gateSTORY – Intelligent Imaging

Was künstliche Intelligenz aus Bilddaten herausholen kann

Die gate-Startups Isarsoft und Vypno nutzen künstliche Intelligenz und Deep Learning, um Bilddaten gewinnbringend zu verwerten. Die Gründer begegnen so den Herausforderungen, die zunehmende Urbanisierung beziehungsweise Datenknappheit mit sich bringen.

Die Urbanisierung führt mit der steigenden Personenanzahl auf relativ engem Raum auch zu einer steigenden Belastung für den öffentlichen Personennahverkehr (ÖPNV). Wie dringend die damit einhergehenden Herausforderungen Innovationen notwendig machen, hat jeder schon einmal gespürt, der in einer überlasteten Bahn gefahren ist. gate-Startup Isarsoft entwickelt eine künstliche Intelligenz (KI), um Besucherströme valide zu messen und somit die Transportsysteme zu optimieren.

ISARSOFT – AUTOMATISCHE FAHRGASTZÄHLUNG MIT KAMERAS

Die Geschäftsidee kam Isarsoft-Gründer Oskar Haller passenderweise in der U-Bahn. In der U6 Richtung Münchner Innenstadt nahm er an einer Fahrgastbefragung teil und hinterfragte den großen personellen Aufwand dafür im Gegensatz zur Unvollständigkeit und Subjektivität der Ergebnisse. Um die Fahrgastzählung digital zu optimieren, gründete Oskar Haller zusammen mit Philipp Schmidt Isarsoft. Kerngeschäft des KI-Startups ist die Auswertung von kameragenerierten Bilddaten. Auf Grundlage ihrer Erfahrungen in den Bereichen Image Classification, Object Detection und Object Tracking aus dem Informatik-Studium an der Technischen Universität München (TUM) und dem Karlsruher Institut für Technologie (KIT) entwickelten sie die Software IsarSense.

Mit IsarSense können Verkehrsbetriebe den Verkehrsfluss in Echtzeit messen. IsarSense liefert in Echtzeit relevante KPIs wie zum Beispiel die Anzahl der Personen am Bahnsteig, Zufluss und Abfluss von Kundenströmen sowie Fahrzeugauslastung. Dabei beschränkt sich die Auswertung der Kameras nicht nur auf Fahrgäste. Auch Fahrräder, Gepäckstücke und einfahrende Züge können zuverlässig erkannt werden. IsarSense nutzt die Bilddaten von bereits installierten Kameras und ist eine reine Software-Lösung, die keine erweiterte Hardware an den Kameras benötigt. Die Software kommt in Zügen, Trams und Bussen zum Einsatz, aber auch an Haltestellen und Bahnhöfen. Die Informationen können als Entscheidungshilfe für die Fahrplangestaltung, den Ausbau von Bahnhöfen und zur Planung von Wartungsarbeiten genutzt werden.

Erklärtes Ziel der Gründer ist es, den ÖPNV zu verbessern. Von den erhobenen Daten profitieren Betreiber und Fahrgäste gleichermaßen durch passgenaue Fahrpläne und verbesserte Bedingungen an Bahnhöfen und in den Zügen.

Ein weiterer Anwendungsfall von Isar-Sense ist der Einsatz in Einkaufszentren, Shops oder Supermärkten. So kann nicht nur die Anzahl der Personen im Laden gemessen werden, sondern auch, wohin sie sich bewegen. Denn für die Betreiber sind die Informationen, wo sich die Kunden wie lange aufhalten, von essentiellem Vorteil für beispielsweise die Raumgestaltung oder Produktplatzierung.

VYPNO – VIRTUELLE BILDER FÜR DEEP LEARNING

Damit Deep Learning funktioniert, werden wie bei Isarsoft große Datenmengen benötigt. Dies stellt momentan oft noch eine große Herausforderung dar, denn in der Regel kostet es viel Zeit und Aufwand, die notwendige Datengrundlage für das Machine Learning zu generieren. Das betrifft vor allem Phänomene in der Natur, die in der Realität nicht häufig genug vorkommen, oder auch schwer zugängliche Bereiche in der Industrie.

gate-Startup Vypno entwickelt eine Lösung für dieses Problem: die virtuelle Generierung von Bilddaten. Mit der Softwarelösung von Vypno werden künstliche Bilder erzeugt, die Deep Learning-Algorithmen speisen können. Die zahlreichen nötigen Wiederholungen und Varianten werden künstlich generiert, um die Datenlücken zu schließen. Die Deep Learning-Technologie von Vypno trainiert somit Maschinen virtuell. Damit werden Realdaten überflüssig und die Maschine lehrt sich sozusagen selbst.

Vypno wurde von Maximilian Jakasovic, Dr. Nitesh Narayan, Dr. Yang Li und Alejandro Rueda gegründet. Die vier Gründer vereinen im Vypno-Geschäftsmodell ihre Expertise aus den Fachbereichen Informatik, Mathematik und Bewegtbild. Das Team nutzt unter anderem Satellitendaten für die Erstellung der virtuellen Modelle. Ein Beispiel für die Anwendung der Technologie ist der Unterschied einer Landschaft im Normalzustand und derselben Landschaft, wenn sie überflutet wäre. Zehntausende künstlich erzeugte Bilder von der Landschaft in unterschiedlichen Zuständen lehren der KI beispielsweise, wann eine Wetterwarnung notwendig wird. Ein weiteres Beispiel ist die Generierung von künstlichen Trainingsdaten für die Erkennung von Fahrzeugen oder Flugzeugen auf Satellitenbildern.

DEMOKRATISIERUNG VON DATENMENGEN

Alle visuell wahrnehmbaren Objekte wie Text, bestimmte Gegenstände oder Bilder können mit der Vypno-Technologie virtuell erzeugt und für Deep Learning genutzt werden. „Wir sehen uns als Technology Enabler“, sagt Maximilian Jakasovic, CEO von Vypno. „Wir sind dabei, eine Art Hochleistungsbibliothek zu erstellen, aus der Maschinen lernen können. Das Feld ist nahezu unendlich weit und die Maschinen können noch sehr viel lernen. Wir beschleunigen diesen Prozess.“ Die große Faszination macht für die Gründer die Selbstständigkeit der Maschinen beim Lernen aus und wie die KI anhand des Gelernten agiert. Denn die Ergebnisse sind stets offen.

Kunden erwerben die Software als SaaS-Modell. Großer Beliebtheit bei den Anwendern erfreut sich vor allem das Auswerten und Prototypen verschiedener Daten und Verfahrensszenarien. Damit die anspruchsvolle Software einwandfrei läuft, muss jedoch eine hohe Rechenleistung gewährleistet werden. Für Vypno ist daher häufig die digitale Infrastruktur beim Kunden eine Herausforderung bei der Implementierung. Das hat zur Folge, dass sich der Kundenstamm momentan noch aus großen Konzernen mit eigenen Forschungs- und Entwicklungs-Abteilungen zusammensetzt. Das Ziel von Vypno ist es jedoch, dass auch mittlere und kleine Unternehmen dazu befähigt werden, sich ihre Datengrundlage selbst zu generieren.

Maximilian Jakasovic erklärt die Vision wie folgt: „Im Moment befinden sich die meisten relevanten Datenmengen noch in der Hand von großen Unternehmen. Wir möchten Daten aber für jeden zugänglich machen und sie dadurch sozusagen demokratisieren.“