Category: Uncategorized

Bei seiner Arbeit als Ingenieur für Teilchenbeschleuniger stieß Curt Preissner an die Grenzen der Designphilosophie. Deshalb belegten er und ein Kollege den Kurs Mechatronics system design (metron) – part 1 am High Tech Institute. Dadurch konnten sie einen neuen Designansatz in die Synchrotron-Gemeinschaft einführen und besser mit den Anbietern sprechen. Sie müssen in der Lage sein zu kommunizieren, was Sie nachts wach hält.

Als Curt Preissner den Metron – Teil 1 Kurs am High Tech Institute in Eindhoven belegte, war er beeindruckt von dem lokalen Fachwissen, aber auch von der Menge an Fahrrädern, die dort herumfuhren. Ich fahre hier in den Vereinigten Staaten mit dem Fahrrad zur Arbeit, aber das ist überhaupt nicht wie in den Niederlanden”, blickt er gern zurück.

Preissner ist Maschinenbauingenieur an der Advanced Photon Source (APS), einer Einrichtung des U.S. Department of Energy (DOE) Office of Science am Argonne National Laboratory des DOE in Illinois. Dieses Synchrotron, eine Art kreisförmiger Teilchenbeschleuniger, erzeugt Strahlung in Form von Röntgenstrahlen. Diese Röntgenstrahlen können wiederum verwendet werden, um beispielsweise Bilder von der Nanostruktur von Materialien zu machen. Preissner entwirft eine ganz bestimmte Komponente in diesem System.

In einem Teilchenbeschleuniger beschleunigen Sie Elektronen mit Hilfe von Hochfrequenzenergie”, erklärt Preissner. Sie oszillieren dann zwischen den Nord- und Südpolen von Magneten hin und her, wodurch das entsteht, was wir Synchrotronstrahlung nennen. In unserem Gerät liegt diese Strahlung in Form von Röntgenstrahlen vor. Die Energie der von uns erzeugten Röntgenstrahlen reicht von einigen KeV bis hin zu 100 KeV, sie ist also sehr durchdringend. Wir nehmen diese Röntgenstrahlen und verwenden ein so genanntes Monochrometer, um eine bestimmte Wellenlänge auszuwählen. Das Instrument, das ich entwerfe, ist ein Röntgenmikroskop namens PtychoProbe. Es wird ein einzigartiges Instrument von Weltrang sein, das die Röntgenstrahlen bis auf fünf Nanometer fokussiert, was derzeit noch nicht möglich ist. Es wird also eine Weltneuheit sein. Die Röntgenstrahlen werden auf die Probe fokussiert und von ihr gebeugt. Die von der Probe gebeugten Röntgenstrahlen werden dann von einem Detektor aufgefangen, von dem wir die Daten verarbeiten, um ein Bild zu erzeugen, das die Struktur der Probe zeigt.

Curt Preissner,Kredit: Mark Lopez Argonne National Laboratory

Neue Philosophie der Technik

Preissner und seine Kollegen erkannten, dass dieses neue Design, das ein hohes Maß an Präzision erfordert, eine neue technische Philosophie erfordern würde. Die Spezifikationen, mit denen wir arbeiten, können sehr anspruchsvoll sein”, sagt Preissner. Im Allgemeinen ist unser System statisch. Doch auf der Seite der Beamline sind die Dinge in Bewegung. Wir müssen unsere Proben auf eine andere Art und Weise scannen, weil die neuen Strahlen viel heller sind. Diese Helligkeit ermöglicht es uns, unsere Proben detaillierter zu sehen. Allerdings kann dieser hohe Photonenfluss die Probe beschädigen und uns daran hindern, diese Details zu sehen. Wir wollen das also schnell erledigen. Wir müssen nicht so schnell arbeiten wie einige Geräte zur Halbleiterherstellung. Wir scannen etwa sieben Millimeter pro Sekunde, das sind keine extrem hohen Geschwindigkeiten. Aber für das, was wir gewohnt sind, ist das ziemlich hoch. Die Probe und die Röntgenlinse, die so genannte Zonenplatte, müssen außerdem in einer Größenordnung von 1,25 Nanometern ausgerichtet werden. Das ist ziemlich eng. Wir schaffen das über Längenskalen von etwa 10 Millimetern. Das ist Neuland für uns. Deshalb suchen wir nach neuen technischen Ansätzen, um dies zu erreichen.

