KI-Defektsimulation für Krane: Synthetische Daten ohne reale Fehler
📋 Kernzusammenfassung
Ein unkonventioneller Ansatz: Fehlt es an Defektproben für das KI-Training, muss man nicht zwingend auf reale Schadensfälle warten – generative Verfahren können Defekte synthetisch „erzeugen“. GANs, Diffusionsmodelle und physikalische Simulationen ergänzen seltene Defekte als synthetische Daten. Allerdings besteht eine Domänenabweichung zwischen synthetischen und realen Daten. Dieser Beitrag erläutert die drei Generierungsmethoden, den Umgang mit der Domänenabweichung und die Grenzen der generativen Datensimulation in der Praxis.
Für das KI-Training von Kran-Inspektionssystemen fehlen vor allem Defektproben – insbesondere seltene Fehler wie Drahtbruch, Riss oder Pore. Manche treten nur wenige Male im Jahr auf; wer genügend Trainingsdaten sammeln will, muss unter Umständen lange auf der Produktionslinie warten.
Der unkonventionelle Gedanke dahinter: Was nicht abgewartet werden kann, wird erzeugt. Generative Verfahren synthetisieren auf Basis weniger vorhandener Defekte weitere, vielfältigere Defektproben für das Modelltraining.
Doch zwischen erzeugten und realen Daten klafft eine Lücke. Wird diese nicht adressiert, lernt das Modell „eine Menge Fake“. Im Folgenden wird das genauer aufgeschlüsselt.
Generative Defektsimulation: Aus wenigen Proben viele machen
Der Kern der generativen Datensimulation besteht darin, „aus wenigen realen Defekten die zugrunde liegenden Muster zu lernen und daraus neue Defekte zu generieren“. Es handelt sich nicht um freie Erfindung, sondern um das Lernen von Form, Textur und Verteilungsmerkmalen realer Defekte, um daraus neue, bisher nicht gesehene Defektproben zu synthetisieren.
Dies ist besonders für seltene Defekte wertvoll. Drahtbrüche und Risse sind in der Realität kaum anzutreffen, die Stichproben sind minimal – das Modell lernt sie nicht ausreichend. Generative Verfahren können auf Basis der begrenzten realen Proben eine große Zahl morphologisch unterschiedlicher, gleichartiger Defekte synthetisieren und so den Trainingssatz auffüllen.
Die Grenzen sind ebenso klar: Die Realitätstreue synthetischer Defekte hängt von Qualität und Quantität der realen Proben ab – je dünner die Basis, desto künstlicher das Ergebnis. Kelude positioniert die generative Datensimulation als ergänzendes Mittel zur „Auffüllung seltener Defektproben“, nicht als Ersatz für reale Erfassung. ISO 24621 „KI-Fehlerdiagnose für Krane“ definiert Anforderungen an die Qualität von Trainingsdaten.
Drei Generierungsmethoden: GAN, Diffusionsmodell, physikalische Simulation
Methode eins: GAN – Generative Adversarial Networks. Ein Generator erzeugt Fake-Proben, ein Diskriminator erkennt Fälschungen. Beide trainieren gegeneinander, der Generator wird mit der Zeit immer realistischer. GANs eignen sich, um aus realen Defekten synthetische Defekte mit ähnlicher Morphologie zu erzeugen.
Methode zwei: Diffusionsmodelle. Ausgehend von zufälligem Rauschen wird Schritt für Schritt „entrauscht“, bis ein realistisches Bild entsteht. Die erzeugten Proben zeichnen sich durch hohe Qualität und Diversität aus – der aktuelle Mainstream in der Bildgenerierung.
Methode drei: Physikalische Simulations-Rendering. Hier wird nicht gelernt, sondern mittels 3D-Modellierung und Rendering simuliert, wie Defekte unter realen Licht- und Blickwinkelbedingungen aussehen. Besonders nützlich für seltene Defekte und schwer fotografierbare Szenarien – die Realitätstreue hängt jedoch vom Modellierungsniveau ab.
Die drei Methoden haben unterschiedliche Schwerpunkte: GAN und Diffusionsmodell lernen die reale Verteilung, die physikalische Simulation bildet reale physikalische Prozesse ab. Kelude wählt die Methode nach Defekttyp: Für bildverarbeitungsbasierte Defekte kommen GAN und Diffusionsmodell zum Einsatz, für geometrische Defekte die physikalische Simulation.
Domänenabweichung behandeln: Mit synthetischen Daten trainieren, mit realen validieren
Die größte Herausforderung generativer Daten ist die Domänenabweichung zwischen synthetischen und realen Daten. Selbst wenn ein Modell auf synthetischen Daten hervorragend lernt, kann es im realen Betriebszustand versagen.
Der Schlüssel zur Behandlung der Domänenabweichung liegt in „kombiniertem Training und realer Validierung“.
Kombiniertes Training bedeutet, synthetische und reale Daten gemischt zu trainieren, damit das Modell nicht nur künstliche Proben lernt. Synthetische Proben liefern Quantität, reale Proben geben die Richtung vor – beides wird kombiniert.
Reale Validierung bedeutet, dass die Modellleistung am Ende zwingend mit realen Daten überprüft wird. Synthetische Daten sind nur eine Trainingsergänzung und ersetzen keine reale Abnahme. GB/T 28264-2017 „Sicherheitsüberwachungs- und Managementsystem für Hebezeuge“ fordert die Rückverfolgbarkeit von Datenquellen. Kelude nutzt synthetische Daten zur Erweiterung des Trainingssatzes und reale Daten für die finale Validierung – so bleibt die Zuverlässigkeit gewahrt.
