Synthetische Trainingsdaten und KI-gestützte Produktionsoptimierung bei BMW
BMW hatte zu wenig gelabelte Bilddaten, um KI-Modelle für Qualitätssicherung und Bildverarbeitung in der Fertigung zu trainieren. Mit NVIDIA DGX-Systemen, Omniverse und dem selbst entwickelten synthetischen Datensatz SORDI (über 800.000 fotorealistische Bilder) konnte BMW Trainingsdaten automatisiert erzeugen. Ergebnis: 8-fach höhere Produktivität der Data Scientists und zwei Drittel weniger Zeitaufwand für die Implementierung von KI-Automatisierung in der Qualitätssicherung.
Vertiefung
Ausgangslage war der hohe manuelle Aufwand, Fotos für das Training von Bilderkennungsmodellen in der Automobilfertigung zu kategorisieren, sowie fehlende Skalierbarkeit für Mitarbeitende ohne KI-Expertise. BMW nutzte dafür NVIDIA-DGX-Hardware, die Omniverse-Plattform für virtuelle Fabriksimulation sowie NVIDIA AI Enterprise/TAO für Modelltraining und erstellte den offenen synthetischen Bilddatensatz SORDI. Voraussetzung war eine enge Zusammenarbeit zwischen BMWs Produktions-IT und NVIDIA sowie der Aufbau einer Omniverse-basierten virtuellen Fabrik (Teil der BMW-iFACTORY-Strategie). Ergebnisse waren eine 8-fache Produktivitätssteigerung bei Data-Science-Teams, 4-6-fach schnellere Modelle gegenüber Altsystemen und eine um zwei Drittel verkürzte Implementierungszeit für KI-gestützte Qualitätsprüfungen. Der Ansatz ist auf andere datenarme Fertigungsumgebungen übertragbar, in denen synthetische Daten reale Trainingsdaten ersetzen können.