FrAIday Blog #3

Effizienzsteigerung durch digitales Abbild

Neue Runde – neues Wissen. Wir haben in der nächsten Fragerunde wieder etwas Neues zum Thema Künstliche Intelligenz erfahren. Im heutigen Blog dreht sich alles um den Digital Twin. KI-Experte Martin Schiele, Geschäftsführer der AI-UI GmbH, hat uns aufgeklärt, was ein Digitaler Zwilling eigentlich ist und wie ein solcher funktioniert. Wir haben im Anschluss darüber gesprochen, wie ein Twin in digitaler Form in einer Smart Factory eingesetzt werden kann und inwiefern die digitale Simulation für Unternehmen an Bedeutung gewinnt.

Was genau ist ein Digitaler Zwilling?

Wie schon in Blog II angekündigt, geht’s es in dieser Ausgabe um den Digitalen Zwilling. Ein sogenannter „Digital Twin“, auf Deutsch Digitaler Zwilling, wird oft im Kontext von Maschinellem Lernen verwendet. Es handelt sich um eine Art digitale Simulationsumgebung. Das klingt komplizierter als es sein muss. Man kann innerhalb der Simulation mit gewählten Objekten interagieren und anhand der Reaktionen (Input-Output) Entscheidungen treffen.

Wie hängen Überwachtes Lernen und der Digitale Zwilling nun zusammen?

Im Supervised Learning | Überwachten Lernen sagt man der KI, welcher Output zu welchem Input gehört (Training). Genau das tun wir bei der Kreation eines Digitalen Zwillings auch. AI-UI nutzt Neuronale Netze und speichert über Supervised Learning die Verhaltensweisen, beispielsweise Messdaten des Objektes, im Neuronalen Netz und macht es somit digital nutzbar. Einfach betrachtet übertragen wir eine Tabelle in ein Neuronales Netz. Dieses ist jedoch viel leistungsfähiger als LookUp Tables oder numerische Gleichungen und dazu noch im Handumdrehen trainiert. Warum? Weil es nichts idealisiert, sondern auf Daten der echten Welt beruht.

Wie funktioniert ein Digitaler Zwilling?

Prinzipiell gibt es zwei Wege, einen Digitalen Zwilling bzw. eine Simulation von etwas aufzusetzen. Der erste Weg ist die physikalisch, chemisch, mathematisch korrekte Abbildung eines Gerätes, einer Sache oder eines Prozesses und die anschließende Korrektur mit der Realität. Das bedeutet, man „bastelt“ und schaut, ob die Ergebnisse genau so sind wie in der realen Welt und wenn nicht, muss korrigiert werden, was immer der Fall ist.

Sie können aber auch als zweiten Weg direkt Mess- und Erfahrungswerte aus der Realität heranziehen und daraus einen Digitalen Zwilling formen. Hier kommt der KI-Ansatz ins Spiel.

Ai-UI Digitaler Zwilling

Ich erkläre es am simplen Beispiel eines Haustieres: Es wird entweder ein mathematisches Konstrukt erstellt, was die Reaktion des eigenen Hundes auf die in der Hand befindliche Leberwurst vom Fleischer hat, also beispielsweise eine Formel, die sagt: „Wenn <Wurst>, dann <diese Reaktion>“. Oder Sie nutzen die Erfahrungen der Vergangenheit, die ähnliche Situationen enthält, um ein mögliches Tierverhalten zu approximieren, also abzuschätzen. Letzteres tun wir Menschen ständig in allen Bereichen unseres Lebens. Wir bilden Modelle aus Erfahrung in unseren Köpfen. So funktioniert KI mit Neuronalen Netzen, wie wir bei AI-UI sie verwenden. Das Thema „Neuronale Netze“ werden wir in einem gesonderten Blog nochmal genauer beleuchten. Einziges Manko von Neuronalen Netzen ist, dass erste Erfahrungen vorliegen müssen. Das heißt, Sie benötigen eine Datengrundlage, denn dieser Datensatz lässt sich in der Regel nicht einfach modellieren.

Ein Digitaler Zwilling in der Digital Factory? Was bedeutet das?

