Künstliche Intelligenz in der Sensorik

Im Zeitalter von Big Data und dem Internet der Dinge (IoT) spielen Sensoren eine zentrale Rolle als „Augen und Ohren“ moderner Systeme. Doch traditionelle Sensoren stoßen an ihre Grenzen. An dieser Stelle kommen KI-optimierte Softsensoren ins Spiel – eine Innovation, die weit über das bloße Sammeln von Rohdaten hinausgeht. Diese intelligenten Softsensoren fusionieren verschiedene Messgrößen mittels maschinellen Lernens und fortschrittlicher Signalverarbeitung zu einem virtuellen Messwert, um Echtzeitentscheidungen zu treffen, zukünftige Ereignisse vorherzusagen und Datenanalysen lokal durchzuführen. 

Im Gegensatz zu herkömmlichen Sensoren, die auf reine Datenerfassung setzen, gehen die von uns entwickelten Softsensoren einen Schritt weiter: Sie analysieren, verarbeiten und fusionieren Daten direkt am Sensorknoten, ohne sie in die Cloud hochladen zu müssen. Dies erhöht die Datensicherheit, Energieeffizienz und die Reaktionsgeschwindigkeit erheblich. Sie liefern präzise die Messgröße oder Information, die der Anwender oder das zu überwachende System benötigt.

Vorteile der Technologie

• Softsensoren filtern und priorisieren Daten: KI-Algorithmen können zwischen wichtigen Signalen und Hintergrundgeräuschen unterscheiden, sodass nur die relevantesten Daten übertragen werden.
• Datenquellen kombinieren: Softsensoren vereinen Informationen aus mehreren physikalischen Sensoren und weiteren Quellen, wie KI-Modellen, zu einem einheitlichen Signal mit korrelierter Messgröße.
• Echtzeitentscheidungen treffen: Durch die Analyse von Daten direkt am Sensorknoten können Softsensoren Aktionen auslösen, ohne menschliche Intervention zu benötigen.
• Zukünftige Ereignisse vorhersagen: KI kann aus historischen Daten lernen, um Muster zu identifizieren und potenzielle Probleme wie Ausfälle vorherzusagen, bevor sie auftreten.

Anwendungsbereiche der intelligenten Softsensoren

Medizinische Diagnostik

Multisensorsysteme, die zur Vitalparametererfassung am Körper getragen werden, liefern wichtige Informationen über den Zustand des menschlichen Organismus. Softsensoren gehen noch einen Schritt weiter, indem sie aus den gesammelten Rohdaten zusätzliche "weiche" Parameter berechnen, die auf komplexen Zusammenhängen basieren. Änderungen in Parametern wie Blutsauerstoffsättigung, Puls und Temperatur, können so frühzeitg auf Krankheiten wie Wundentstehungen hinweisen, bevor erste Symptome auftreten.

Die Integration hochpräziser miniaturisierter Sensoren und Aktoren mit moderner Signalverarbeitung und Methoden künstlicher Intelligenz ist Grundlage für immer leistungsfähigere Methoden in der medizinischen Diagnostik und Therapie. Echtzeitmessungen und Datenanalysen direkt in den eingesetzten Sensoren im medizinischen Bereich ermöglichen schnellere Reaktion auf Änderungen der körpereigenen Phänomene.  Dies verbessert die Heilungschancen, reduziert Behandlungskosten und  -dauer und erhöht die Ergebnisqualität.

Maschinenüberwachung und vorausschauende Wartung

Oft kann der Zustand einer Maschine nur auf Grundlage einer Kombination von Faktoren wie Prozessschritten, Umgebungsbedingungen und Wartungshistorie geschätzt werden. Beispielsweise können die erwarteten Schwingungspegel oder der Stromverbrauch einer Maschine je nach aktuellem Prozessschritt oder mechanischer Belastung stark variieren. Mit einer Kombination von Sensoren und KI-Methoden ist es möglich, komplexe Muster in den Daten zu erkennen, die die verschiedenen Betriebszustände der Maschine darstellen. Softsensoren spielen hierbei eine Schlüsselrolle, da sie "weiche" Informationen wie Stresszustände oder Abnutzungsfaktoren berechnen, die sich nicht direkt berechnen lassen.

Die so gewonnenen Daten können als Basis für Condition Monitoring (Zustandsüberwachung) zur Bestimmung des Zustands von Maschinen verwendet werden. Ein Aspekt der Zustandsüberwachung ist die Anomalieerkennung, d. h. die Erkennung seltener Fehlerereignisse. Tritt eine Anomalie auf, kann die Maschine proaktiv abgeschaltet werden, bis die Ursache geklärt ist.

Der aktuell ermittelte Zustand einer Maschine ist die Grundlage für die Abschätzung der Restnutzungsdauer der Anlage, was eine vorausschauende Wartung (Predictive Maintenance) ermöglicht. Auf diese Weise kann die Wartung bedarfsabhängig geplant werden, sodass unnötige Ausfallzeiten oder Ersatzteileinsatz vermieden werden.

Umwelt- und Klimaschutz

Durch den verstärkten Einsatz von KI steigt nach Expertenmeinungen auch der Energiebedarf durch Rechenzentren. Softsensoren in Kombination mit Edge AI tragen dazu bei, diesen Energiebedarf zu reduzieren, indem Daten direkt am Sensorknoten analysiert und so das ständige Hochladen und Speichern in Rechenzentren vermieden werden. Gleichzeitig hat die Kombination von Sensoren und KI-Methoden für den Klimaschutz auch ein riesiges Potenzial: Sie kann den Energieverbrauch von Fabriken entscheidend senken, Gebäude auf CO2-Sparkurs bringen sowie Emissionen besser vorhersagen. Auch für die Materialanalyse bei der Abfallsortierung oder beim Echtzeit-Monitoring der Luftqualität in den Städten bieten Softsensoren neue Möglichkeiten.