Integrierter Ansatz

Nach einigen Recherchen wurde ihnen klar, dass die Mechatronik eine Antwort bieten könnte. Wir haben zuerst in der Synchrotron-Gemeinschaft angefangen, die nicht sehr groß ist”, erklärt Preissner. Es gibt eine überschaubare Anzahl von Synchrotron-Instrumentierungsingenieuren, wahrscheinlich ein paar Hundert, sicher weniger als ein paar Tausend. Die Gemeinschaft ist nicht so groß. Als wir also nicht die Antworten fanden, die wir suchten, begannen wir, in anderen Bereichen mit ähnlichen Leistungsanforderungen zu recherchieren. So kamen wir auf die Halbleiterfertigungsanlagen und damit auf den Mechatronik-Ansatz.

Dieser Ansatz ist zwar in einigen Bereichen üblich, aber in der Synchrotron-Gemeinschaft ist er neu. Die Mechatronik könnte jedoch genau das sein, was sie brauchen, um die Technologie weiter voranzutreiben. Bei der letzten Generation von Instrumenten, vor zehn bis fünfzehn Jahren, war es nicht ungewöhnlich, dass sich ein Maschinenbauingenieur mit einem Strahlenforscher zusammensetzte und einfach die Mechanik entwarf, eine Bewegungssteuerung anschloss, vielleicht etwas Interferometrie einsetzte und Ergebnisse erzielte, mit denen die wissenschaftliche Arbeit erledigt war. Die einzige Berücksichtigung der Dynamik bei der Konstruktion waren Vibrationen, und es gab sicherlich keinen Ansatz auf Systemebene”, sagt Preissner. Aber jetzt zwingen uns die Fortschritte in der Beschleuniger- und Röntgenoptiktechnologie wirklich dazu, die Grenzen dessen, was wir tun können, zu erweitern. Der alte Ansatz wird nicht mehr funktionieren… Wir müssen nach vorne blicken; die Wissenschaft erlaubt uns keinen Stillstand. Das Instrument, das ich entwerfe, muss mindestens für die nächsten zehn Jahre wissenschaftlich produktiv sein. Ein mechatronischer Ansatz ist hier sehr interessant. Es ist großartig, von Anfang an über Dinge wie Fehlerbudgetierung und dynamische Modelle nachzudenken. Es ist ein integrierterer Ansatz.’

In den Niederlanden landen

So kam es, dass Preissner und ein Kollege in den Niederlanden einen Mechatronikkurs am High Tech Institute besuchten. Für sie war das der ideale Weg, um schnell in dieses Gebiet einzutauchen. Bei der APS haben wir nicht immer den Luxus, viel Forschung und Entwicklung betreiben zu können”, sagt Preissner. Wir stehen bei diesem Projekt unter Zeitdruck. Wir müssen uns schnell Wissen aneignen, damit wir mit Anbietern zusammenarbeiten oder unser eigenes Design erstellen können. Wenn Sie sich zum Beispiel die Wafer-Scanner von ASML ansehen, ist deren Leistung sehr beeindruckend. Aber man darf nicht vergessen, dass hinter ihnen etwa vierzig Jahre Entwicklung stecken. Wenn wir diese Geräte entwerfen, haben wir diese Zeit nicht. Wir müssen so schnell wie möglich lernen.’

Anbieter

Eine wichtige Sache, die sie in dem Kurs lernten, war eine neue Art von Sprache, die es ihnen ermöglichte, besser mit ihren Verkäufern zu sprechen. Wir gehen nicht einfach los und kaufen etwas”, sagt Preissner. Wir schlagen Dinge vor und entscheiden, ob ein Anbieter bestimmte Entwürfe machen kann. Daher ist es wichtig, Techniken wie die Fehlerbudgetierung zu kennen und die Entwürfe mit einem mechatronischen Blick zu betrachten. Eine formale Ausbildung hat unsere Fähigkeit, mit Anbietern zu sprechen, verbessert. Es gibt bestimmte Schlüsselprobleme in diesem Entwurf, die mich nachts wach halten, und wir müssen in der Lage sein, diese zu kommunizieren. Nach dem Kurs konnte ich zu einem Anbieter gehen und ihn zum Beispiel bitten, uns sein Fehlerbudget zu zeigen. Oder ich könnte mit ihnen über die Dynamik der Steuerung sprechen, die mit der Dynamik der Mechanik überlagert wird.

