Automobilindustrie/Transportwesen
Innovationen fördern: NVIDIA unterstützt den Sprung der BMW Group in der Produktionseffizienz mit generativer KI
Ziel
Die BMW Group optimiert Produktionsprozesse durch Nutzung von KI, ihrer eigenen Schatzkiste voller Daten und NVIDIA DGX™ Systemen, um eine komplette Deep-Learning-Betriebspipeline für verschiedene industrielle KI-Anwendungen zu implementieren.
Mit einer Geschichte, die sich über mehr als 100 Jahre erstreckt, ist die BMW Group ein weltweit führender Hersteller von Premium-, Luxus- und Hochleistungsautos. Die BMW Group ist bekannt für ihre Präzisionstechnik und ihre hochwertigen Fahrzeuge. Insbesondere erhielt die Marke in der Studie von J.D. Power zur Zuverlässigkeit von Fahrzeugen in den USA 2023 hervorragende Bewertungen.1
Der Hersteller ist dafür bekannt, ein Höchstmaß an Individualisierung zu ermöglichen. Er bietet umfangreiche Anpassungsmöglichkeiten, von der Auswahl seltener und unkonventioneller Farben bis hin zum Ändern der Ausstattung oder sogar dem Austauschen oder Hinzufügen von Teilen, um die Funktionalität und Leistung zu verbessern. Allein für ihren MINI bot die BMW Group bis zu 15 Billionen verschiedene Kombinationen an. Trotz der Komplexität der Fertigung produziert die BMW Group im Durchschnitt jede Minute ein neues Fahrzeug.
BMW-Hauptsitz.
Image courtesy of the BMW Group.
SORDI ist der weltweit größte Referenzdatensatz für künstliche Intelligenz im Bereich Fertigung.
Überwindung von Datenherausforderungen und Skalierung der KI-Bereitstellung
Seit 2019 hat die BMW Group KI nahtlos in ihre Fertigungsprozesse integriert, um die Produktionseffizienz zu optimieren, die Qualitätskontrolle zu erhöhen und das Lieferkettenmanagement zu verbessern. Die Notwendigkeit, die Geschwindigkeit und Kosteneffizienz des KI-Modelltrainings zu steigern, war für BMW unerlässlich.
„Eine der größten Herausforderungen, die wir bewältigen mussten, war die Datenqualität und -verfügbarkeit“, sagte eine Führungskraft der BMW Group. „Zuverlässige Bilder, die verschiedene Produktionsszenarien darstellen, sind entscheidend für genaue Modellvorhersagen und Entscheidungsprozesse. Da wir verschiedene Produktions- und Logistikaufgaben bewältigen mussten, wie zum Beispiel die präzise Bestimmung des Füllgrades von Transportkisten, Containern oder Regalen, mussten wir einen Engpass durch den manuellen Aufwand beseitigen. Tausende Fotos mussten manuell kategorisiert werden, um die unglaubliche Anzahl an möglichen Variationen abzudecken.“
Die BMW Group hat verstanden, wie wichtig es ist, KI in großem Umfang im gesamten Fertigungsbetrieb bereitzustellen und nicht nur leistungsfähige KI-Infrastruktur zu haben, sondern auch eine Plattform für Mitarbeitende, die KI-Anwendungen autonom entwickeln, implementieren und warten können.
Eine umfassende KI-Plattform für das durchgängige Lebenszyklusmanagement von Deep-Learning-Modellen
Das BMW Group Technology Office in München ist eine fortschrittliche Forschung- und Entwicklungseinrichtung, die sich neuen Technologien und Produktdesign widmet und die Zukunft der Produkte der BMW Group aktiv gestaltet. Dieses Technologiezentrum arbeitet mit verschiedenen Abteilungen der BMW Group an KI-basierten Projekten zusammen und berät sie in den Bereichen Zieldefinition, Datenbeschaffung, Modellentwicklung und Lösungsbereitstellung.
Im Bestreben, zahlreiche Produktionsprozesse zu optimieren, führte das BMW Group Technology Office die Entwicklung von SORDI (Synthetic Object Recognition Dataset for Industries) an. Diese bahnbrechende Initiative zielt darauf ab, das KI-Training in der Produktion zu beschleunigen, indem sie den größten, realistischsten Open-Source-Datensatz für die industrielle Umgebung bietet, der über 800.000 fotorealistische Bilder in 80 Kategorien umfasst, von Paletten bis hin zu Gabelstaplern.
Die BMW Group nutzt NVIDIA Omniverse™, um virtuelle Fabriken zu erstellen und komplexe Szenen zu simulieren, sowie NVIDIA DGX-Systeme, um synthetische Daten basierend auf diesen Simulationen zu erstellen.
