Computer Vision in der Zuginstandhaltung
Die Verfügbarkeit von Fahrzeugen ist zentrale Voraussetzung für Mobilitäts- und Logistikdienstleistungen. Um diese sicherzustellen, sind effiziente Prozesse in der Instandhaltung unabdinglich. Methoden der künstlichen Intelligenz bieten ein großes Potential, Teile dieses Prozesses zu optimieren.Am Beispiel der Deutschen Bahn wird gezeigt, wie diese Verfahren eingesetzt werden, um aus Bilddaten Erkenntnisse für die Instandhaltung zu erzeugen.
Gegenstand des Vortrags ist der aktuelle Stand der Entwicklung. Es werden entwickelte Verfahren (Object Detection, Klassifikation, Anomalieerkennung), die Anwendungsarchitektur und Erfahrungen aus der Evaluation für den produktiven Einsatz diskutiert.
Vorkenntnisse
Grundsätzliches Verständnis von Machine Learning und Neuronalen Netzen
Lernziele
Der Beitrag gibt aktuelle Erfahrungen für den produktiven Einsatz von Machine Learning Komponenten im „Heavy Metal"- Kontext wieder. Behandelt werden die genutzten Verfahren und deren Kombinationen, Architekturprinzipien, Tools für den produktiven Einsatz sowie Erkenntnisse zur Performance der Verfahren in Anwendungen aus der realen Welt.
Speaker
Thomas Thiele ist seit 2018 bei der Deutschen Bahn tätig. Seine Themenfelder umfassen die Entwicklung und Umsetzung KI-relevanter Themen im Gesamtkonzern. Er koordiniert das House of AI der Deutschen Bahn. Zu seinen Tätigkeitsschwerpunkten gehören der Aufbau von Dateninfrastrukturen und Machine Learning sowie Themen rund um KI Einsatz in der „Heavy Metal“-Welt.
Emily Söhler begeistert sich für die Entwicklung und operativer Nutzung von Deep-Learning-Modellen. Nach mehrjähriger Erfahrung in der Umsetzung von Data-Science-Projekten, ist sie im Mai 2020 bei der Deutschen Bahn AG eingestiegen. Als AI Specialist leitet sie sowohl auf Projekt- als auch auf technischer Ebene die KI-Implementierung eines großen Instandhaltungsprojekts.