AFCEA Zukunfts- und Technologieforum: Einsatz von KI zur Datenauswertung

Am 14. November fand in Wachtberg im Rhein-Sieg-Kreis das diesjährige „AFCEA Zukunfts- und Technologieforum“ statt. Michael Fritz, Consultant für Workplace Solutions bei CONET, hat das Forum besucht und die wichtigsten Eindrücke rund um das Fokusthema „Einsatz von KI zur Auswertung von Massendaten bei der Entscheidungsunterstützung” für Sie zusammengefasst.

Ausgerichtet wurde die Veranstaltung vom Fraunhofer-Institut für Kommunikation, Informationsverarbeitung und Ergonomie FKIE. Schon vorab gab es einen großen Andrang auf die begrenzten Teilnehmerplätze und so waren die Sitzreihen des Plenums bei den Vorträgen voll besetzt. Die verschiedenen Vorträge waren in die Bereiche Amt und Behörde, Industrie sowie Wissenschaft unterteilt. Moderiert wurde das Forum von Dr. Michael Wunder, Fraunhofer-FKIE und AFCEA-Vorstand.

Vortrag: Der militärische Einsatz von Künstlicher Intelligenz (KI)

Vortragender: OTL Matthias Frank, Kdo Cyber- und Informationsraum (CIR)

​Matthias Frank klassifizierte in seinem Vortrag „Der militärische Einsatz von KI“ die USA und China als aktuell führende „KI-Mächte“. Darüber hinaus zitierte Frank den russischen Präsidenten Putin, der einmal prophezeit hat, dass jenes Land einmal die Welt beherrschen wird, das die beste KI besitzt.

Vortrag: Nutzung von Big Data und KI zur Erstellung des gemeinsamen Lagebilds in Kdo CIR

Vortragender: OTL Thomas Erlenbruch, Kdo CIR

Thomas Erlenbruch sah in seinem Beitrag folgende Anwendungsgebiete von Big Data und Künstlicher Intelligenz für die Bundeswehr:

• ​Übersetz​ungen
• Analyse unstrukturierter Daten
• Natural Language Processing (Standford CoreNLP)
• Beziehungsnetzwerke
• automatische Graphenerstellung aus unstrukturierten Daten

Dabei unterschied er zwischen zwei Arten von KI. Die schwache KI (oder auch pragmatische KI) nutzt nachvollziehbare Entscheidungsbäume. Die Ergebnisse der starken KI sind im Gegensatz dazu nicht hundertprozentig nachvollziehbar. Dieser Aspekt stellt laut Erlenbruch eine große Herausforderung besonders bei kritischen Einsatzentscheidungen dar.

Vortrag: KI im Kriminalpolizeilichen Kontext – Entscheidungshilfe oder Ressourcenfresser? Werbeversprechen und Erfahrungen aus der Realität

Vortragender: KOR Dirk Kunze, LKA NRW

Dirk Kunze spach in seinem Vortrag über Erfahrungen aus zwei konkreten Pilotprojekten: Das Erkennen von Radikalisierung und dem Nachweisen von strafbaren Handlungen. Eingesetzt wurde IBM-Watson-Technologie im “Keller”, sprich ohne Cloud. Die Auflistung der benötigen Hardware/Server war beeindruckend. Zudem schilderte Kunze die komplexe, unstrukturierte und immer anders geartete Informationsbasis (Dumps, Foren, Chat-Verläufe). Jedes Forum sei anders aufgebaut und auch Zeichensätze seien ein Problem. Das “Preprocessing” beschrieb Kunze als unglaublich aufwändig. Folgende Quellen müssten miteinbezogen werden: Forendumps, Forensische Daten, NUIX-Daten, Watson Index.

Und das größte Problem: Wehe, es ändert sich etwas! Und das tut es in diesem Umfeld ständig. Im Falle einer Änderung müssten die Muster dem System wieder neu beigebracht werden (mindestens 50 Muster zum Lernen). Demzufolge brauche es (möglichst viele) identische Verfahren, sonst lohne sich der Aufwand nicht. Kein System am Markt könne auf Veränderungen ohne Zutun reagieren und ein neues Phänomen nicht selbstständig erkannt werden.

Um aus Bildern bestimmte Objekte (zum Beispiel eine bestimmte Waffe) ermitteln zu können, benötige man 100.000 Gegenstände zum Anlernen. Weitere Baustellen des Landeskriminalamtes sind so Kunze zudem das Erkennen von Bewegungsmustern in einem Video sowie die Malware- und Netzwerk-Analyse.

Vortrag: Von der Anomalie zum Muster

Vortragender: Ralf Hettesheimer, Empolis

Weiter ging es mit Ralf Hettesheimer von Empolis, einem Software-Unternehmen für Informationsmanagement. Hettesheimer berichtete von folgenden KI-Projekten:

• Predictive Maintenance am Beispiel MAN-Schiffsmotoren
• Fluggastdatenanalyse, um Muster für Menschenhandel zu identifizieren.

