Kommentar von Jacco van Achterberg, Cloudian

So wird mit Künstlicher Intelligenz aus Big Data Smart Data

| Autor / Redakteur: Jacco van Achterberg * / Nico Litzel

Ein Beispiel von Deep Learning: Selbstfahrende Autos nutzen Systeme, die Objekte erkennen können. Das Erkennen von Objekten wird durch Deep-Learning-Algorithmen erreicht.
Ein Beispiel von Deep Learning: Selbstfahrende Autos nutzen Systeme, die Objekte erkennen können. Das Erkennen von Objekten wird durch Deep-Learning-Algorithmen erreicht. (Bild: Cloudian)

Ein aktuelles Projekt in Japan vereint Künstliche Intelligenz, das Internet of Things und Objektspeicher, um Automodelle automatisch zu erkennen und entsprechende Werbung zu zeigen.

Was immer technisch machbar ist, die Menschen tun es. So auch im technikverliebten Japan, wo sich vier Unternehmen aus den Bereichen Werbung, Datenspeicherung, Cloud-Technologie und Künstliche Intelligenz zusammengetan haben, um ein weltweit einmaliges Projekt voranzutreiben: Es geht um ein System für Außenwerbung, basierend auf „Deep Learning“ oder künstlicher Intelligenz. Die Idee hinter dem Projekt soll Werbekampagnen schaffen, die bestimmte Zielgruppen zur richtigen Zeit mit der für sie passenden Werbebotschaft erreichen. Im vorliegenden Fall erkennt das System Fahrzeugtypen während der Fahrt und präsentiert den Fahrern die passende Werbung auf großen Außenwerbeflächen in Echtzeit.

Die an dem Projekt beteiligten vier Unternehmen sind auf ihrem Gebiet jeweils führend: Dentsu ist eines der größten Werbe- und PR-Unternehmen der Welt. Smart Insight bietet Lösungen zur Datenintegration und -analyse. Cloudian bietet intelligente Lösungen zur Datenspeicherung für Big-Data-Anwendungen und Quanta Cloud Technology bietet IT-Hardware an, inklusive hoch performante Server und IoT-Ausrüstung.

Deep Learning und Big Data für zukünftige Werbetechnologien

Viele Projekte, die auf Künstlicher Intelligenz und Deep Learning aufbauen, benötigen und erzeugen eine sehr große Menge an Daten. Gängige Speichertechnologien ermöglichen dafür jedoch kein zufriedenstellendes Datenmanagement. Dabei geht es nicht so sehr um die eigentliche Speicherung, sondern vor allem darum, die Daten sinnvoll zu nutzen und die Anwendungen mit Daten in Echtzeit zu unterstützen. Eine Aufgabe, die datenintensive Projekte oft nicht lösen können.

Cloudian, Hersteller von software-definierten Speicherlösungen und Smart Insight, ein führendes Unternehmen für Datenanalyse, haben sich zusammengesetzt, um eine praxisgerechte Lösung zu entwickeln. Als Dritten im Bunde lud man mit Dentsu, eine der weltweit führenden und im Deep Learning engagierte Werbeagentur ein, am Projekt teilzunehmen. Die Datenerhebung sollte über die Erkennung von Fahrzeugtypen erfolgen, um die Erkenntnisse für Außenwerbekampagnen zu nutzen. Die erforderliche Hardware steuerten Quanta Cloud Technology (QCT) und Intel bei.

Seit Februar 2016 ist das Projekt nun aktiv und ermöglicht seitdem gezielte Außenwerbekampagnen, mittels kombinierter neuer IT-Technologien. Noch nie wurden solch zukunftsweisende Technologien wie Deep Learning, software-definierte Speicherung und ein IoT-Netzwerk in dieser Form zusammengeführt. Ort des abenteuerlichen Geschehens ist die Stadtautobahn in Tokio. Noch bis Jahresende sollen dort mehrere hundert erkannte Automodelle entsprechend viele Daten liefern.

Ergänzendes zum Thema
 
Was sind Deep Learning und künstliche Intelligenz?

