Security KI-Gesichtserkennung: Wer darf an die Maschine

Anbieter zum Thema

MicroConsult Academy GmbH

MES Electronic Connect GmbH & Co. KG

CTX Thermal Solutions GmbH

Wachsende Sicherheitsansprüche bei immer höher automatisierten Anlagen, Maschinen und Fahrzeugen erzwingen klare Zugangsberechtigungskonzepte: KI-Gesichtsunterscheidung beispielsweise erhöht Datenschutz und Arbeitssicherheit.

Wer darf die Maschine bedienen? Wer darf sie warten oder reinigen? Und bei welcher Schicht? Wer hat einen Baggerführerschein? Aktuelle Zugangsberechtigungskonzepte lösen diese Fragen meist über Zugangscodes, Zugangskarten oder RFID-Chips.

Doch all diese Methoden sind anfällig für die Weitergabe (jeder, der den Chip hat, hat auch die entsprechende Berechtigung) oder sogar Manipulation. Dies kann angesichts zunehmender Regulierung und wachsende Sicherheitsansprüche zu Schadensersatzansprüchen an den Betreiber bzw. Hersteller, zu Qualitätsproblemen oder sogar schweren Unfällen führen.

„Gesichtserkennung ist zum Beispiel beim Smartphone schon seit einigen Jahren allgegenwärtig. Eingesetzt in der Industrie erfordert sie entweder hohe Rechenkapazitäten oder Internetzugang zur Cloud. Das führt zu laufenden (Konnektivitäts-) Kosten und ist darüber hinaus anfällig für Angriffe und auf eine Infrastruktur (Netzwerk, Server- oder Cloudverbindung) angewiesen. In vielen Anwendungen sind die kontinuierlichen Betriebskosten eines solchen Systems daher nicht wirtschaftlich,“ erläutert Viacheslav Gromov, Geschäftsführer vom KI-Spezialisten AITAD.

In sicherheitsrelevanten Industrieumgebungen ist möglicherweise der Internetanschluss nicht vorhanden oder erlaubt. Des Weiteren kommen Bedenken in Bezug auf die erhobenen biometrischen und personenbezogenen Daten hinzu. An diesen Anforderungen sind solche, den bestehenden Systemen durch Manipulationsresistenz bei gleichzeitiger hoher Identifikationssicherheit überlegene Technologien bisher meist gescheitert.

Es muss nicht immer Identifikation sein

In vielen Fällen muss es aber gar nicht die Identifikation sein: vielmehr sollte bei vielen Anwendungen ausreichen, beispielsweise die zwanzig an der Maschine arbeitenden Kollegen zu unterscheiden, anstatt zu erkennen. Unterscheiden bedeutet das technische Diskriminieren zwischen bekannten Identitäten – nicht aber die Identifikation unter Millionen von möglichen Personen. Während die Identifikation eher für Zugangssysteme wie z.B. Sicherheitstüren relevant ist, ist der Kreis der Personen, die die Maschine bedienen dürfen, meist deutlich eingeschränkter. Gesichtsunterscheidung eignet sich gut für Zugangsberechtigungen an Bagger, Baumaschinen, CNC-Fräsen, Drehmaschinen, Schleifmaschinen, Spezialmaschinen, Pharmaherstellung, Lebensmittelproduktionsmaschinen, usw.

„Embedded-KI eröffnet hier neue Möglichkeiten. Wir sind auf die Entwicklung, Fertigung und Lieferung von Embedded-KI-Sensoren spezialisiert und entwickeln für Maschinen- und Anlagenbauer sowie Baumaschinenhersteller kundenspezifische, lokale Gesichtsunterscheidungssysteme. Diese zeichnen sich dadurch aus, dass biometrische Daten die Sensorplatine nicht verlassen – der komplette Prozess geschieht zuverlässig vor Ort auf den Halbleitern. Dies vermindert Datenschutz- sowie Sicherheitsprobleme. Darüber hinaus braucht das System keine Netzwerkanbindung, es entstehen also keinerlei Konnektivitäts-Folgekosten (z.B. Cloud-Gebühren). Es spricht also einiges für ein solches Nutzer-Unterscheidungssystem,“ so Gromov weiter.

Die Funktionsweise des Embedded-KI-Sensors

Ein solcher Embedded-KI-Sensor ist nur wenige Zentimeter groß. Ein Time-of-light-Sensor bzw. eine integrierte Nahinfrarot-Kamera (NIR) macht das System unabhängig vom Umgebungslicht. So entsteht auch bei Dunkelheit eine 3D-Aufnahme des Gesichts. Die auf dem Sensor befindlichen KI-Modelle extrahieren daraus diverse Merkmale, vereinfacht gesagt: z.B. Nasen- und Ohrenlänge – die realen Merkmale sind jedoch deutlich komplexer. Daraus entsteht ein Muster, das mit bereits erlernten anderen Mustern verglichen wird. Bei Übereinstimmung übergibt der Sensor ein Signal an die Steuerung – es liegt nun am Kunden, welche Aktion auf das Signal folgen soll – ob es beispielsweise mit bestimmten Zugangsrechten verknüpft wird.

Dabei ist es auch möglich, festzulegen, wie nah die Person dem Sensor kommen muss, was geschieht, wenn sie das Sichtfeld verlässt oder auch, wenn sie sich nicht mehr bewegt (ggf. als Ersatz für den Totmannschalter). Das System kann zusätzlich um eine Aktivitätserkennung erweitert werden, um aus einem Energiesparmodus zu erwachen.

Wie ein solches System trainiert wird

Ähnlich, wie man es vom Smartphone kennt, blickt ein neuer Nutzer mehrfach in den Sensor; der Prozess dauert nicht länger als ein bis zwei Minuten. Von der Maschinensteuerung aus kann etwa über das in der Maschine verbaute Display, dem gelernten Muster eine Personen-ID, auch mit uhrzeitabhängigen Berechtigungsstufen zugewiesen werden. Die gelernten Muster sind abstrakte Strukturen, die Wiederherstellung eines Gesichts aus diesen Mustern ist nahezu unmöglich. Darüber hinaus wird das Auslesen der Muster aus dem Sensor technisch verhindert.

„Unternehmen sollten auf ein maßgeschneidertes System setzen. Je nach Entwicklungsart – Berücksichtigung von Richtlinien, Anbringung, Schutz und Interface, Größe und Funktionsumfang belaufen sich die Kosten für einen kundenspezifischen Sensor auf 100 bis 1.500 Euro im Volumen,“ so Gromov abschließend. (mk)

Künstliche Intelligenz in der Medizin

Embedded-KI erkennt präventiv einen Schlaganfall

Sprachsteuerung in der Robotik

„Mehr Funktionen, lokal mit hohen Datenraten und tieferen Analysen“

(ID:50165826)