Amii baut Partnerschaft zur Einführung von KI aus, um 25 weitere Unternehmen zu unterstützen

Amii, das Alberta Machine Intelligence Institute, baut seine Partnerschaft mit PrairiesCan, Kanadas regionaler Wirtschaftsförderungsagentur, aus, um 25 weiteren kleinen und mittleren Unternehmen dabei zu helfen, praxisnahe KI-Kompetenzen zu entwickeln. Die Ankündigung vom 27. Oktober sieht zusätzliche Bundesmittel in Höhe von 2,5 Millionen C$ vor. Damit steigt die Gesamtinvestition des Bundes in die Initiative auf 5,6 Millionen C$.

Die Erweiterung umfasst Alberta, Saskatchewan und Manitoba. Erste Projekte laufen bereits in den Bereichen Energie, Landwirtschaft und Fertigung. Amii zufolge hat das Programm seit seinem Start im Jahr 2024 mit 30 Unternehmen aus der Region zusammengearbeitet. Dabei werden Unternehmen mit Fachleuten für maschinelles Lernen zusammengebracht, um Systeme auf Grundlage ihrer eigenen Betriebsdaten zu entwickeln und ihnen das nötige Fachwissen zu vermitteln, damit sie diese Systeme selbst warten können.

Eine Forschungspartnerschaft mit Schwerpunkt auf der Umsetzung

Amii hat seinen Sitz in Edmonton und ist eine unabhängige gemeinnützige Organisation sowie eines der drei nationalen KI-Institute Kanadas im Rahmen der Pan-Canadian AI Strategy. Seine Geschichte reicht bis zum Alberta Ingenuity Centre for Machine Learning im Jahr 2002 zurück; 2017 wurde es unter dem Namen Amii zu einer unabhängigen gemeinnützigen Organisation. Seine Arbeit verbindet Forschung, Talentförderung und kommerzielle Anwendungen.

Prairies Economic Development Canada, kurz PrairiesCan, ist die Bundesbehörde, die die wirtschaftliche Entwicklung in den drei teilnehmenden Provinzen fördert. Für ein internationales Publikum ist die Partnerschaft ein Beispiel dafür, wie öffentliche Investitionen kleineren Unternehmen Zugang zu spezialisierten technischen Kompetenzen verschaffen, die sie allein nur schwer aufbauen könnten.

Amii setzt bei seinem KI-Entwicklungsmodell eine Vollzeitkraft für maschinelles Lernen in einem Unternehmensprojekt ein, die von fest angestellten Wissenschaftlern betreut wird. Diese arbeitet gemeinsam mit dem Unternehmensteam an der Entwicklung und Erprobung von Modellen. Anschließend kann das Unternehmen die betreffende Person einstellen. Das allgemeine Angebot sieht eine Verpflichtung über 12 bis 15 Monate vor; Umfang und Kosten der einzelnen Projekte variieren jedoch.

Die Unternehmen behalten das geistige Eigentum an den im Rahmen der Zusammenarbeit entwickelten Ergebnissen und erhalten Dokumentation sowie eine Wissensübertragung. Damit verfolgt die Partnerschaft ein anderes Ziel als die bloße Bereitstellung eines ausgelagerten Prototyps: Das Unternehmen soll in der Lage sein, das System anzupassen, nachdem das externe Forschungsteam seine Arbeit beendet hat.

Croptimistic: Computer Vision für den Einsatz auf realen Feldern

Croptimistic Technology entwickelt das Präzisionslandwirtschafts-Ökosystem SWAT MAPS, das Informationen zu Boden, Wasser und Topografie zusammenführt, um die Bewirtschaftung von Feldern zu unterstützen. Das Produkt SWAT CAM erfasst während des normalen Spritzbetriebs Bilder und nutzt maschinelles Lernen, um Nutzpflanzen und Unkraut zu analysieren.

Bei der Zusammenarbeit mit Amii ging es um Getreidekulturen zu Beginn der Saison, etwa Weizen und Hafer. Ihre schmalen, einander überlappenden Blätter erschweren es, einzelne Pflanzen voneinander zu unterscheiden. Das Team entwickelte spezielle Bildverarbeitungsmodelle, die auch mit dichtem Bewuchs und schwierigen Aufnahmebedingungen wie Staub, Blendung und Wind zurechtkommen.

Die Produktinformationen von Croptimistic erläutern, wie an Spritzgeräten montierte Kameras umfangreiche Feldbilder mit Bewirtschaftungszonen verknüpfen. Der praktische Nutzen einer besseren Erkennung von Nutzpflanzen liegt in den detaillierten räumlichen Informationen: Landwirte können eine ungleichmäßige Bestandsentwicklung und den Unkrautdruck auf dem gesamten Feld untersuchen, statt sich nur auf einige wenige manuelle Beobachtungen zu stützen.

Carson Integrated: Umweltaufzeichnungen für Vorhersagen nutzen

Carson Integrated ist ein Beratungsunternehmen für Umwelt- und Forstwirtschaft. Zu seinen Tätigkeitsbereichen zählen Geodaten für Projekte im Bereich natürlicher Ressourcen. Die Herausforderung bestand darin, Fließgewässer zu klassifizieren, um Schutzpufferzonen entlang von Gewässern festlegen zu können.

Amii beschreibt in seiner Fallstudie zu Carson ein Modell, das anhand von Daten aus rund zwei Jahrzehnten entwickelt wurde, darunter Feldmessungen und Fernerkundungsdaten. Bei der Entwicklung der Merkmale wurden Gelände- und Umwelteigenschaften untersucht; besonders nützlich erwies sich die Größe des Auslasses des Einzugsgebiets. Der Studie zufolge liegt die durchschnittliche Klassifizierungsgenauigkeit bei etwa 75 %, sofern die geeigneten Daten verfügbar waren.

