Sommer

Positionen & Meinungen
Entwicklung brauchen Sie Mitarbeiter, die
relevante Daten zur Verfügung stellen und
interpretieren können. Dateninfrastruktur
ist da ein sehr großes Thema. Das können
Sie mit einem Datencenter in Indien nicht
realisieren, nur weil die Lohnbedingungen
für den Auftraggeber vielleicht ein bisschen
günstiger sind.
Sie schauen da auf keine Finanzdaten oder
Ergebnisse wissenschaftlicher Tests. Sie
schauen auf Daten eines Cyber-physischen
Systems. Auf Daten eines Geräts, das physikalischen
Gesetzen folgt. Das müssen Sie bei der
Auswertung berücksichtigen. Es zählt zu meinen
Aufgaben, die Physik und die Gesetze der
Physik einmal grundlegend anzusetzen und
die Modellbildung entsprechend zu betreiben,
um die Daten entsprechend zu interpretieren.
Das gibt den Daten einen anderen Wert. Das
sind keine Zeitreihen, die der Finanzmarkt
ausspuckt, die vom Finanzmarkt ablesbar
sind, sondern das sind Daten, die physischen
Identitäten entsprechen oder entspringen.
Und das macht einen großen Unterschied.
Machine Learning – Zukunftsmusik oder
bereits praxistauglich?
Es kommt darauf an, was sie darunter
verstehen. Unter dem Strich versteht man
darunter Künstliche Intelligenz, den Versuch,
Entscheidungsstrukturen des Menschen
nachzubilden. Einen Computer so zu bauen
und zu programmieren, dass er eigenständig
Probleme lösen kann. Intelligentes Verhalten
wird durch einfache Algorithmen simuliert.
„An Robotik und
vollautonomen
Maschinen führt
kein Weg vorbei.“
Christopher J. Rothschedl,
Plasser & Theurer
Von der Artificial General Intelligence (AGI),
der künstlichen allgemeinen Intelligenz, der
hypothetischen Intelligenz eines Computerprogramms
spricht man, wenn dieser die
Fähigkeit besitzt, jede intellektuelle Aufgabe
zu verstehen oder zu lernen, die ein Mensch
ausführen kann. Davon sind wir aber noch
weit entfernt.
Warum? Wo liegen die Probleme?
Machine Learning ist ein Teilbereich der
künstlichen Intelligenz und nutzt Algorithmen
und statistische Methoden, um Daten zu
analysieren und Muster zu erkennen. Durch
die steigende Datenmenge ist es anhand von
einfachen Datenanalysen schwer, wertvolle
Informationen zu extrahieren. Machine
Learning steckt noch in den Kinderschuhen.
Ein großes Problem ist, dass wir mit Erfolgsmeldungen
auf diesem Gebiet überschüttet
werden. Wie viele Fehlversuche aber vor dem
Erfolg liegen, wissen wir nicht – damit fehlt
uns aber die Möglichkeit zu beurteilen, wie
weit Machine Learning in der Entwicklung
bereits gekommen ist.
Wenn ich ein Beispiel bringen darf. Künstliche
Intelligenz, Machine Learning oder Deep
Learning im Speziellen – angewandt auf Image
Recognition: Sie haben ein Set mit Bildern von
Rasenmähern. Irgendwann wird das System
bei einem neuen Bild mit einem Rasenmäher,
diesen als solchen erkennen. Dasselbe können
Sie mit Bildern von Schafen machen. Irgendwann
wird das System bei einem neuen Bild
mit einem Schaf, dieses als Schaf erkennen.
Was das System nicht kann, ist zu erkennen,
dass Schafe und Rasenmäher in einem Teilbereich
dasselbe machen – Rasen mähen. Dann,
wenn das System auch das kann, dann wird es
interessant. Aber das wird noch dauern.
Wo wir aber schon weiter sind, ist der Bereich
Fernsteuerung. Im Untertagebau ideal. Überall
dort, wo wir die Sicherheit erhöhen können.
Wie lange wird es noch dauern, bis die
ersten vollautonomen Maschinen zum
Einsatz kommen werden?
Da gibt es gerade bei uns in der Branche
seitens des Gesetzgebers noch viel zu tun. Die
Spezialtiefbau-Branche hat hier – weil nicht
gleisgebunden – Vorteile. Bei uns spielen viel
mehr Faktoren eine Rolle. Es wird noch einige
Jahre dauern. Definitiv. Aber eines steht fest:
76 BauTecFokus