Testen des Werbesystems der Zukunft

Der Testaufbau des Projektes, das später kommerziell genutzt werden soll, basiert auf einer Allwetter-Kamera mit einer Telefotolinse. Diese ermöglicht es, Vehikel aus bis zu 800 Metern Entfernung zu erkennen. Die Kamera wurde auf einer Stadtautobahn in Tokio installiert und an ein Computersystem angeschlossen, auf dem die Erkennungs-Software läuft, das die gelieferten Bilder analysiert und anhand daran innerhalb nur einer Sekunde das Modell des Fahrzeugs und die Fahrgeschwindigkeit ermittelt.

Um Fahrzeuge zu identifizieren, musste dieses Erkennungssystem mit einem ersten Satz an Daten gefüttert werden. Diese Daten stammen aus einem separaten System, das mit tausenden Bildern von Autos aus einer Datenbank für Gebrauchtwagen gespeist wurde und kontinuierlich mit Bildern erkannter Autos aus dem Video des Erkennungssystems erweitert wird.

Wenn das Erkennungssystem ein Modell aus der Datenbank als Ziel für Werbung identifiziert hat, löst es eine Werbung auf einem LED-Außenwerbebildschirm aus, die anschließend für fünf Sekunden sichtbar ist. Diese Informationskette eröffnet für die Werbeindustrie ungekannte Möglichkeiten, um Kunden effektiver anzusprechen als mit traditionellen Außenwerbekampagnen, die viele Streuverluste aufweisen.

Obwohl es theoretisch möglich wäre, ist das System in der Testphase nur daraufhin programmiert, Automodelle zu erkennen und keine Merkmale der Fahrer oder Nummernschilder, was selbstredend ernst zu nehmende Auswirkungen auf die Privatsphäre der gefilmten Bürger hätte. Das System soll neben Automodellen automatisch auch noch die Dichte des Verkehrs messen sowie die durchschnittliche Fahrgeschwindigkeit. Diese Informationen können dann auch für Verkehrsinformationen oder Verkehrsoptimierung genutzt werden und sind natürlich auch wichtig für die Werbeindustrie, um den Medienwert ihrer an Straßen platzierten Botschaften genauer zu bestimmen als mit bisherigen Methoden. Die Kriterien für den Erfolg des Projekts sind die Genauigkeit der Erkennung und ihrer Latenz sowie die Anzahl erfolgreicher Werbeplatzierungen.

Mögliche Szenarien für Außenwerbung

Die Werbeindustrie hat sich seit ihrem Bestehen als äußerst kreativ erwiesen. Die Möglichkeiten eines Systems mit Deep Learning sind praktisch grenzenlos und bieten zahlreiche Szenarien für ihre zukünftige Anwendung. Erkennt das System beispielsweise einen LKW gegen Ende des Tages, könnte eine Werbung für einen Energy Drink eingeblendet werden, gemeinsam mit der Botschaft „Es war ein langer, harter Tag, oder?“ Oder das System erkennt ein neues Modell aus dem Luxussegment und zeigt entsprechend Werbung für Golfschläger oder einer luxuriösen Uhrenmarke.

Würde ein älteres Modell identifiziert, könnte eine Werbung für ein neueres Modell eines Wettbewerbers erscheinen oder die Anzeige eines Gebrauchtwagenhändlers, der ältere Modelle kauft. KFZ-Versicherer könnten sogar den Preis für die Versicherung eines bestimmten Modells in Echtzeit anzeigen lassen. Die Basis für all diese Szenarien ist Deep Learning, das ein Modell erkennen kann, unabhängig davon, wie schnell es fährt, welche Farbe es hat, ob es modifiziert oder sogar beschädigt ist.

Bisher läuft das Projekt erfolgreich, obwohl die Basis für das Deep-Learning-System nur aus Bildern von Gebrauchtwagen besteht. Mit der Zeit werden mehr und mehr Bilder aus dem Video hinzugefügt, was die Erkennungsgenauigkeit weiter verbessern wird. Ein technisches Problem hat sich bisher auch herauskristallisiert: Die Identifizierungsrate von Autos ist bisher in der Nacht signifikant geringer als am Tag.

