IoT trifft KI: Aktuelle Projekte, Use Cases und Trends

Anbieter zum Thema

Ask Mercedes - ein Chatbot ergänzt die Bedienungsanleitung

Niemand mag sie, aber jeder braucht sie: die Betriebsanleitungen von Automobilen. Ob digital oder in der Print-Version handelt es sich bei diesen um mehr oder minder ausgewachsene Bordhandbücher. Folge: Ihre Existenz wird ignoriert; nur im absoluten Notfall wirft der Fahrzeuglenker einen Blick hinein. Oder auch nicht – was unter Umständen fatale Konsequenzen haben kann.

Bei Mercedes-Benz hat man übetr Alternativen nachgedacht und ergänzt jetzt die seit Jahren digital verfügbare Bedienungsanleitung für die E- und S-Klasse um einen intelligenten, intuitiv und leicht zu nutzenden Chatbot. Der Chatbot, der auf den sinnigen Namen "Ask Mercedes" hört, wurde gemeinsam mit IBM entwickelt und kann entweder als "Ask Mercedes App” herunter geladen oder auch über Facebook und andere Messenger Dienste abgerufen werden. Der Chatbot ist aktuell in Südafrika, in Indien und Hongkong verfügbar. 2018 folgt auch eine Version in deutscher Sprache.

Basis für die Entwicklung ist die leistungsfähige Spracherkennungs-Software moderner Chatbots, die sehr viel mehr kann als nur die die klassischen FAQ (Frequently Asked Questions)-Kataloge zu beantworten. Diesen Entwicklungssprung nutzt Mercedes-Benz, um Fahrern den Umgang mit ihrer E- und S-Klasse zu erleichtern: der Chatbot "Ask Mercedes" lässt (fast) keine Fragen zum Betrieb dieser Fahrzeug-Klasse mehr offen. Das ist nicht nur praktisch im Hinblick auf die wachsende Anzahl von Funktionalitäten in den Auomobilen des schäwbisvchen Tranitionsherstellers, sondern hilft auch den Nutzern eines Share- oder Mietfahrzeugs, sich bei Bedarf schneller zurechtzufinden.

Der Chatbot arbeitet im Hintergrund mit KI-basierter IBM Watson Conversation Technologie. Diese hat in unabhängigen Tests schon mehrfach bewiesen, was sie zu leisten im Stande ist: nämlich in natürlicher Sprache einen Dialog mit Menschen führen, sodass das Zurechtfinden im Auto und die Nutzung zum Beispiel von Knöpfen, Lampen und anderen Modulen intelligent unterstützt wird. Oder auch allgemeine Fragen zu Mercedes, wie etwa zur neuen Elektromobilitätsmarke EQ, zu beantworten.

Der Chatbot kennt das Auto und seine Funktionalitäten aus dem Effeff, dafür wurde er trainiert. Er kann in natürlicher Sprache befragt werden und ist in der Lage, eine Fahrzeugfunktionalität zu erklären, unabhängig davon, wie der Fahrer danach gefragt hat. So führt beispielsweise die Frage "Wie kann ich sportlich/ökonomisch fahren" genauso zum Hinweis auf den "Dynamic Select"- Schalter wie die direkte Frage "Was ist Dynamic Select?"

Bildergalerie

Bildergalerie mit 31 Bildern

Dieser digitale Dialog ist außerdem keine Einbahnstraße: "Ask Mercedes" fragt auch zurück, wenn er mehrere Antwortoptionen zur Auswahl hat und besser verstehen möchte, was genau der Fahrer wissen will. Zudem kann er Fragen unter Zuhilfenahme von Multi-Media Inhalten, also etwa Grafiken oder Zeichnungen, beantworten. Aber der Chatbot kennt auch seine Grenzen: Wenn er merkt, dass er eine Frage nicht korrekt beantworten kann, verweist er auf weiterführende Informationen oder an das Call Center.

KI und Medizin: Kliniker und Software-Entwickler trainieren neue KI-Plattform gemeinsam

Nach und nach halten sie Einzug in Krankenhäuser und Arztpraxen – lernfähige Computerassistenten, die die Ärzte bei ihren Diagnosen und Therapieplanungen unterstützen. Bislang wurden solche "Deep-Learning"-Algorithmen im Wesentlichen von Informatikern konzipiert und geschrieben. Das Fraunhofer-Institut für Bildgestützte Medizin MEVIS in Bremen geht einen anderen Weg und entwickelt solche KI-Systeme nun auch in enger Zusammenarbeit mit Medizinern. Erste, vielversprechende Resultate wurden auf der weltweit wichtigsten Kongressmesse für Radiologen, der RSNA 2017 in Chicago, vorgestellt.

Kognitive Computerassistenten unterstützen Mediziner bei Arbeiten, die langwierig, monoton und immer wiederkehrend sind – etwa, wenn es darum geht, die Umrisse eines Organs auf einer CT-Aufnahme präzise zu bestimmen. Außerdem sind die Assistenten in der Lage, Informationen aus medizinischen Bilddaten herauszudestillieren, die ein Mediziner beim bloßen Blick auf den Bildschirm kaum zu erkennen vermag.