Kurzer Zeitrahmen

Der Kurs hat ihnen das in einem kurzen Zeitrahmen beigebracht. Das ist wichtig für einen Ingenieur wie Preissner, der an einem zeitkritischen Projekt für eine von der Regierung finanzierte Organisation arbeitet. Wir stehen unter großem Druck, also waren wir begierig darauf, zu lernen, und taten dies auch recht schnell. Wir haben intensiv nach einem Kurs gesucht, der uns dieses Wissen schnell vermitteln konnte. Die APS ist auch eine staatliche Einrichtung, wir verwenden also Steuergelder. Wir müssen darauf achten, wie wir sie ausgeben. Wir sind immer auf der Suche nach Möglichkeiten, unsere Ziele auf effektive Weise zu erreichen, und dieser Kurs hat uns das, was wir wissen mussten, sehr effizient vermittelt.’

All dies ist laut Preissner noch in Arbeit. Die Gemeinschaft der Synchrotrontechniker hat lange Zeit auf eine bestimmte Art und Weise gearbeitet. Aber jetzt erkennen die Leute, dass wir die Dinge anders angehen müssen. Dieser Kurs hat es uns ermöglicht, diesen anderen Ansatz zu wählen.

Ganzheitlich modellieren?

Bislang wurde das neue Mechatronik-Wissen vor allem bei Kontakten mit Anbietern genutzt. Aber Preissner merkt an, dass sie es in Zukunft auch nutzen wollen, um neue Instrumente von Grund auf zu entwickeln. ‘Das ist auf dem Reißbrett’, sagt er. Wir fragen uns, ob wir diesen neuen Ansatz auf systematischere Weise anwenden können. Können wir das Instrument, das Modell des Kontrollsystems und die Einflüsse auf ganzheitliche Weise modellieren? An welchen Knöpfen müssen wir drehen? Welcher Steuerungsansatz wäre sinnvoll?’

Jetzt wollen Preissner und seine Kollegen aber erst einmal ihr Wissen über Mechatronik erweitern. Sie freuen sich schon darauf, weitere Kurse zu belegen. ‘Wenn man es nicht anwendet, verliert man es. Wir verspüren also einen gewissen Druck, das Gelernte so regelmäßig wie möglich anzuwenden. Der erste Teil der Schulung war gut, und jetzt denken wir darüber nach, weitere Kurse zu besuchen. Wenn man neue technische Techniken lernt, braucht man ein bisschen Zeit. Man muss damit arbeiten. Es hat bereits unsere Interaktionen mit den Lieferanten verändert. Der nächste Schritt wird sein, unsere eigenen Designs von Grund auf zu ändern.’

Dieser Artikel wurde von Tom Cassauwers, freier Mitarbeiter von High-Tech Systems, geschrieben.

Het is makkelijker dan ooit om complexe berekeningen en ontwerpsimulaties uit te voeren. Toch komt het uiteindelijk allemaal neer op hoe een ontwerp zal werken buiten het lab, in een echt product, in een echte omgeving, volgens Wendy Luiten. Daarom geeft ze een nieuwe cursus Toegepaste statistiek voor R&D aan het High Tech Institute. Statistiek wordt vaak te weinig toegepast en dat is jammer, want het kan echt bijdragen aan succes.

Toen Wendy Luiten leerde programmeren, gebruikte ze ponskaarten die in gigantische computers werden ingevoerd. Tegenwoordig kan ze de meest complexe berekeningen en ontwerpsimulaties uitvoeren met een druk op de knop van haar laptop.

Tijdens Luiten’s carrière was ze getuige van een ongekende toename in rekenkracht. Nadat ze in 1984 afstudeerde aan de Universiteit Twente, begon ze aan een indrukwekkende carrière als thermisch expert en als Six Sigma Master Black Belt bij Philips. Tegenwoordig werkt ze als consultant.