Die Bedeutung von software-definierter Speicherung

Die passive Speicherung von Daten zur späteren Analyse ist prinzipiell nicht wirklich schwierig. Es bedarf jedoch eines deutlich höheren Aufwands, um aus diesen Daten auch Nutzen ziehen zu können. Noch schwieriger wird das, soll dies in Echtzeit geschehen. Es geht also darum, aus einfachen Daten smarte Daten, also Smart Data, zu generieren.

Die technischen Herausforderungen an das Speichersystem sind gewaltig. Das kontinuierliche Filmen produziert einen gewaltigen Datenberg, der eine effiziente Speicherung verlangt. Zugleich braucht die Erkennungssoftware einen einfachen Zugriff auf die Daten. Die Daten sind darüber hinaus in einer intelligenten Art und Weise aufzuarbeiten, damit die Anwendungen sie auch nutzen können. Sprich, sie müssen als Smart Data verwendbar sein.

Um Deep Learning für dieses Projekt zu realisieren, entwickelte Cloudian den Speicher, um die Stammdaten, bestehend aus einer sehr großen Menge an Bildern von Autos, für die Deep-Learning-Umgebung bereitzustellen. Die Stammdaten sollen die Erkennungsgenauigkeit von Deep Learning verbessern, indem die Datenbank ständig um weitere Bilder erweitert wird. Der Objektspeicher basiert auf Cloudian-HyperStore-Software und Standardservern und beherbergte zum Start mehr als 23.000 Bilder von 230 Modellen.

Außerdem speichert der Objektspeicher das komplette Video und alle statistischen Daten wie Menge der Autos, Fahrtgeschwindigkeit, Modelle pro Stunde und weitere potenziell für Werbetreibende wichtige Daten. Um die Genauigkeit und Geschwindigkeit der Erkennung durch „Trial and Error“ zu verbessern, ist es notwendig, die Parameter wie Bildarten und Bildqualität ständig anzupassen. Um das zu erreichen, werden sehr viele Daten erzeugt und nur intelligente Datenspeicher aufbauend auf modernem Objektspeicher können solche Datenmengen effizient verwalten.

Deep Learning für die Werbung. Ein Modell für die Zukunft?

Die Testphase des Projekts nähert sich dem Ende und die Projektteilnehmer bereiten sich darauf vor, die Technologie für verschiedene Branchen für den Praxiseinsatz vorzubereiten. Künstliche Intelligenz und Deep Learning haben sich in den vergangenen Jahren ständig verbessert und auf diesen Technologien aufbauende Systeme erkennen nicht nur Autos, sondern auch Menschen. Obwohl das bereits eine ethische Debatte losgelöst hat und Fragen bezüglich der Privatsphäre der Menschen aufwirft, wird es Werbetreibenden zukünftig möglich sein, Kunden in Einkaufszentren zu erkennen und sie zumindest verschiedenen Zielgruppen zuzuordnen.

Anwendungen die Menschen Aufgaben abnehmen, haben bereits heute ihren Weg in unser Leben gefunden. Siri, Cortana oder Alexa sind das Ergebnis von Deep-Learning-Projekten zur Spracherkennung. Selbstfahrende Autos stützen sich stark auf die Erkennung von Objekten, um sich ihren Weg durch den Verkehr zu bahnen. Ärzte benötigen die Hilfe von Maschinen, um Krebszellen auf tausenden von computergenerierten Bildern nach einer Computertomografie erkennen zu können.

Unabhängig von der Anwendung, all diese Technologien benötigen enorme Datenmengen, die irgendwie gespeichert werden müssen und aus den dummen Bits und Bytes „Smarte Daten“ zu machen. Nur sehr fortschrittliche Speicherlösungen können Deep Learning ermöglichen und dabei helfen, das Leben für Menschen bequemer zu machen – individuelle Werbung ist da nur ein erster Anfang.

* Jacco van Achterberg ist Sales Director bei Cloudian

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44346911 / Best Practices)