbstständig die Ergebnisse der Qualitätskontrolle in zuvor definierte Klassen einteilt.

Für das Set wurden fünf didaktisch aufbereitete Aufgaben konzipiert, die aufeinander aufbauen und auf einen möglichst nachhaltigen  Kompetenzerwerb mit echtem Praxiswissen abzielen.

In der sechsten und letzten Aufgabe wird das von den Lernenden eigenständig erzeugte neuronale Netz schließlich in einer 3D-Computersimulation auf eine echte Produktionsanlage übertragen, um die Qualität des neuronalen Netzes zu überprüfen. Diese Aufgabe rundet die Lerneinheit ab und dient zugleich der Motivation der Teilnehmenden.

Das Set kann in verschiedenen Szenarien gekürzt oder vollumfänglich – ganz ausdrücklich auch von Anfängerinnen und Anfängern – genutzt werden. Die Hard- und Software ermöglicht es, auch eigene Aufgaben für die Lernenden zu konzipieren, sodass keine zwingende Bindung an die mitgelieferte Versuchsanleitung besteht. Selbst die Software auf dem Sensor kann ausgetauscht werden, um besonders komplexe Aufgabenstellungen mit dem Sensor zu konzipieren bzw. zu lösen.

Hier erfahren Sie mehr über Erwerb des Praxis-Sets.