Die diepgaande ervaring gaf haar een betere kijk op statistiek en computergebruik dan de meeste ingenieurs. Nieuwe software biedt geweldige mogelijkheden voor het maken van ontwerpsimulaties en Digital Twins. Maar het ogenschijnlijke gemak van deze nieuwe methoden doet gemakkelijk vergeten dat een simulatie niet de werkelijkheid is. Een simulatiemodel moet gevalideerd worden om er zeker van te zijn dat het de werkelijkheid in voldoende mate weergeeft. Bovendien beschrijven simulaties een ideale wereld, zonder willekeurige variatie. In de echte wereld kan willekeurige variatie een product onbetrouwbaar en teleurstellend voor eindklanten maken.

Sommige mensen herhalen niet, maar gaan af op één meting”, zegt ze. ‘Op basis daarvan beslissen ze of het ontwerp goed is of niet. Dat is riskant. Je weet niet hoe goed de meting is, je hebt geen idee van de meetfout, je weet niet hoe representatief het prototype is, je weet niet hoe representatief de use case is.’

“Toegepaste statistiek is als autorijden, je hoeft de werking van de motor niet te kennen om van A naar B te gaan,” Wendy Luiten

Mensen zijn vaak erg optimistisch over hun meetfout. Ik heb gevallen gezien waarbij mensen dachten dat hun meetfout in de tienden van een graad zat, maar bij een herhalingsmeting bleek het verschil 10 graden C te zijn. Dus als je herhalingsmeting zo’n groot verschil laat zien, kun je echt niet zeker zijn van hoe goed het product presteert en moet je dieper graven naar de hoofdoorzaak van dit verschil.

Daarom start Luiten haar nieuwe training Toegepaste statistiek voor R&D aan het High-Tech Institute met meetstatistiek. In deze cursus gaat ze dieper in op de belangrijkste statistische vaardigheden die hun waarde hebben bewezen in haar 30+ jaar R&D-ervaring in de industrie. Eerst moet je zien hoe goed je metingen zijn’, legt ze uit. Vervolgens moet je de steekproefgrootte kunnen schatten, het aantal metingen dat je nodig hebt om een bepaald effect met voldoende waarschijnlijkheid aan te tonen. Zodra je de uitvoerprestaties nauwkeurig en met voldoende precisie kunt meten, kun je verschillende ontwerpconfiguraties onderzoeken en de beste configuratie kiezen. Tot slot onderzoek je het uitgangsgemiddelde en de variatie, wat uiteindelijk de manier is waarop je tot een succesvol ontwerp komt.

Willekeurige meetfout

Luiten merkt op dat ingenieurs zich vaak al bewust zijn van de systematische meetfout. Systematische fouten zijn een bekend fenomeen”, zegt ze. Je kunt een gouden monster meten en de resultaten corrigeren, dat is een de facto kalibratie van je meting. Dat is bekend en onderdeel van veel labcursussen in het hoger onderwijs.

De meeste mensen houden echter geen rekening met de toevallige fout of gebruiken blindelings een standaardwaarde van 1, 5 of 10%. Maar in werkelijkheid hangt de toevallige fout af van het meetinstrument en ook van wie de metingen uitvoert. De statistische methode om de toevallige fout te achterhalen is meestal geen onderdeel van een labcursus, dus dit komt minder vaak voor. Maar de eerste keer dat zo’n test wordt gedaan, zijn de resultaten vaak verrassend.

Luiten noemt een aantal gevallen waar ze zelf mee te maken heeft gehad. Ik heb gevallen gezien waarin mensen ervan overtuigd waren dat ze bijna geen toevallige fout hadden omdat ze een hele dure geautomatiseerde meetmachine hadden. Maar het bleek dat de operators de monsters op een andere manier maakten en dat veroorzaakte een grote toevallige fout. In een ander geval claimden verschillende ontwikkelingslaboratoria allemaal een meetfout van 5% – maar toen ze dezelfde apparaten in een round robin test maten, was er een verschil van een factor 2, vanwege verschillen in de meetopstelling die irrelevant werden geacht. Ik heb gezien dat schijnbare fluctuaties in productkwaliteit konden worden gekoppeld aan de operator die de metingen uitvoerde. In alle gevallen waren mensen er absoluut van overtuigd dat ze een verwaarloosbare toevallige fout in de metingen hadden, en deze resultaten waren totaal onverwacht. Maar je kent je toevallige fout en de oorzaak van de toevallige fout alleen als je er een statistische test voor doet.

