Trainingsdaten für autonomes Fahren

fTeilen

Selbstständig fahrende Autos müssen ihre Umgebung realitätsgetreu
wahrnehmen. Algorithmen, die dies ermöglichen, lernen durch Training an
einer Vielzahl von Bild- und Videoaufnahmen. Damit der Algorithmus
einzelne Bildelemente erkennt – etwa als Baum, Fußgänger oder
Straßenschild –, werden diese markiert. Das Labeling genannte Verfahren
haben der Informatiker Philip Kessler, der am Karlsruher Institut für
Technologie (KIT) studiert hat, und sein Mitgründer Marc Mengler in ihrem
Start-up understand.ai mit Künstlicher Intelligenz besser und schneller
gemacht.

„Ein Algorithmus lernt anhand von Beispielen, und je mehr Beispiele es
gibt, desto effektiver lernt er“, sagt Philip Kessler. Deshalb benötigt
die Autoindustrie eine große Menge Bild- und Videomaterial zum
Maschinellen Lernen für autonomes Fahren. Die Objekte auf den Bildern
werden herkömmlicherweise von Menschen in Handarbeit gekennzeichnet.
„Große Firmen wie Tesla beschäftigen dafür tausende Arbeiter in Nigeria
oder Indien, das Verfahren ist mühsam und zeitaufwendig“, erklärt Kessler.
„Bei understand.ai verwenden wir Künstliche Intelligenz, die es
ermöglicht, diese Kennzeichnung zehnmal schneller und präziser
auszuführen“, sagt er. Obwohl der Prozess der Bildbearbeitung großteils
hochautomatisiert sei, übernehme der Mensch am Schluss die
Qualitätskontrolle. Die Kombination von Technik und menschlicher Sorgfalt
sei insbesondere bei sicherheitskritischen Themen wie dem autonomen Fahren
wichtig, betont der Gründer von understand.ai. Die auch Annotationen
genannten Markierungen in den Bild- und Videodarstellungen müssen
pixelgenau mit der realen Umgebung übereinstimmen. Je besser die Qualität
der bearbeiteten Bilddaten, desto besser der Algorithmus, der damit
trainiert.

„Da man nicht für alle Situationen – zum Beispiel Unfälle –
Trainingsbilder bereitstellen kann, bieten wir neuerdings auch aus
Realdaten erarbeitete Simulationen an“, so Kessler. Obwohl es sich in der
Startphase auf das Thema autonomes Fahren fokussiert, plant sein
Unternehmen künftig auch das Bearbeiten von Bilddaten, mit deren Hilfe
Algorithmen die Tumorerkennung oder die Auswertung von Luftbildern
trainieren. Führende Automobilhersteller und -zulieferer in Deutschland
und den USA gehören zu den Kunden des 2017 von Kessler gemeinsam mit Marc
Mengler gegründeten Start-ups. Neben seinem Hauptsitz Karlsruhe ist das
junge Unternehmen mit seinen insgesamt mehr als 50 Mitarbeiterinnen und
Mitarbeitern in Berlin und San Francisco tätig. 2018 erhielt es von einer
Runde privater Investoren eine Anschubfinanzierung in Höhe von 2,8
Millionen US-Dollar.

Der aus Braunschweig stammende Kessler hatte 2012 das Informatikstudium am
KIT begonnen, wo er sein Interesse am Thema Künstliche Intelligenz und
autonomes Fahren beim Entwickeln eines autonomen Modellfahrzeugs in der
Hochschulgruppe KITCar entdeckte. „Extrem motivierend“ für die eigene
Unternehmensgründung waren für ihn die Angebote der Hochschulgruppe
PionierGarage des KIT für studentische Entrepreneure sowie ein einjähriger
Aufenthalt im Silicon Valley bei Mercedes Research im Bereich Maschinelles
Lernen und Datenanalyse.

„Nirgends lernt man in kürzester Zeit mehr als in einem Start-up und das
Interesse großer Firmen, mit Start-ups zusammenzuarbeiten hat in jüngster
Zeit deutlich zugenommen“, stellt der 26 Jahre alte Gründer fest. Die
erste Welle der Künstlichen Intelligenz, in der sie vorwiegend für
Unterhaltungsgeräte und Endverbraucher-Produkte genutzt wurde, habe
Deutschland verschlafen. „In der zweiten Welle, in der Künstliche
Intelligenz in Industrie und Technik angewandt wird, kann Deutschland sein
Potenzial nutzen“, ist Kessler überzeugt.

Details zum KIT-Zentrum Information · Systeme · Technologien (in
englischer Sprache): <http://www.kcist.kit.edu>