Da Digitale Zwillinge im besten Fall identische Abbildungen einer in der Realität befindlichen Sache sind, können sie genutzt werden, um die abgebildete Sache zu untersuchen, zu testen oder zu verbessern. Beispielweise können sie Livedaten eines Schweißprozesses nutzen, um sie in Form eines Neuronalen Netzes „abzulegen“. Vergleichbar ist das mit einer Messwerttabelle. Im Nachgang können diese Neuronale Netz genutzt werden, um sie mit 1000 weiteren Schweißprozessen zu vergleichen. So können sie herausfinden, ob sich die Maschine verändert hat. Es wurde quasi ein Abbild gespeichert, das das Verhalten 1000 Prozesse vorher festgehalten hat. Dies ist es, was oft als Predictive Maintenance bezeichnet wird, denn es kann nachverfolgt werden, wie Objekte altern, verschleißen und sich generell verändern.

Des Weiteren können Digitale Zwillinge als virtuelle Sensoren genutzt werden. Man stattet ein Testsystem oder einen Testprozess mit Sensoren aus, die es im Serienprodukt nicht gibt. Die Daten werden während des Betriebes erneut in einem Digitalen Zwilling gespeichert. Der Twin kann dann im Serienbetrieb mitlaufen, sodass er zusätzliche Informationen aus dem Systemzustand mitliefert – kostenarm und in Echtzeit!

Vorhersagemodelle jedweder Art sind ebenso sehr beliebt, wenn es um die Disposition von Verbrauchswaren geht, die Abschätzung von Kundennachfrage in der Zukunft oder eben um Wartungsintervalle durch Precitive Maintenance.

Digitaler Zwilling – Warum ist er für Unternehmen interessant?

Wurde einmal verstanden, wozu diese digitalen Modelle genutzt werden können, eröffnen sich für Unternehmen mannigfaltige Möglichkeiten. Unternehmen können so Einblicke in Prozesse erhalten, diese weiter automatisieren und Fehleranfälligkeiten senken. Am Ende ist es doch unser aller Ziel, Produkte möglichst reibungslos und effizient zu produzieren sowie zu vertreiben. Digitale Zwillinge sind dafür ein leichtgewichtiges Werkzeug.

„Der Begriff Digitaler Zwilling ist in Mode gekommen, stellt aber nichts anderes als eine Simulation dar.“
Martin Schiele - AIUI
Martin Schiele
Geschäftsführer

FrAIday Blog #2

Maschinelles Lernen: unterschiedliche Aufgaben – unterschiedliche Lösungen

Wir haben den KI-Experten Martin Schiele, Geschäftsführer der AI-UI GmbH, weiterführend zum Thema Künstliche Intelligenz befragt. Maschinelles Lernen (engl. Machine Learning) ist hier das Schlagwort. Heute wird es darum gehen, wie KI lernt. Wir beleuchten verschiedene Arten bzw. Methoden des künstlichen Lernens und zeigen jeweils Einsatzgebiete auf. Herr Schiele stellt außerdem die Lösungsmöglichkeit seiner eigens entwickelten Software in diesem Zusammenhang vor.

Wir lüften das Geheimnis: Wie lernt denn nun eigentlich KI?

Wie in Blog I: „Einführung“ bereits erwähnt, kann man sagen, dass für die meisten Aufgaben des maschinellen Lernens, auch generell „KI“ genannt, ganz einfach Daten miteinander in Verbindung gebracht werden. Diese Daten können ganz unterschiedlicher Natur sein. Ist der Datensatz groß genug, kann man gegebenenfalls annehmen, dass diese Werte die Realität, die sie beschreiben, mit ausreichender Genauigkeit wiedergeben. Es gibt aber verschiedene Herangehensweisen oder auch „Arten des maschinellen Lernens“, die Sie darauf anwenden können.

Das müssen Sie genauer erklären. Was bedeutet Unsupervised Learning?

Im Unbeaufsichtigten Lernen gibt es verschiedene Methoden, um in den vorhandenen Daten Muster zu erkennen und diese anschließend zu nutzen, um die Daten nach Klassen zu ordnen.
KI Hunde und Katzen Mustererkennung
Wie im Bild illustriert, wird ein Sammelsurium an Hunde- und Katzenbildern, im besten Fall automatisch, ohne Zutun des Menschen in zwei einzelne Datensätze überführt. Dies geht prinzipiell mit vielerlei Daten, ist aber oft weniger zuverlässig, da die reale Welt immer „Rauschen“ beinhaltet. Das können auf Bildern weitere Pixel von Menschen, Pflanzen, Möbeln sein oder auch das Sensorrauschen bei Maschinen. Unbeaufsichtigtes Lernen hat mit dieser Art „Mischmasch“ oft Probleme, weshalb das „Supervised Learning“ populärer ist.

Wie unterscheidet sich davon das Supervised Learning, Herr Schiele?