“Welk ontwerp is beter? Ontwerp C heeft de voorkeur – Ook al heeft B een hogere gemiddelde prestatie, C heeft het laagste uitvalpercentage omdat het consistent presteert,” Wendy Luiten

Herhalingen van metingen

De willekeurige meetfout is vooral belangrijk als het gaat om de zogenaamde statistische power – de kans dat je een bepaald effect meet als het aanwezig is. Als het effect dat je wilt meten ongeveer even groot is als je meetfout en je herhaalt je meting twee keer, dan is de kans dat je dat effect bewijst kleiner dan 10%. Dus als een verandering in het ontwerp je een 5C lagere temperatuur oplevert, en je willekeurige meetfout is 5C, dan zul je dat in 1 op de 10 metingen zien, en gemiddeld 9 op de 10 keer zijn de resultaten niet doorslaggevend, zelfs als je de meting in tweevoud doet. Als je het vermogen wilt verbeteren, moet je of de meetfout verlagen, of meer herhalingen doen. Soms zien mensen herhalingsmetingen als verspilde moeite, maar daar is Luiten het niet mee eens. De echte verspilling is het uitvoeren van experimenten met te weinig power, waarbij je alle moeite doet om een experiment op te zetten en uit te voeren – om er vervolgens achter te komen dat het resultaat geen uitsluitsel geeft.

Verschillende ontwerpopties testen

Naast meetfouten en het schatten van de steekproefgrootte is een belangrijk onderdeel van de cursus het testen van verschillende ontwerpen. Je kunt dat in hardware doen, maar dat is misschien niet de meest effectieve optie. Tegenwoordig kun je veel virtueel testen”, zegt Luiten. Voordat je een prototype maakt, kun je al experimenteren met je ontwerpen met behulp van computersimulaties. De input kan variëren van materialen en afmetingen tot stroom- en besturingssoftware. Je kunt bijvoorbeeld het effect van verschillende materialen of afmetingen modelleren, of het gebruik van een andere mechanische lay-out, of verschillende instellingen in een besturingsalgoritme. In elk product moeten veel keuzes worden gemaakt, zowel op het niveau van de architectuur als in de implementatie. Het is belangrijk om uit te zoeken welke inputs het belangrijkst zijn en hoe deze inputs de prestaties bepalen, want je wilt je in een later stadium niet realiseren dat een eerdere beslissing verkeerd was. Een ‘trial-and-error’-aanpak is vaak te duur in tijd en geld. De statistische benadering bestaat uit het opzetten van een reeks experimenten op een speciale manier, waarbij meerdere inputs tegelijkertijd worden gevarieerd en niet afzonderlijke experimenten worden vergeleken, maar groepen experimenten om het effect van een enkele input of interacties tussen twee inputs te achterhalen. Dit is een zeer krachtige aanpak, vooral in combinatie met computersimulaties, maar voor een klein aantal ingangen kun je dit ook in hardware doen. Als je de experimenten in hardware uitvoert, bepaalt de berekende steekproefgrootte uit de eerdere stadia het aantal herhalingen voor de verschillende experimenten. Als de experimenten virtueel worden uitgevoerd, door middel van computersimulaties, wordt de steekproefgrootte gebruikt voor de validatie-experimenten voor het computermodel.

De beste keuze maken

Het volgende gereedschap in de statistische gereedschapsgordel is optimalisatie of het maken van de beste keuze. Als je eenmaal hebt ontdekt wat de belangrijkste invoerparameters zijn en hoe deze zich verhouden tot de prestaties, kun je op basis van gegevens beslissen welke ontwerpconfiguratie het beste bij je doel past. Vaak zijn er meerdere outputs om te overwegen, bijvoorbeeld als je een hoge sterkte wilt maar tegelijkertijd een laag gewicht. Multiple Response Optimization is een bekend hulpmiddel hiervoor.

Het effect van inputvariatie

Als je eenmaal weet wat de impact van een input is, is het ook belangrijk om naar de variatie ervan te kijken, en wat voor variatie deze weer veroorzaakt in de prestaties’, vervolgt Luiten. Dit is ook iets waar mensen minder bekend mee zijn, maar als je eenmaal weet hoe het moet, is het niet zo moeilijk en belangrijk. Om een ontwerp tot een succes te maken, is het niet alleen belangrijk om piekprestaties te leveren, maar ook om die prestaties consistent te leveren. Met behulp van statistische simulaties kun je een statistisch model maken om het gemiddelde en de variatie van je uitvoer te koppelen aan de statistische verdeling van je invoer.

