Jenseits des Hypes: Einsatz von Künstlicher Intelligenz im Umfeld einer Schiffbau-Versuchsanstalt
Dr.-Ing. Jonas Wagner, Hamburgische Schiffbau-Versuchsanstalt GmbH, Hamburg
Der Hype um die Einsatzmöglichkeiten Künstlicher Intelligenz ist auch in der maritimen Branche unübersehbar – kaum eine Fragestellung, bei der nicht die Möglichkeit diskutiert wird, eine Lösung durch den Einsatz von KI schneller, besser oder günstiger als durch herkömmliche Methoden herbeizuführen. Jedoch ist die Kluft zwischen Anspruch und Wirklichkeit bei kaum einem anderen Thema so groß wie bei den Kosten und Nutzen durch den Einsatz von KI.
Dies ist teilweise darauf zurückzuführen, dass der Begriff „KI“ häufig als Synonym für Maschinelles Lernen, Data Science und teilweise sogar Statistik verwendet wird, was eine differenzierte Bewertung der Herausforderungen und Möglichkeiten der jeweiligen Technologien deutlich erschwert.
Während KI im Sinne von menschliche Intelligenz und entsprechendes Verhalten simulierenden Expertensystemen vor allem (aber nicht nur) auf großen Sprachmodellen basiert und aus Sicht einer Versuchsanstalt vorrangig, sofern das gewünscht ist, im administrativen / verwaltungstechnischen Bereich seine Anwendung finden dürfte, spielt im technischen Umfeld das Maschinelle Lernen als Teilgebiet der Künstlichen Intelligenz eine deutlich größere Rolle.
Auch dabei werden jedoch oftmals grundlegende Herausforderungen von Methoden des maschinellen Lernens übersehen bzw. ignoriert – beginnend bei den zu nutzenden Trainingsdaten und der entsprechenden Datenaufbereitung, über die Stärken und Schwächen der jeweiligen Modelle und Algorithmen, bis hin zu den erwarteten Ergebnissen.
Im Umkehrschluss bedeutet dies natürlich nicht, dass es keine sinnvollen Einsatzgebiete für maschinelles Lernen im maritimen Bereich gäbe. Ob im klassischen Modellversuch, im Entwurf, in der CFD oder der Datenanalyse – wenn Datenbasis, Werkzeuge und Zielstellung mit Bedacht gewählt werden, lassen sich im hydrodynamischen Umfeld in vielen Bereichen vielversprechende Möglichkeiten zum produktiven Einsatz entsprechender Methoden erkennen. In diesem Vortrag sollen daher die Möglichkeiten und Chancen zur produktiven Anwendung von maschinellem Lernen im Umfeld einer Schiffbau-Versuchsanstalt sowie die dafür nötigen Randbedingungen und die entsprechenden Herausforderungen aufgeführt und mit ersten Beispielen aus der Praxis belegt werden.