Das Besondere an diesen Assistenten: Sie sind lernfähig. Je mehr Bilddaten sie im Laufe der Zeit prozessieren, umso präziser werden sie die Umrisse eines Organs auf einer Aufnahme erkennen. "Indem wir die Software gezielt trainieren, machen wir sie mit der Zeit immer leistungsfähiger", erläutert MEVIS-Experte Markus Wenzel.

Bislang wurden Entwicklungen für solche Assistenten oft im Rahmen spezieller Wettbewerbe miteinander verglichen - sogenannter Challenges. Das Prinzip: Zu Beginn erhalten mehrere konkurrierende Programmierer-Teams ein- und denselben medizinischen Datensatz. Auf dessen Grundlage trainieren die Bildverarbeitungs-Experten dann ihre Algorithmen. Am Ende hat die Software, die die gestellte Aufgabe anhand eines unabhängigen Datensatzes am besten zu erledigen weiß, den Wettbewerb gewonnen. Weil die Algorithmen auf denselben Datensatz angewendet werden, sind die Resultate sehr gut vergleichbar. Für Forscher Wenzel hat das ganze aber einen Schönheitsfehler. "Diesen Challenges mangelt es aus Sicht der Kliniker nicht selten an Praxisrelevanz."

Aus diesem Grund binden die Bremer Experten jetzt die Mediziner in ihren Projekten noch enger als bislang in die Software-Entwicklung ein – so in einem laufenden Pilotprojekt an der Asklepios Klinik Barmbek in Hamburg. Bei diesem Projekt geht es unter anderem darum, das Volumen der Leber auf einer CT- oder MRT-Aufnahme im Laufe einer Therapie präzise zu vermessen: Wie zum Beispiel verändert sich die Größe eines Organs durch eine wiederholte Bestrahlung? Diese Volumenbestimmung ist besonders bei großen oder komplexen Organen wie der Leber eine zeitaufwendige Prozedur. Ein Computerassistent könnte sie dem Arzt weitgehend abnehmen, indem er das Organ auf der Aufnahme automatisch erkennt und sein Volumen erfasst.

Zunächst aber mussten die Fachleute in der Barmbeker Klinik die technischen Voraussetzungen für den Einsatz eines Deep-Learning-Systems schaffen. "Zu gewährleisten, dass der Algorithmus innerhalb einer Hochsicherheits-IT-Umgebung arbeiten und die Patientendaten sehen darf, ist in einem Versorgungs-Krankenhaus schwieriger als in einer Uniklinik, an der routinemäßig mit Patientendaten geforscht wird."

Die KI-Plattform der Fraunhofer-Forscher ist so ausgelegt, dass sie auf der Basis eines gemeinsam aufgebauten Bilddatenbestandes erste Versionen der Computerassistenten entwickeln. Die Mediziner bringen sich im Rahmen ihrer alltäglichen Arbeiten in die weitere Entwicklung ein: Regelmäßig speisen sie neue Fälle aus ihrer üblichen Routine in die Software. Dann begutachten sie, was der Assistent aus diesen neuen Datensätzen macht und korrigieren dessen Ergebnisse.

"Dadurch sehen die Kliniker jederzeit, auf welchem Lernstand der Computer ist und können regelmäßig Verbesserungshinweise geben", so Wenzel. "Wir Entwickler können dann gezielt auf ihre Bedürfnisse und etwaige Probleme reagieren." Die Folge: Der Computerassistent erfährt ein praxisrelevantes Training und wird nach und nach immer leistungsfähiger. "In die Entwicklung solcher lernenden Assistenten so direkt eingebunden zu sein, ist nicht nur wissenschaftlich spannend. Es hilft mir auch, Vertrauen in die Fähigkeiten der Software zu gewinnen", sagt Roland Brüning, Chefarzt der Radiologie und Neuroradiologie an der Asklepios Klinik in Hamburg Barmbek.

Wichtige Grundlagen der KI-Software-Plattform wurden bereits in anderen MEVIS-Projekten erarbeitet: In SIRTOP arbeiten die Bremer Experten beispielsweise daran, die Behandlungsplanung bei der Radioembolisation – einer speziellen Therapie gegen Lebertumoren – mit Hilfe ausgefeilter Computeralgorithmen schneller und genauer zu machen. Im Projekt AMI geht es um die Entwicklung selbstlernender Computeralgorithmen, die automatisch nach Auffälligkeiten in medizinischen Bilddaten suchen, um die Treffsicherheit von computergenerierten Diagnosen zu steigern.

"Innerhalb des nächsten Jahres werden wir unsere Plattform zu einem marktfähigen Angebot entwickeln", verspricht Fraunhofer-Forscher Markus Wenzel. Mit dieser Software wird es dann auch möglich sein, einen Algorithmus in mehreren Kliniken gleichzeitig und unabhängig voneinander zu trainieren, um ihn danach zu einer einzigen Software zu fusionieren. Die kann dann das Gelernte aus mehreren Kliniken berücksichtigen – zweckmäßig vor allem für größere Verbundprojekt.

(ID:45337180)