Um das gesamte Lebenszyklusmanagement von Deep-Learning-Modellen, von der Entwicklung und dem Training bis hin zur Bereitstellung und Wartung, zu verwalten, nutzt die BMW Group DGX-Systeme mit NVIDIA Hopper™ Architektur. DGX-Systeme werden zunächst verwendet, um Deep-Learning-basierte Modelle zur Generierung synthetischer Daten zu trainieren. Anschließend werden die generierten synthetischen Daten verwendet, um Deep-Learning-Modelle zu trainieren, die Aufgaben wie Objekterkennung, Bildsegmentierung, Bildklassifizierung und 6D-Posenschätzung umfassen. Schließlich werden die DGX-Systeme zur Bewertung und zum Testen der trainierten Modelle verwendet.
Ein IT-Leiter der BMW Group erklärte: „Unsere Transformation begann mit der Einführung der ersten DGX-Systeme. Im Laufe der Zeit haben wir Innovationen konsequent vorangetrieben, indem wir entweder auf die neueste Generation aufgerüstet oder neuere Systeme nahtlos in unseren Cluster integriert haben. Wir haben uns ursprünglich auf Forschung und Entwicklung konzentriert und setzen jetzt DGX-Systeme in der Produktion ein. Mit speziell zugewiesenen Clustern für bestimmte Teams und Projekte verwalten wir Aufträge effizient und weisen Prioritäten und Quoten zu. DGX wurde ursprünglich von F&E-Teams eingesetzt und spielt jetzt eine Schlüsselrolle in integralen Bereichen unseres Geschäfts.“
„Unsere Transformation begann mit der Einführung der ersten DGX-Systeme. Im Laufe der Zeit haben wir Innovationen konsequent vorangetrieben, indem wir entweder auf die neueste Generation aufgerüstet oder neuere Systeme nahtlos in unseren Cluster integriert haben.“
Innovationsleiter
BMW Group Technology Office
Effiziente Ressourcennutzung mit bis zu 8-mal verbesserter Produktivität in der Datenanalyse
„Zahlreiche Entwickler führen sieben Tage die Woche Trainingsaufträge aus und verwalten große Datensätze mit mehr als 500.000 Bildern. Die verbesserte Rechenleistung der DGX-Systeme ermöglicht es uns, größere und komplexere Modelle zu trainieren. Dies wiederum ermöglicht das Testen von mehr Iterationen und immer vielfältigeren Parametern, um optimale Ergebnisse zu erzielen. DGX-Systeme haben die Produktivität unserer Datenwissenschaftler durch die Optimierung der Ressourcennutzung um das Achtfache gesteigert. Wir können eine einzige große Trainingssession durchführen oder mehrere parallele starten, was zu einem effizienteren Workflow führt, der schnelle Iteration unterstützt. Im Vergleich zu unseren früheren Systemen erzielen wir durchgehend Verbesserungen um das 4- bis 6-Fache“, so ein IT-Leiter der BMW Group.
Der SORDI.ai Datensatz, der aus synthetischen Bildern besteht, hat einen erheblichen Einfluss auf die weiterführenden KI-Anwendungen. Das Team entwickelte LabelTool Lite, ein vortrainiertes Bilderkennungssystem, das von Mitarbeitenden mit geeigneten Fotos für bestimmte Aufgaben verfeinert wurde. Das KI-Training für die Türschwellenerkennung dauert beispielsweise weniger als eine Stunde und erfordert nicht mehr als fünf Bilder pro Aufgabe. Die KI-Pipeline verarbeitet und verbessert diese Daten, indem sie synthetisch generierte Bilder und Labels hinzufügt, wodurch manueller Aufwand überflüssig wird. Das KI-System kann dann verschiedene Arten von Türschwellen erkennen und schlägt Alarm, wenn das falsche Modell installiert wird. Es erkennt auch fehlende oder falsch gefärbte Nähte in Lederprodukten und automatisiert die visuelle Inspektion mit starkem Fokus auf Qualitätssicherung.
„Tausende von Fotos wurden manuell kategorisiert, um die zahllosen möglichen Variationen im Fertigungsprozess widerzuspiegeln. Mithilfe von Deep-Learning-Modellen, die auf DGX trainiert wurden, können wir jetzt automatisch Hunderttausende von Bildern generieren, und zwar per Knopfdruck. Die Zeit, die unsere Mitarbeitenden für die Implementierung der KI-Automatisierung in der Qualitätssicherung benötigen, wurde um mehr als zwei Drittel verkürzt. Jeder mögliche Fall und jede denkbare Kombination, einschließlich unterschiedlicher Lichtbedingungen, wird berücksichtigt und durch unseren SORDI Datensatz abgedeckt. Der Mitarbeitende kann diese Daten automatisch in LabelTool Lite laden und sofort mit dem Training beginnen, ohne weiteren manuellen Aufwand, wodurch No-Code-KI ermöglicht wird“, fügte der IT-Leiter der BMW Group hinzu.