Häufigste Fehler bei der Umsetzung generativer Datensimulation
Fehler eins: Synthetische Proben als Ersatz für reale Proben verwenden. Wer annimmt, erzeugte Daten könnten die reale Erfassung ersetzen, riskiert, dass das Modell zwar realistisch wirkende, aber nicht echte Defekte lernt – und beim ersten Einsatz scheitert. Synthetik ist Ergänzung, kein Ersatz.
Fehler zwei: Domänenabweichung ignorieren. Wer mit synthetischen Daten trainiert und direkt in den Betrieb geht, ohne reale Validierung, hat keine belastbare Aussage über das Verhalten des Modells im realen Betriebszustand.
Fehler drei: Keine Qualitätskontrolle der synthetischen Proben. Verzerrte Defektmorphologien oder Merkmalsabweichungen führen das Modell in die Irre. Kelude führt bei synthetischen Proben eine Qualitätsstichprobe durch; verzerrte Proben werden konsequent aussortiert, damit keine falschen Daten das Training verunreinigen.
Vergleich der drei Generierungsmethoden
| Verfahren | Prinzip | Realitätstreue | Umsetzungsaufwand | AnwendbarkeitFehler |
|---|---|---|---|---|
| GANGenerierung | Generierung durch gegnerisches Training | relativ hoch | mittel | TexturklasseFehler |
| Diffusionsmodell | Entrauschungsgenerierung | relativ hoch | mittelhoch | hohe VielfaltFehler |
| Physiksimulation | Modellierung und Rendering | mittelhoch | relativ hoch | geometrisch seltenFehler |
Schnellreferenz der Normenklauseln für generative Datensimulation
| Norm | Klauselkernpunkte | Beziehung zur generativen Simulation |
|---|---|---|
| ISO 24621 | KranKI-FehlerdiagnoseRahmenwerk | Qualität der TrainingsdatenSpezifikation |
| GB/T 28264 — Sicherheitsüberwachungs- und Managementsystem | SicherheitsüberwachungRückverfolgbarkeitAnforderungen | Datenquellerückverfolgbar |
| ISO 24445 | Kranintelligenter Sensortechnische Bedingungen | ErfassungParameterReferenzstandard |
Häufige Fragen zur generativen Datensimulation
F: Worin unterscheidet sich die generative Datensimulation von der realen Datenerfassung?
A: Bei der realen Erfassung wartet man darauf, dass Defekte vor Ort auftreten, bevor man Aufnahmen macht – das ist langsam, teuer, und seltene Defekte sind schwer zu sammeln. Die generative Simulation erzeugt auf Basis weniger vorhandener realer Defekte synthetisch weitere und vielfältigere Proben – schnell, kostengünstig und in der Lage, seltene Defekte zu ergänzen. Allerdings weisen synthetische Daten eine Domänendiskrepanz auf und sind nicht vollständig identisch mit realen Daten. Der Unterschied liegt in Effizienz und Realitätstreue: Die generative Methode ist schnell, hat aber eine Diskrepanz; die reale Methode ist langsam, aber zuverlässig.
F: Die Trainingsergebnisse mit synthetischen Daten sind schlecht – wo beginnt man mit der Fehlersuche?
A: Prüfen Sie zuerst die Synthesequalität: Sind die erzeugten Defektformen verzerrt? Verzerrte Proben müssen konsequent aussortiert werden. Prüfen Sie als Nächstes die Trainingsmischung: Wurden ausschließlich synthetische Daten verwendet und keine realen Daten? Synthetische und reale Daten müssen gemischt eingesetzt werden. Prüfen Sie zuletzt die Domänendiskrepanz: Wie groß ist die Verteilungsdifferenz zwischen synthetischen und realen Daten? Bei großer Abweichung muss eine Domänenadaptation durchgeführt werden, um die Kluft zu verringern. Die Reihenfolge ist also: Qualität, Mischung, Domänendiskrepanz – eine dreistufige Fehlersuche.
F: Wie startet man mit generativer Datensimulation bei begrenztem Budget?
A: Beginnen Sie mit der physikalischen Simulation – sie ist am effektivsten für seltene geometrische Defekte, benötigt keine massiven realen Probemengen und der Aufwand bleibt überschaubar. Sobald eine gewisse Anzahl realer Proben vorhanden ist, können Sie GANs oder Diffusionsmodelle zur Synthese von Texturdefekten einsetzen. Der Kern lautet: „Synthese liefert Quantität, reale Daten bestimmen die Richtung.“ Verlassen Sie sich nicht darauf, dass Synthese die reale Erfassung ersetzt, sondern investieren Sie in eine sinnvolle Kombination aus beidem.
Generative Daten sind eine Ergänzung zur Datenakkumulation – vergleichen Sie dazu die Datenaufbaustrategie im Artikel „Trainings- und Testplattform für KI-Visualgorithmus für Krane gebaut – über 500.000 annotierte Industriefehler-Bilder gesammelt“.
Auch ohne reale Defekte lassen sich Defekte erzeugen – doch das Erzeugte bleibt letztlich Ergänzung, nicht Ersatz. Kelude Schwerindustrie nutzt generative Methoden, um seltene Defektproben zu ergänzen: Training mit synthetischen Daten, Validierung mit realen Daten – so bleibt die Linie der realen Zuverlässigkeit gewahrt.
