Künstliche Intelligenz findet zunehmend Anwendung in Produktion, Logistik und Finanzen. Es gibt jedoch Projekte, die ihr Potenzial in völlig unerwarteten Bereichen zeigen.
Eines davon ist ein Projekt, das wir gemeinsam mit NeuroSYS realisiert haben.
Das Ziel war einfach: das Wachstum von Garnelen in Echtzeit zu überwachen.
Das mag ungewöhnlich klingen, doch das Problem, das wir gelöst haben, ist vielen Unternehmen bestens bekannt:
- fehlende Daten während des Prozesses
- mangelnde operative Kontrolle
- Entscheidungen, die mit Verzögerung getroffen werden
Die Hintergründe dieses Projekts besprechen wir im Podcast „KI in der Produktion“.
Inhaltsverzeichnis
Worum geht es in dieser Podcast-Folge?
Im Gespräch mit Tomasz Kowalczyk, CEO von NeuroSYS, besprechen wir ein Projekt zur Implementierung eines KI-Systems für:
- die Echtzeitüberwachung des Garnelenwachstums,
- die Analyse von Biomasse und Sterblichkeit,
- die Erkennung von Stress und Krankheiten,
- die Optimierung des gesamten Zuchtzyklus.
Die größte Herausforderung bestand darin, von manuellen Messungen am Ende des Prozesses auf eine kontinuierliche Datenerfassung und Überwachung während des gesamten Prozesses umzusteigen.
Das Problem: fehlende Daten während des Prozesses
In der traditionellen Garnelenzucht ist das zentrale Problem einfach:
Man weiß nicht, was während des Produktionszyklus passiert.
Der Prozess dauert mehrere Monate, und die Ergebnisse sind erst am Ende bekannt. Die Biomasse wird erst nach dem Abfischen gemessen.
Wie Tomasz sagt:
„Ohne den Einsatz von künstlicher Intelligenz war dies nur am Ende des Prozesses möglich, wenn die Garnelen gefangen und gewogen werden.“
Das bedeutet, dass eine Optimierung praktisch unmöglich ist. Man reagiert erst, wenn es bereits zu spät ist.
Zuerst den Prozess verstehen
Bevor ein KI-Modell entwickelt wurde, musste das Team das Geschäft des Kunden verstehen.
Das bedeutete, in die Welt der Aquakultur einzutauchen und die Details der Garnelenzucht kennenzulernen:
- Lebenszyklus der Garnelen,
- Umweltbedingungen,
- Einfluss von Licht, Temperatur und Besatzdichte,
- reale operative Herausforderungen.
Wie Tomasz betont:
„Zuerst mussten wir den gesamten Zuchtzyklus verstehen.“
Dies ist die Discovery-Phase. Ohne sie enden die meisten KI-Projekte als technologische Experimente ohne echten Geschäftswert.
Kundennutzen:
- klar definierte Problemstellung,
- bessere Projektentscheidungen,
- Vermeidung unnötiger Kosten.
Was wirklich gemessen werden sollte
Der nächste Schritt bestand darin, genau festzulegen, was gemessen werden muss.
Es stellte sich heraus, dass das bloße Zählen der Garnelen nicht ausreicht.
Das System musste:
- die Population zählen,
- die Länge einzelner Tiere messen,
- das Gewicht schätzen,
- das Wachstumstempo analysieren,
- die Sterblichkeit erkennen.
Und das alles in Echtzeit.
Dies ist die Definition-Phase, in der die Grundlage der gesamten Lösung geschaffen wird.
Kundennutzen:
- gut konzipiertes System,
- reduziertes Risiko,
- echte geschäftliche Nutzbarkeit.
KI in der realen Welt
Die größten Herausforderungen traten in der Implementierungsphase auf.
Es handelte sich nicht um ein steriles Data-Science-Problem, sondern um die reale physische Welt.
Das System basierte auf mehreren zentralen Komponenten.
Kameras
Anstatt ein teures System von Grund auf zu entwickeln, wurden iPhones als Kameras eingesetzt.
Es wurde eine Anwendung entwickelt, die:
- Fotos aufnimmt,
- diese über WLAN überträgt,
- die Daten an ein zentrales System sendet.
KI-Algorithmen
Das System nutzte Computer Vision, um:
- Garnelen zu erkennen,
- sie zu zählen,
- ihre Länge zu messen,
- die Biomasse zu schätzen.
Technische Herausforderungen
Die Umgebung war sehr anspruchsvoll:
- Lichtreflexionen auf dem Wasser,
- wechselnde Lichtverhältnisse,
- schnelle Bewegungen der Garnelen,
- überlappende Objekte.
Wie Tomasz beschreibt:
„Garnelen bewegen sich sehr schnell, überlagern sich gegenseitig und werden durch Wasser beobachtet.“
Dies ist ein klassisches Beispiel dafür, dass KI unter weit von idealen Bedingungen arbeiten muss.
Kundennutzen:
- ein funktionierendes System und nicht nur ein Modell,
- Integration in den Prozess,
- Zugang zu operativen Daten.
Durchbruch: Echtzeitdaten
Die größte Veränderung war einfach, aber bahnbrechend.
Anstatt Daten nur am Ende des Prozesses zu erhalten, stehen sie nun jederzeit zur Verfügung.
Das ermöglicht es Ihnen:
- das Wachstum zu überwachen,
- Trends zu analysieren,
- sofort zu reagieren.
Aus geschäftlicher Sicht ist das eine grundlegende qualitative Veränderung.
Weiterentwicklung nach der Implementierung
Der größte Mehrwert entstand nach dem Start des Systems.
Das Projekt wurde um weitere Funktionen erweitert.
Erkennung von Krankheiten
Das System hilft Ihnen, gesundheitliche Probleme frühzeitig zu identifizieren.
Stressanalyse
Dies ist einer der überraschendsten Aspekte des Projekts.
„Eine gestresste Garnele verändert die Farbe ihres Schwanzes von transparent zu rot.“
Durch Bildanalyse können Sie:
- abnormale Bedingungen erkennen,
- die Sterblichkeit reduzieren,
- die Effizienz der Zucht verbessern.
Kommerzialisierung
Die Lösung wird in Richtung eines Produkts weiterentwickelt:
- universell einsetzbare Kameras,
- einfachere Implementierung,
- Skalierbarkeit.
Dies ist die Direction-Phase.
Kundennutzen:
- kontinuierliche Verbesserung,
- Wettbewerbsvorteil,
- neue Geschäftsmöglichkeiten.
KI über die Fabrik hinaus
Dieses Projekt zeigt eine wichtige Sache.
KI ist nicht auf typische industrielle Anwendungen beschränkt.
Sie kann überall dort eingesetzt werden, wo:
- ein physischer Prozess existiert,
- Daten fehlen,
- Entscheidungen verzögert getroffen werden.
Deshalb entstehen ähnliche Lösungen auch in:
- der Fischzucht,
- der Landwirtschaft,
- der Lebensmittelproduktion,
- der Tierüberwachung.
Auf unserer Website finden Sie außerdem eine Case Study zu dieser Lösung, in der wir die Implementierungsdetails und Geschäftsergebnisse vorstellen.
Hören Sie die Podcast-Folge
Wenn Sie sehen möchten, wie KI in der Praxis funktioniert:
- wie Lösungen in anspruchsvollen Umgebungen entwickelt werden,
- wie eine Implementierung von innen aussieht,
- wie KI mit realem Business verbunden wird,
hören Sie sich das Gespräch mit Tomasz Kowalczyk von NeuroSYS an.
