Guided Visual Interactive Exploration and Labeling of Industrial Sensor Data
Die Dissertation von Dr.-Ing. Tristan Funken beschäftigt sich mit der effizienten Exploration und dem Labeling von industriellen Sensordaten. Es wird ein Ansatz vorgestellt, mit dem die Erzeugung von qualitativ hochwertigen, gelabelten Datensätzen, die für maschinelle Lernalgorithmen benötigt werden, durch ein Guidance System entlang der beiden Prozessschritte, Exploration und Labeling, unterstützt werden kann.
Wir haben Tristan zu seiner Dissertation befragt:
In welchem Kontext ist deine Dissertation entstanden? Welche Projekte oder anderen Faktoren haben deine Dissertation besonders beeinflusst?
Die vorliegende Dissertation enthält die Ergebnisse meiner Forschungsarbeiten an der RWTH Aachen und der Bergischen Universität Wuppertal. In verschiedenen Forschungsprojekten, die ich zusammen mit Industrieunternehmen durchgeführt habe, konnte ich feststellen, dass die Anwendung von Machine-Learning-Verfahren nur einen Bruchteil der Projektarbeitszeit ausmacht. Viel mehr Zeit wird darauf verwendet, die Sensordaten zu verarbeiten und den darunterliegenden Prozess zu verstehen. Im Gegensatz zu bekannten ML-Szenarien wie der Erkennung von Straßenschildern oder der Klassifikation von Hunden und Katzen ist es schwieriger, den Verlauf eines Produktionsprozesses oder Fehlerfalls anhand von Kurven von an Maschinen angebrachten Drucksensoren zu verstehen. Dies erschwert die Vorverarbeitung der Daten für die Anwendung von ML-Algorithmen in solchen Fällen und verhindert auch, dass dieser Prozess durch beispielsweise Mechanical Turk-Ansätze skaliert werden kann.
Welchen Beitrag leistet deine Arbeit zum Forschungsfeld?
Die Idee meiner Dissertation entstand aus der oben beschriebenen Problemstellung, den Prozess der Vorverarbeitung von Daten, insbesondere der Exploration und des Labelings, zu unterstützen, um ML-Modelle in industriellen Anwendungsfällen schneller anwenden zu können. Zunächst formalisiere ich in meiner Arbeit den Prozess und stelle dann den Ansatz für ein Guidance System vor, mit dem sich beide Prozessschritte führen lassen. Die Umsetzbarkeit und Effizienz dieses Ansatzes wurden durch die Evaluation einer prototypischen Umsetzung und anhand von Studien mit realen Anwendungsfällen belegt.
Urkundenübergabe mit Prof. Meisen
Wie geht es nun für dich und das Thema weiter?
Die Untersuchung der Nutzbarkeit von Expertenwissen und die Kombination von menschlichem Wissen und Interaktionen mit Machine-Learning-Verfahren wird auch in den kommenden Jahren ein wichtiges Thema bleiben. In letzter Zeit wird viel Aufmerksamkeit dem Einsatz von Large Language Models gewidmet. Daher könnte sich das Thema in Richtung intelligenter Assistenzsysteme weiterentwickeln. Ich freue mich sehr, die KI-Forschung und -Lehre im Verbund KI4BUW an der Bergischen Universität Wuppertal weiter voranzutreiben.