KI Schritt 1 - Training
Beim Beaufsichtigten Lernen lässt man anders als im Unbeaufsichtigten Lernen nicht einen Algorithmus die Arbeit des Labelns übernehmen, sondern übernimmt dies als Mensch selbst. Das heißt im ersten Schritt (Abb. links) werden die Daten „gelabelt“, also das, was die KI später erkennen soll, vorbenannt.
Während des Trainings lernt die KI dann, welche Eigenschaften in den Daten mit diesem Label verbunden sind. Die KI kann diese anschließend im zweiten Schritt nach dem Training (Abb. rechts) in neuen, unbekannten Daten wiedererkennen. Es kommt der Art und Weise nahe, wie Menschen ihre Kinder „trainieren“. Sie zeigen ihnen verschiedene Tiere und benennen sie. So lernen die Kinder und können es folglich in Ihren Erfahrungsschatz übernehmen und richtig anwenden.
KI Schritt 1 - Nutzung

Erklären Sie uns doch bitte zu guter Letzt, was das Reinforcement Learning umfasst!

Bestärkendes Lernen ist das schwierigste der drei Gebiete. Dabei besteht für einen „Agent/Actor“ (die KI) eine bestimmte Aufgabe, wie das Spielen eines Spiels oder das Steuern einer Maschine nach einer vordefinierten Belohnungsfunktion. Ähnlich können wir wieder den Bogen in den Alltag spannen. Schauen wir uns hier wieder das Beispiel Kind an – genauer gesagt, der Besuch auf dem Spielplatz. Dabei ist das Kind der Actor und es bewegt sich frei innerhalb der zu erlernenden Aufgabe „Spielplatzverhalten“. Neben dem Agenten gibt es noch den „Critic“(in diesem Beispiel die Eltern), also eine Instanz, die das Agentenverhalten bewertet und nach Maßgabe der Belohnungsfunktion rügt oder bestärkt.
KI Reinforcement Learning

Wirft das Kind beispielsweise mit Steinen nach anderen Kindern, dann ist den Eltern klar, dass dieses Verhalten gesellschaftlich nicht akzeptiert ist (negative Belohnung) und werden das Kind zurechtweisen. Macht das Kind etwas Angemessenes und Schönes, wird es potenziell gelobt (positive Belohnung). So lernt der Agent bzw. das Kind, wie es sich in der Umgebung „Spielplatz“ zu verhalten hat. Andere Umgebungen (Zuhause, Arbeitsplatz, uvm.) werden oft mit anderen Belohnungsfunktionen beschrieben. Eine KI wird innerhalb des bestärkenden Lernens ganz genau so trainiert, wobei die Belohnung wie ein Konto zu sehen ist, auf das je nach Aktion Belohnung „eingezahlt“ oder „abgebucht“ wird. Der Endkontostand gibt dann prinzipiell an, wie gut sich der Agent (das Kind) in der gegebenen Umgebung (Spielplatz) nach Maßgabe der Belohnungsfunktion (gesellschaftliche Normen und Werte), bewertet durch den „Critic“ bzw. den Eltern, verhält. Der folgende Videolink beschreibt das Ganze ausführlicher an der Forschungsarbeit von mit in Verbindung mit komplexen Systemen (Motorsteuerung).

Für wen ist welche Art des (künstlichen) Lernens interessant?

Unüberwachtes Lernen ist nützlich, wenn Sie aus einem Haufen ungeordneter Daten Hinweise und grobe Zusammenhänge bekommen möchten. Wenn allerdings Daten zur Verfügung stehen, bei denen die Struktur und das, was passiert oder vorliegt klar ist, ist überwachtes Lernen immer die Methode der Wahl. Sie können sich sicher leicht vorstellen, dass eine gelernte Person (Facharbeiter – Überwachtes Lernen) auf einem Spezialgebiet immer besser arbeitet als jemand Fachfremdes (Unüberwachtes Lernen). So in etwa lassen sich beide Arten miteinander vergleichen. Bestärkendes Lernen ist sehr komplex und bedarf viel Erfahrung. Anwendungen auf diesem Gebiet sollten nur dann erfolgen, wenn schon Erfahrungen mit Überwachtem und/oder Unüberwachtem Lernen vorliegen.

Wo kann AI-UI helfen?

