InProSSA: Integration symbolischer und subsymbolischer KI für die Industrie

Herausforderungen bei der Entscheidungsfindung in der Industrie

Effektive und effiziente Entscheidungsfindung in industriellen Umgebungen hängt in hohem Maße von der Optimierung komplexer Probleme ab, um sie mit spezifischen Zielen und Constraints in Einklang zu bringen. Bei der Modellierung dieser meist diskreten Optimierungsprobleme ergeben sich jedoch Herausforderungen, bspw. die Auswahl geeigneter Modellierungsparadigmen (z. B. gemischt-ganzzahlige Programmierung, Constraint-Programmierung oder Heuristiken) und der eingesetzten Solver (z. B. Gurobi, IBM CP oder Google or-tools). Die Industrie sieht sich mit zusätzlichen Schwierigkeiten bei der Anpassung von Modellen konfrontiert, bspw. müssen Constraints angepasst werden, wenn sich Geschäftsregeln ändern. Neue Randbedingungen können sowohl die Lösbarkeit als auch die Laufzeit von Algorithmen erheblich beeinträchtigen, und symbolische Solver haben in industriellen Anwendungen oft mit Effizienz- und Skalierbarkeitsproblemen zu kämpfen. Daher ist ein flexibler Ansatz, der die Problemmodellierung von der Lösungsmethode abstrahiert, wünschenswert.

Zielsetzung und Ansatz des Projekts InProSSA

Das Projekt InProSSA untersucht die Möglichkeit, unterschiedliche Solverparadigmen unter einer gemeinsamen Sprache für kombinatorische Optimierungsprobleme in der Industrie zu vereinen. Ein ambitioniertes Ziel dabei ist, die Grenze zwischen symbolischen und subsymbolischen Methoden aufzuheben und die beiden sehr unterschiedlichen Ansätze in einem Ansatz/Framework zu vereinen. Dabei werden symbolische Solver (etwa SAT-Solver) evaluiert und verwendet, sowie aktuelle Methoden subsymbolischer Solver im Bereich der neuralen Monte-Carlo-Tree-Search (MCTS) evaluiert. Die Motivation ist, dass es nicht einen besten Ansatz für alle Aufgabenstellungen gibt, sondern jede Aufgabenstellung ein eigenes, angepasstes Lösungskonzept erfordert (No-free-Lunch-Theorem). Die Machbarkeit wird in Form dieses Sondierungsprojekts exemplarisch an einem industriellen Use-Case getestet und evaluiert. Dabei steht die Integration von vorhandenen Methoden im Vordergrund. Alle Projektergebnisse werden öffentlich zugänglich gemacht (Artikel, Software, Daten). Basierend auf diesen ersten Ergebnissen werden Forschungsfragestellungen abgeleitet und industriellen Forschungsprojekten mit Firmenpartner*innen umgesetzt.

Zusammenarbeit im lokalen Expert*innenkonsortium

Ein lokales Konsortium aus Expert*innen aus den Forschungsbereichen formaler Sprachen (Research Institute for Symbolic Computation), symbolischer KI (Institute for Symbolic Artificial Intelligence), subsymbolischer KI (RISC Software GmbH) und Anwendungen (RISC Software GmbH) arbeitet an dieser Aufgabenstellung. Durch die Kombination dieser unterschiedlichen Kompetenzen entsteht ein neuer Ansatz, industrielle Aufgabenstellungen zu lösen.

Dieses Projekt wird aus der Österreichischen Forschungsförderungsgesellschaft (FFG) gefördert.