Die Anwendung veranschaulicht, wie Fachwissen aus dem jeweiligen Sachgebiet den Nutzen maschinellen Lernens prägt. Ein Gewässer auf Bildmaterial zu erkennen, ist eine andere Aufgabe, als seine regulatorische Einstufung vorherzusagen. Vorhersagen können dazu beitragen, Begutachtungen in abgelegenen Gebieten zu priorisieren. Ihre Genauigkeit und Eignung müssen jedoch weiterhin im Hinblick auf die Entscheidungen bewertet werden, die sie unterstützen sollen.

Visionstate: Einsatzplanung als Optimierungsproblem mit Nebenbedingungen

Visionstate entwickelt Software für den Gebäudebetrieb, Inspektionen und die Überprüfung ausgeführter Arbeiten. Auf der aktuellen Website steht MIRA im Mittelpunkt, eine Plattform, die Berichte, Inspektionen, Arbeitsaufträge und Überwachung miteinander verbindet. Die Zusammenarbeit mit Amii konzentrierte sich auf die Gebäudemanagementplattform WANDA des Unternehmens.

Die ausführliche Fallstudie erläutert, dass Reinigungsrouten und -pläne als Optimierungsproblem mit Nebenbedingungen formuliert wurden. Das System muss eine festgelegte Belegschaft einteilen und dabei die Gebäudegrundrisse, Dienstleistungsanforderungen und Compliance-Vorgaben berücksichtigen. So soll es Effizienz und Fairness in Einklang bringen.

Die Arbeit unterstützte außerdem TidyLogic, ein Produkt zur Ressourcenplanung, sowie ein Tool zur Schätzung der Reinigungskosten im Gesundheitswesen. In der Fallstudie wurde TidyLogic als Beta-Version beschrieben; das Modell befand sich zum Zeitpunkt der Veröffentlichung auf dem Weg zur Integration. Diese Unterscheidungen sind wichtig: Die Entwicklung eines kommerziellen Produkts und der vollständige Einsatz eines Optimierungssystems sind unterschiedliche Meilensteine.

Ambyint: Fachwissen im bestärkenden Lernen aufbauen

Ambyint bietet Software zur Produktionsoptimierung für Öl- und Gasunternehmen. Die bestehende Plattform kombiniert physikgestützte Modelle mit automatisierter Steuerung, zu der auch Anpassungen der Anlagen-Sollwerte über industrielle Überwachungsinfrastruktur gehören.

Das Amii-Projekt untersuchte bestärkendes Lernen für Bohrungen mit Plunger-Lift, bei denen veränderte Druckschwellen beeinflussen, wie angesammelte Flüssigkeiten entfernt werden. Da nur wenige Informationen über die Bedingungen tief unter der Erde vorliegen, sind Simulation und Steuerung schwierig. Das Team erprobte Ansätze auf Grundlage historischer Daten und physikgestützte Methoden, um Entscheidungen zu verbessern.

Die Fallstudie benennt das Ergebnis eindeutig: Die experimentellen Modelle steigerten die Effizienz gegenüber der bestehenden Automatisierung von Ambyint nicht und waren für den Produktionseinsatz noch nicht zuverlässig oder reaktionsschnell genug. Der Nutzen bestand in einem besser aufgestellten internen Team und einem klareren Verständnis dafür, wo weitere Forschung erforderlich war. Das ist ein wertvolles Ergebnis bei der Einführung von KI, auch wenn daraus nicht sofort ein einsatzfähiges Modell hervorgeht.

Riva: Unternehmensdaten für KI nutzbar machen

Amii nennt auch das in Edmonton ansässige Unternehmen Riva als frühen Nutznießer und verweist auf Fortschritte hin zu produktionsreifen Lösungen, ohne die konkrete Modellarchitektur offenzulegen.

Die Plattform von Riva verknüpft E-Mails, Kalender-, Kontakt- und Besprechungsinformationen mit Kundenbeziehungsmanagementsystemen. Zu ihren Funktionen gehören KI-generierte Gesprächszusammenfassungen und strukturierte Besprechungsergebnisse, die Teams prüfen und mit CRM-Datensätzen verknüpfen können. Damit ergibt sich ein anderer Kontext für die Einführung als bei der Bildgebung im Feld oder der industriellen Steuerung: Die Herausforderung besteht darin, geschäftliche Interaktionen nutzbar zu machen und zugleich Governance und menschliche Prüfung sicherzustellen.

Warum das Modell auch über Kanada hinaus wichtig ist

Die beteiligten Unternehmen zeigen, dass die Einführung von KI Bereiche wie Computer Vision, Prognosemodelle, Optimierung unter Nebenbedingungen, bestärkendes Lernen und Informationsabläufe in Unternehmen umfasst. Jeder dieser Bereiche erfordert andere Daten, Bewertungsmethoden und betriebliches Fachwissen.

Die weiterreichende Bedeutung der Partnerschaft liegt in ihrem Schwerpunkt auf Eigenverantwortung und technischer Kompetenz. Ein Unternehmen gewinnt mehr als nur ein Modell, wenn die eigenen Mitarbeitenden lernen, wie es entwickelt wurde, wie es getestet werden kann und wann seinen Vorhersagen zu vertrauen ist. Für kleinere Unternehmen kann die Vermittlung dieser Fähigkeiten ebenso weitreichende Folgen haben wie die anfängliche Bereitstellung der Software.