Wir arbeiten derzeit ausschließlich mit überwachtem Lernen. Diese Methodik hat in einem Sammelsurium breiter Anwendungsfälle gezeigt, dass es hervorragend funktioniert. Optimieren Sie Ihre Disposition, sodass beispielsweise verderbliche Waren nicht weggeworfen werden müssen oder saisonale Einflüsse in Ihre Prognose mit einfließen. Checken Sie via Bilderkennung vollautomatisch Ihre Produkte auf Fehler und verbinden Sie die Erkenntnisse mit dem Herstellungsprozess. Ebenso können Sie die Standzeiten ihrer Maschinen via digitaler Zwillinge, virtuellen Sensoren und Predictive Maintenance erhöhen. Für alle diese Einsatzgebiete ist AI-UI ein nützliches Werkzeug.
„Methoden des maschinellen Lernens geben tiefe Einblicke in unsere eigenen, menschlichen Lernprozesse.“
Martin Schiele - AIUI
Martin Schiele
Geschäftsführer

FrAIday Blog #1

Einführung in das Thema Künstliche Intelligenz

Was bedeutet denn eigentlich KI?

„KI ist einfach gesagt nichts anderes als eine mathematische Funktion. Wie damals in der Schule: Y = X². Beim Verwenden neuronaler Netze hat man jedoch die freie Möglichkeit, Input (X) und Output (Y) gemischt zu wählen. Ob Text zu Audio, Bild zu Text, tabellarische Werte zu Bildern, man kann alles kombinieren.“
Martin Schiele - AIUI

Was heißt das genau?

„Das heißt, ich kann auf Bildern Objekte erkennen (Bild zu Text), denen ich Namen gebe, oder aus Stimmaufnahmen Personen heraushören (Audio zu Text). Natürlich muss alles erst so umgewandelt werden, dass der Computer es lesen kann, beispielsweise aus Buchstaben Zahlen machen. Danach kann es an das Training gehen. Neuronale Netze werden für die Transformation von X zu Y gerne genutzt, da sie vollkommen flexibel Zusammenhänge abbilden können. Allerdings ist diese Vorgehensweise empirisch und es werden Daten über das Problem benötigt, an dem Sie das neuronale Netz „so formen können“, dass es den Zusammenhang zwischen X und Y, also beispielsweise Bild zu Text, Sprache zu Bild, und so weiter „lernen“ kann. Dies nennt man dann Training.“

KI ist in aller Munde, wo befindet sich denn bereits heute KI im Einsatz? Können Sie uns eine kurze Übersicht über aktuelle Einsatzgebiete künstlicher Intelligenz geben?

„Vor allem die Bildverarbeitung hat in den letzten Jahren stark von KI profitiert. Dabei ist allerdings zu beachten, dass viele Firmen fälschlicherweise behaupten, KI im Einsatz zu haben, dies aber nur aus Marketingzwecken tun. In diesem Bereich kann KI trainiert werden, Objekte auf Bildern zu erkennen, abzugrenzen und zu klassifizieren. Besonders zur Fehlererkennung, Bewertung und quantitativen Erfassung ist diese Methodik hervorragend geeignet. Ich habe nachstehend ein Beispiel für Sie. Sie sehen hier den Einsatz von KI für die Qualitätssicherung an Bremsscheiben. Man sieht klar die Gussfehler am Rand (Grat) und im Material (Löcher). Die KI kann lernen, diese Fehler vollautomatisch zu erkennen und zu quantifizieren nach bspw. Größe oder Flächeninhalt.
Des Weiteren lassen sich Empfehlungssysteme trainieren, die beispielsweise für saisonabhängige Ware vorhersagt, welche Mengen nachgefragt werden. So lassen sich Preise automatisch an die Nachfrage anpassen. Auch digitale Zwillinge lassen sich mit neuronalen Netzen im Handumdrehen erstellen und können später als Simulationswerkzeug oder zur „Predictive Maintenance“ dienen.“

Für wen eignet sich KI?

„Künstliche Intelligenz wird unser aller Leben zunehmend stark beeinflussen. Es sollte sich also jeder etwas damit auskennen, wie sie funktioniert und was Stärken, sowie Schwächen sind. KI eignet sich für jeden, der Daten über seine Prozesse sammelt und tiefere Einblicke nutzen will, um die eigenen Produkte und Prozesse zu optimieren.“

Welche Chancen und Gefahren verbergen sich Ihrer Einschätzung nach hinter KI-Lösungen?