Die BMW Group nutzt TAO, Teil der NVIDIA AI Enterprise Suite, für die Inferenz. TAO enthält AutoML-Skripte, die von der BMW Group für die Hyperparameter-Optimierung verwendet werden, um optimale Genauigkeit in verschiedenen Anwendungen zu gewährleisten. Ein illustratives Beispiel ist die Echtzeiterkennung in Computer-Vision-Modellen, die es ihnen ermöglicht, fehlerhafte Teile in Millisekunden präzise zu beurteilen und zu identifizieren.
Der SORDI Datensatz unterstützt nicht nur die Optimierung von Produktionsprozessen und die Verbesserung der Qualitätskontrolle, sondern auch die Nachhaltigkeitsstrategie der BMW Group. Der Datensatz enthält Informationen wie die CO₂-Bilanz, das Alter und den Energieverbrauch eines Objekts. Anhand dieser Daten ist die BMW Group in der Lage, Simulationen auf ihren DGX-Systemen durchzuführen, um die Energie- und CO₂-Einsparungen für die Produkte des Werks und die darin verwendeten Komponenten zu optimieren.
Der IT-Leiter der BMW Group fügte hinzu: „Die Experten von NVIDIA, insbesondere in den Bereichen SORDI AI und KI-Integration im Omniverse, waren außerordentlich hilfreich. Die schnellen Antworten und der umfassende Support waren besonders beeindruckend, besonders bei der Erstinstallation und der Einrichtung des Servers oder Clusters. Die Unterstützung von NVIDIA ging über den routinemäßigen Support hinaus und bot wertvolle Einblicke, Kniffe und Optimierungen, die maßgeblich zu unserem Erfolg und unserer Effizienz beigetragen haben.“
„DGX-Systeme haben die Produktivität unserer Datenwissenschaftler um das Achtfache gesteigert, indem sie die Ressourcennutzung optimierten. Wir können ein einziges großes Training durchführen oder mehrere parallele starten, was einen effizienteren Workflow ermöglicht, der schnelle Iteration unterstützt.“
Innovationsleiter
BMW Group Technology Office
SORDI.ai ermöglicht es BMW, KI-Modelle zu trainieren, um fehlende oder fehlerhafte Nähte in Lederprodukten automatisch zu identifizieren.
„Die Zeit, die unsere Mitarbeiter für die Implementierung der KI-Automatisierung in der Qualitätssicherung benötigen, wurde um mehr als zwei Drittel verkürzt.“
Innovationsleiter
BMW Group Technology Office
Blick in die Zukunft
Im Zeitalter der Industrie 5.0 führt die BMW Group innovative Automatisierungsansätze an, um die Effizienz von Wissensarbeitern zu steigern, indem sie generative KI nutzt, um die Qualitätskontrolle zu verbessern, verschiedene Produktionsszenarien zu simulieren und das Lieferkettenmanagement zu verbessern. Von der Verwendung großer Sprachmodelle zur Codierung und Entwicklung strategischer Fabriklayouts über Text-zu-Bild-Lösungen, die präzise industrielle Objekte generieren, bis hin zu Tools, die in der Lage sind, benutzerdefinierte Eingaben zu verstehen und entsprechende Daten zu produzieren, sowie zur Veröffentlichung von SORDI eines hochgradig fotorealistischen Datensatzes: die BMW Group demokratisiert die künstliche Intelligenz für die Fertigungsindustrie.
„Unser Engagement beinhaltet die kontinuierliche Erweiterung unserer DGX-Infrastruktur, eine wertvolle Ergänzung für die Cloud-GPU-Bereitstellung. Dies ist besonders im Bereich der SORDI AI entscheidend, wo die Entwicklung zahlreicher neuer APIs und Netzwerke die Zuverlässigkeit und Leistung der DGX-Plattform erfordert“, sagte der IT-Leiter der BMW Group.
[1] J.D. Power.J.D. Power 2023 US-Studie zur Zuverlässigkeit von Fahrzeugen. Februar 2023.
Ergebnisse
- 8-mal höhere Produktivität von Datenwissenschaftlern
- 4- bis 6-fach bessere Leistung gegenüber älteren Systemen
- Hunderttausende synthetische Bilder, die auf Knopfdruck generiert werden
- Die Zeit, die Mitarbeitende für die Implementierung der KI-Automatisierung bei Qualitätssicherungsaufgaben (QA) benötigen, wird um zwei Drittel verkürzt
Die Kombination von NVIDIA DGX-Systemen mit der Hopper-Architektur ist ein KI-Kraftpaket, mit dem Unternehmen die Grenzen der geschäftlichen Innovation und Optimierung erweitern können.