PressClub Deutschland · Artikel.
BMW Group veröffentlicht weltweit größten Open-Source Datensatz „SORDI“ für besonders effiziente KI-Anwendung in der Produktion
23.03.2022 Pressemeldung
+++ Synthetic Object Recognition Dataset for Industries zur Beschleunigung von Künstlicher Intelligenz in der Produktion +++ KI-Datensatz enthält mehr als 800.000 fotorealistische Bilder unterteilt in 80 Klassen +++ Synthetisierung von Trainingsdaten hebt die Effizienz von KI in der Produktion auf ein neues Niveau +++ Weitere Stärkung der No-Code AI: Robuste KI-Modelle können binnen kürzester Zeit generiert werden+++
Pressekontakt.
Julian Friedrich
BMW Group
Tel: +49-89-382-25885
E-Mail senden
Author.
Julian Friedrich
BMW Group
Passende Links.
This article in other PressClubs
+++ Synthetic Object Recognition Dataset for Industries zur Beschleunigung von Künstlicher Intelligenz in der Produktion +++ KI-Datensatz enthält mehr als 800.000 fotorealistische Bilder unterteilt in 80 Klassen +++ Synthetisierung von Trainingsdaten hebt die Effizienz von KI in der Produktion auf ein neues Niveau +++ Weitere Stärkung der No-Code AI: Robuste KI-Modelle können binnen kürzester Zeit generiert werden+++
München. Die BMW Group veröffentlicht den weltweit größten Datensatz, um das Training von Künstlicher Intelligenz in der Produktion signifikant zu beschleunigen und noch effizienter zu gestalten. Der synthetisierte KI-Datensatz ‚Synthetic Object Recognition Dataset for Industries‘ – SORDI – besteht aus mehr als 800.000 fotorealistischen Bildern und Produktionsressourcen in 80 Klassen (wie z. B. Palette, Gitterbox, Gabelstapler) und umfasst Objekte von besonderer Relevanz in den Kerntechnologien des Automobilbaus und der Logistik.
Mit SORDI veröffentlicht die BMW Group gemeinsam mit den Partnern Microsoft, NVIDIA und idealworks den weltweit größten Referenz-Datensatz für Künstliche Intelligenz im Bereich Manufacturing. Die Daten zeich-nen sich durch eine besonders hohe optische Qualität aus. Die integrierten Label ermöglichen als digitale Etiketten grundlegende Aufgaben der Bildverarbeitung wie Klassifizierung, Objektdetektion oder Segmentierung für relevante Bereiche der Produktion im Allgemeinen.
„Künstliche Intelligenz wird bereits seit 2019 bei der BMW Group eingesetzt und in unterschiedlichen Applikationen in unseren Werken produktiv in der Qualitätssicherung genutzt. Der neue, synthetische Datensatz SORDI erlaubt das wesentlich schnellere Training von KI-Modellen und dient damit der signifikanten Steigerung der Kosteneffizienz von KI in der Produktion“, sagt Michele Melchiorre, Leiter BMW Group Produktionssystem, Planung, Werkzeug-und Anlagenbau.
Die Simulationsumgebung für Robotik, der Digital Twin des Produktionssystems und die Trainingsumgebung für KI werden im NVIDIA Omniverse fusioniert, sodass KI auf Grundlage synthetisierter Daten ohne manuellen Aufwand kreiert werden kann. Die Rendering-Pipeline aus dem BMW TechOffice Munich ermöglicht es, eine beliebige Anzahl von Fotos inklusive Labels automatisch zu erstellen. Durch die fotorealistische HD-Qualität dieser synthetisierten Fotos lassen sich KI-Modelle mit besonders hoher Robustheit realisieren. IT-Experten können SORDI einsetzen, um KI-Lösungen für die Produktion zu entwickeln und zuzuschneiden. Produktionsmitarbeiter werden mittels SORDI unterstützt und erhalten pünktlich zum Produktionsstart reife KI-Systeme zur Absicherung.
Der innovative Datensatz steht Software-Entwicklern künftig frei zur Verfügung. Mit dieser Open-Source-Publikation baut die BMW Group ihre Aktivitäten zur Demokratisierung Künstlicher Intelligenz gezielt weiter aus ((https://github.com/bmw-innovationlab). Die Publikationen der No-Code AI sowie der SORDI-Datensatz ergänzen sich: Zum einen erlauben das BMW Labeling Tool Lite und die veröffentlichten KI Trainingstools die intuitive Anwendung von Künstlicher Intelligenz explizit auch Anwendern ohne fundierte IT-Expertise. Zum anderen dient SORDI dazu, das Training von KI-Modellen für Produktionsanwendungen aufgrund der Synthetisierung maßgeblich zu beschleunigen und zu vereinfachen.