Dabei erläuterte er den Analyseansatz auf Basis von Graphen in Verbindung mit “Missing Link Detection”. Die Herausforderung sei dabei, zu erkennen, was eine Anomalie ist und wie diese sichtbar gemacht werden kann. Hettesheimer verglich das Finden eines dazu passenden Lösungsansatzes mit dem Drehen einer Drehschraube. Der Grad der Justierung sei dabei abhängig von der Anzahl der Analysten.

Vortrag: KI/ML – Information aus (Geo)BigData, Beispiele der Nutzung intelligenter Systeme

Vortragender: Oliver Zimmermann, Luciad

Der nächste Vortragende war Oliver Zimmermann von Luciad, ein Unternehmen, das im Bereich geografische Informationssysteme tätig ist. In einer beeindruckenden Präsentation visualisierte Zimmermann beispielsweise die Möglichkeiten zur Identifizierung von Flugzeugen, Objekten oder Schiffsbewegungen auf Basis von Satellitenbildern sowie zur Analyse von Metadaten in Videos.

Vortrag: KI – Welches Verfahren für welches Problem?

Vortragender: Hubert Waschulewski, SAP

Hubert Waschulewski von SAP setzte sich in seinem Vortrag für die Entmystifizierung des Themas Künstliche Intelligenz ein. Demnach wären KI-Lösungen auch nur IT-Projekte, die uns neue nützliche Werkzeuge versprechen.

Vortrag: Deep-Learning-Datenanalyse im maritimen Umfeld

Vortragender: Prof. Udo Zölzer, HSU-Hamburg

Auch die wissenschaftliche Perspektive kam auf dem Fachforum nicht zu kurz. Den Start dafür setzte Professor Udo Zölzer von der HSU-Hamburg mit einem Vortrag über erste KI-Erfahrungen der Marine sowie aktuelle Forschungsprojekte der HSU-Hamburg. Darunter war ein Projekt zur Waldetektion auf hoher See. Auch eine Bildentrauschung und eine automatische Bildverbesserung wurden erläutert. Dabei werden für die Modellentwicklung und das Anlernen scharfe hochauflösende Bilder verwendet. Diese werden künstlich verschlechtert, wodurch man sich das Sammeln von unscharfen Bildern spart. Abschließend stellte Professor Zölzer noch ein Projekt zur Bildsegmentierung ohne YOLO (You Only Look Once) Object Detection und SSD (Single Shot Multibox Detector) vor. Die Projekte wurden im Zeitraum von vier Jahren entwickelt, was zeigt, dass Deep Learning nicht nur Geld, sondern auch Zeit benötigt.

Vortrag: Malware Similarity based on API Usage

Vortragender: Daniel Plohmann, FKIE

Die wissenschaftliche Vortragsreihe setzte Daniel Plohmann vom FKIE fort. Plohmann analysierte für das Frauenhofer-Institut Windows Application Programming Interface (WinAPI) Aufrufe und ordnete diese in Nutzungsprofile und Cluster ein. Eine wesentliche Erkenntnis war dabei, dass 90 Prozent der Schad-Software die Befehle CloseHandle, Sleep und WriteFile verwenden. Die Ergebnisse seiner Arbeit sind unter anderem in das Tool API Scout (GitHub) eingeflossen. Für die Analyse benutzte Plohmann keine KI-Mechanismen, sondern arbeitete mit “alten” statistischen Methodiken.

Vortrag: Integration von Machine Learning in skalierbare Produktivumgebungen – Training und Einsatz analytischer Modelle

Vortragender: Albert Pritzkau, FKIE

Plohmanns Kollege Albert Pritzkau schloss das Technologieforum mit einem Vortrag zur Integration von Machine Learning in skalierbare Produktivumgebungen ab. Dabei scheute er sich nicht, auch auf Schwierigkeiten einzugehen, und zitierte dabei Gartner: „60 % der KI-Projekte scheitern, weil die Integration in die Produktumgebung nicht klappt“. Als gewählte Lösung skizzierte Pritzkau schließlich eine Microservice-Architektur mit automatisierter CI / CD (Continuous Integration / Continuous Delivery). Wichtig bei der Lösungsfindung sei dabei, eine enge Abstimmung zwischen System- und Modellentwickler, damit die unterschiedlichen Tools und Entwicklungsumgebungen über eine ML Pipeline via Continuous Iteration erfolgreich zusammenfinden. Die ML Pipeline beschrieb Pritzkau dabei als die größte Herausforderung für das Projekt.

Das letzte Wort an diesem Tag erhielt Professor Armin Cremers von der Universität Bonn in Form einer Abschlussbetrachtung.

Ein Hauptfazit, das CONET-Experte Michael Fritz aus den Vorträgen zieht, ist, dass eine KI den Menschen große Unterstützung bei ihren Entscheidungen bietet, sie aber letztendlich nicht ersetzt. Der Mensch „in the loop“ ist und bleibt ein wichtiger Bestandteil Künstlicher Intelligenz.

War dieser Artikel hilfreich für Sie? Wir freuen uns über Ihr Feedback und Ihre Fragen über die Kommentarfunktion.

Link-Tipps

• Cyber Security
• Big Data