„Gefahren liegen vor allem im „Bias“, das heißt, wenn die antrainierten Daten schon in sich nicht generalisiert sind. Beispielsweise, wenn Sie Katzen und Hunde auf Bildern erkennen möchten, aber nur zehn Katzenbilder, jedoch 1000 Hundebilder zur Verfügung haben, dann ist das Datenset stark unausgeglichen. Wie beim Lernen für Prüfungen können wir das am besten, was wir am meisten gelernt haben – in dem Fall „Hunde“ und was frischer in Erinnerung ist – ebenfalls Hunde. Denn bei gleich verteiltem Training kämen 100 Hundebilder auf jedes Katzenbild. Eine solch trainierte KI wäre kaum in der Lage, Katzen richtig zu erkennen. Würden wir es allerdings erwarten, weil wir dächten, unsere Datengrundlage sei OK, wären die „Vorhersagen“, die Sie tätigen, sehr schlecht. Das bedeutet aber wiederum, dass die KI-Entwicklung im Unternehmen mit Experten des Unternehmens passieren muss, denn nur Sie kennen die Probleme genau. Das Einbeziehen externer Hilfe ist oft kostspielig und führt langfristig zu Abhängigkeiten, weshalb wir als AI-UI versuchen, den Unternehmen eine Software an die Hand zu geben, mit der Sie alles selbst entwickeln, verwalten und langfristig pflegen können. Damit ergeben sich vor allem Chancen im Bereich von Automatisierung und damit wiederum auch eine hohe Kostenersparnis.“

FrAIday Blog #0.5

Künstliche Intelligenz in unserem Netzwerk

Künstliche Intelligenz und Maschinelles Lernen sind Themen, die seit einigen Jahren viel Aufmerksamkeit erfahren. Oft verstehen eigentlich nur wenige, worum es tatsächlich geht und welche Möglichkeiten sich dadurch abseits von oberflächlichem Förderhype in einer Hochautomatisierung verschiedenster Branchen in Zukunft bieten. Den potentiellen Nutzern ist oft nicht klar, wie spielend einfach es sein kann, KI in die eigenen Prozesse zu integrieren und ganz neue Erkenntnisse zu gewinnen.

Mithilfe dieser Werkzeuge sind Arbeitsschritte zur Datenaufbereitung, Datenanalyse, Modellgestaltung und Modelleinsatz via Drag&Drop so vereinfacht, dass dadurch die Mitarbeiter:innen unterstützt und die Arbeitseffizienz massiv gesteigert werden kann. Die Mitarbeiter:innen, welche tatsächlich an spezifischen Problemen arbeiten, werden befähigt, diese mithilfe weltweit anerkannter und angewandter KI-Ansätze nach Stand der Technik zu entwerfen, zu testen und in Firmenprozesse einzubinden, ohne vorher programmieren lernen zu müssen.

Aber wie macht unser Netzwerkpartner das? Sie nutzen ihre Erfahrungen über die Anwendbarkeit von KI für Prozesse wie Bilderkennung, Mustererkennung, digitale Zwillinge und Zeitreihenprognosen aus Wissenschaft sowie Technik und stellen eine Software zur Verfügung, die weg von Programmcode, hin zu einem Bausteinsystem strebt. Maschinelles Lernen und KI folgt wieder und wieder den gleichen Arbeitsschritten. Das junge Unternehmen nutzt genau diese Wiederverwendbarkeit und packt diese repetitiven Aufgaben in sogenannte „Nodes | Knoten“. Mit diesen Knoten lassen sich übersichtliche und leicht nachvollziehbare Prozesse, auch für „nicht-KI-Experten“ abbilden.

Die entwickelte Softwarelösung ist für jeden geeignet, der weder eigene Programmierkenntnisse besitzt oder Mitarbeiter:innen beschäftigt, die mit solchen Fähigkeiten aufwarten können. Gerade kleine und mittlere Unternehmen sind hier auf externe Lösungen angewiesen. KI zu schaffen, ohne eigene Softwareentwicklung betreiben zu müssen, ist damit schon heute möglich. AI-UI ist es wichtig, Nutzer:innen abzuholen und zu befähigen, von den großen technologischen Entwicklungen der jüngeren Vergangenheit zu profitieren, ohne ihren Fokus von ihrem eigentlichen Geschäft abwenden zu müssen.
Mit AI-UI hat das Thüringer Kompetenzzentrum Wirtschaft 4.0 einen weiteren kompetenten Partner im Bereich Künstlicher Intelligenz (engl. Artificial Intelligence, Abk. AI) gewinnen können. Artificial Intelligence User Interface steht für eine „No-Code“ Lösung zur KI-Entwicklung, Testung und Einbindung.
Dabei ist AI-UI ein junges Unternehmen, welches sich Anfang 2021 in Thüringen ausgründete und aus einer Gruppe technologiebegeisterter Wissenschaftler, Ingenieure, Softwareentwickler und Business Angels zusammensetzt. Ursprünglich zusammen gekommen an der TU Ilmenau arbeiten Sie gemeinsam an der Vision, das Thema Künstliche Intelligenz, hier inmitten Deutschlands, für jedermann leicht verständlich und zugänglich zu machen sowie das Know-How regional und dezentral zu entwickeln.

