Herausragende Erfindung

Einer Künstlichen Intelligenz mit riesigen Datenmengen etwas beizubringen, ist vergleichsweise einfach. Spannend wird es, wenn man aus Datenbergen Maulwurfshügel macht. Das gelang dem Erfinderteam Volkmar Sterzing und Steffen Udluft von Corporate Technology in München.

Kleines Gerät – große Wirkung

Kleines Gerät – große Wirkung

Die Künstliche Intelligenz weiß, wie man den Goldenen Mittelweg für den optimalen Betrieb einer Gasturbine findet. Heute setzt Power Generation Services das System namens GT-ACO (Gas Turbine Autonomous Control Optimizer) bereits im Pilotbetrieb zur Regelung von großen Siemens-Gasturbinen in den USA und in Südkorea ein. „Wir waren überrascht, um wieviel besser die Gasturbine so betrieben werden kann“, erinnert sich Sterzing an den ersten Test. Die kontinuierliche Feinjustierung der Brennstoffventile optimiert den Betrieb der Gasturbine hinsichtlich Emissionen und Verschleiß, indem es permanent die beste Lösung in Echtzeit sucht. Mit einer MindConnect-Box überträgt Siemens Daten aus industriellen Anwendungen in die Mindsphere.

Vorreiter in der Entwicklung von künstlichen neuronalen Netzen

Vorreiter in der Entwicklung von künstlichen neuronalen Netzen

Volkmar Sterzing ist seit seinem Studium der Informationstechnik und Informatik in Chemnitz begeistert von künstlichen neuronalen Netzen. Sein Wissen konnte er nach dem Studium bei Siemens Corporate Technology einsetzten. „Das  war damals noch ein ganz junges Forschungsgebiet. Ich arbeitete daran, mithilfe spezieller Hardware die künstlichen neuronalen Netze zu beschleunigen.“ Dafür ging Sterzing für neun Monate nach ins Silicon Valley, damals das Zentrum für die Erforschung von Künstlicher Intelligenz (KI). Bereits in dieser Anfangsphase entwickelte Sterzing mit seinen Siemens-Kollegen die Software SENN, die eine Basis für die Entwicklung von neuronalen Modellen darstellt. Sein gut funktionierendes Netzwerk in die Divisionen eröffnete der Forschungsgruppe die Möglichkeit, ihre dateneffizienten Methoden in realen Industrieanlagen wie Gasturbinen und Windkraftanlagen zur Anwendungsreife zu entwickeln.

Algorithmen für Reinforcement-Learning sind seine Spezialität

Algorithmen für Reinforcement-Learning sind seine Spezialität

Dr. Steffen Udluft studierte Physik an der Ludwig-Maximilians-Universität München. Bereits während seiner Promotion am Max-Planck-Institut für Physik forschte er an KI-Themen. 2001 stieß er zu Sterzings Forschungsgruppe Lernende Systeme. Der Physiker ist Spezialist für die Entwicklung von Reinforcement-Learning-Algorithmen, die mit wenigen Daten komplexen Systemen Lernen beibringen können.

Niemand wird mehr ‚dumme‘ Geräte und Anlagen kaufen, wenn er für vergleichbare Preise auch intelligente bekommen kann.

Volkmar Sterzing, Dr. Steffen Udluft, Leiter Forschungsgruppe Lernende Systeme, Forscher Reinforcement Learning
Erfinder Volkmar Sterzing, Dr. Steffen Udluft