FrAIday Blog

Künstliche Intelligenz?

Künstliche Intelligenz ist da. Sie ist das „Smart“ in unseren SmartTVs, Smartphones, Smartwatches und smarten Assistenten. Obwohl jeder von uns mittlerweile täglich Umgang mit dieser Technologie hat, ist vielen Usern noch nicht so ganz klar was da eigentlich auf ihren Geräten passiert.
Wie lernt meine Tastatur meinen Wortschatz und Ausdruck?
Wie kommt es, dass mein Home Assistant mich mit der Zeit besser versteht und sogar meine von anderen Stimmen unterscheiden kann?
Wie erkennt meine Kamera mein Gesicht und wie kriege ich diese Katzenohren wieder ausgeschaltet?
Fängt man dann an sich ein bisschen zu informieren beginnt auch schon ganz schnell das Schlagwortbingo: Machine Learning, IoT, Industrie 4.0, Deep Learning, Tensorflow und so weiter und so weiter.
Mit dieser Blogserie wollen wir Ihnen ein bisschen Licht ins Dunkel dieser Begriffe und der ganzen Thematik KI bringen.

Wir sind AI-UI, ein junges Unternehmen aus Ilmenau und seit kurzem Partner im Netzwerk des Kompetenzzentrum Wirtschaft 4.0 (Bingo!).
Wir haben es uns zur Aufgabe gemacht, die Potentiale der Technologie „KI“ für jeden zugänglich zu machen.
Hierfür haben wir Software entwickelt, das Artificial Intelligence User Interface.
Wie der Name schon sagt, handelt es sich um eine Benutzeroberfläche für KI, insbesondere für Maschinelles Lernen (Machine Learning, Bingo!).
Das Besondere an unserer Anwendung ist dabei, dass jeder Schritt grafisch aufgearbeitet und visuell dargestellt wird. Kein Quellcode und keine Programmierkenntnisse notwendig.

produktbild-workbench-designer

Sowohl beim Einstieg in die Thematik als auch in der täglichen Arbeit mit KI, sind wir in den letzten Jahren auf so einige Knackpunkte gestoßen und haben angefangen nach Wegen zu suchen diese etwas einfacher überwinden zu können.
Einstiegshürden, wie z.B. Programmierkenntnisse, werden abgebaut, und durch die grafische Darstellung des gesamten Prozesses in einem einzigen Programm werden Transparenz, Nachvollziehbarkeit und einfache Wege des Austauschs geschaffen.
Aus unseren Erfahrungen in der Anwendung von KI für Bilderkennung, Mustererkennung, Zeitreihenanalyse, Sprachmodelle und Digitale Zwillinge, haben wir wiederkehrende Abläufe identifiziert und zu Funktionsblöcken (wir nennen sie Nodes) zusammengefasst.
Diese Blöcke sind flexibel, wiederverwendbar und erleichtern die Fehlersuche, gerade wenn man etwas ausprobiert oder testet.

Auch im Rahmen dieses Blogs werden wir immer wieder versuchen Zusammenhänge mithilfe unserer Software darzustellen. Wenn sie das Ganze etwas interaktiver gestalten möchten, schreiben sie uns einfach an info@ai-ui.ai, und wir senden Ihnen unsere neueste Software zum Ausprobieren.

Dieser Blog wird ein Interview.
Wir werden uns den Fragen des Kompetenzzentrums stellen, ein bisschen Grundlagenwissen vermitteln und dabei versuchen immer einen Anwendungsbezug herzustellen. Falls Sie Fragen zum Thema KI haben, schreiben sie uns gerne an blog@ai-ui.ai, und wir werden versuchen diese mit einzubauen.

Wir danken dem Thüringer Kompetenzzentrum Wirtschaft 4.0 für die Möglichkeit zu diesem Format. Gerade als junges Unternehmen, wissen wir einen weiteren kompetenten Partner an unserer Seite sehr zu schätzen und freuen uns schon auf Sie, Ihre Fragen und zukünftige Kooperationen!

KI kommt… kommen Sie doch einfach mit.