Soms zeggen mensen dat dit geen zin heeft omdat ze de variatie in de inputs niet kennen. Maar als een input belangrijk is, is het riskant om geen rekening te houden met de variatie als het gaat om consistente productkwaliteit. Als het statistische model laat zien dat de input belangrijk is, heb je een goede reden om met de leverancier te bespreken wat de verdeling is en hoeveel variatie deze heeft. Dit is gebruikelijk in de auto-industrie, zij hebben zelfs formele procedures die niet alleen exacte eisen stellen aan het gemiddelde, maar ook aan de standaardafwijking van componenten en subassemblages.

Navigeren door de oplossingsruimte

Statistische methoden helpen met andere woorden om door alle mogelijke configuraties te navigeren die samen de oplossingsruimte vormen. Luiten zegt: “Je bereikt je optimale prestatie niet zomaar per toeval. Als je twee ingangen hebt die hoog of laag kunnen zijn, blijven er vier mogelijkheden over. Maar als je iets ontwerpt met vijf ingangen, blijven er 32 mogelijke configuraties over. En veel moderne ontwerpen hebben meer ingangen dan dat. En dan hebben we het nog niet eens over alle mogelijke toleranties en alle verschillende gebruikersgevallen. Zonder een structurele, op statistiek gebaseerde aanpak is de kans klein dat je optimale consistente prestaties vindt.

Auto’s rijden

De onderdelen van Luiten’s cursus hangen nauw met elkaar samen, het is een keten van tools. Als je bijvoorbeeld resultaten wilt valideren, dan heb je ook meetstatistieken nodig die je vertellen wat je toevallige fout is. Dit laat op zijn beurt zien hoe groot je steekproef moet zijn, zodat de experimentele opzet correct is. Pas dan kun je beslissen of je je validatie kunt vertrouwen”, zegt Luiten.

Luiten kiest voor een praktische benadering. Voor haar is statistiek een toegepaste vaardigheid, een middel om een doel te bereiken. Statistiek wordt op de universiteit heel theoretisch onderwezen’, zegt Luiten. Ik zag dit bij mijn eigen studie en ik zag het bij de studie van mijn kinderen. Het wordt onderwezen op een manier die in mijn werk maar beperkt praktisch bruikbaar was. Ik vergelijk het met autorijden: Je hoeft niet precies te weten hoe de motor werkt om van A naar B te rijden. Het doel van de opleiding is niet om een statistisch expert te worden, maar om je doel te kunnen bereiken met statistiek.’ En wiskundige hulpmiddelen zoals excel en statistieksoftware maken de toepassing tegenwoordig veel toegankelijker.

Master zwarte band Six Sigma

Luiten is een Master Black Belt in Design for Six Sigma, en haar carrière heeft haar een diep inzicht in en een rijke ervaring met de toepassing van statistiek in innovatieprocessen opgeleverd. Mijn ervaring is dat veel ingenieurs leren door te doen, en dat is logisch. Je kunt niet leren zwemmen door naar de Olympische Spelen te kijken, je moet zelf het water in, al is het maar om te leren drijven. Dus hebben we praktijkoefeningen, in excel of in een speciale statistiektool.’ Voor Luiten is statistiek een hulpmiddel voor algemeen gebruik, en vertrouwdheid met de technieken en hulpmiddelen die ze in haar cursus noemt, is essentieel voor ingenieurs die op verschillende gebieden werken, van technische experts tot ontwerpers en teamleiders tot systeemarchitecten.

Dit is een algemene cursus voor mensen in innovatie, die producten ontwikkelen en onderzoek doen. Als je output meet in continue numerieke parameters, maakt het niet uit in welk technisch veld je zit. Ik heb deze technieken gebruikt in thermische toepassingen, maar elk vakgebied kan ze gebruiken, van mechanica en elektronica tot optica en zelfs software, dit is wiskunde. Je kunt zelf beslissen waar je het voor gebruikt. ‘

Dit artikel is geschreven door Tom Cassauwers, freelancer voor High-Tech Systems.

De Nederlandse hightech zit vol met getalenteerde ingenieurs. Maar hoe zorgen bedrijven ervoor dat ze dit talent in huis houden? Voor Sioux Technologies draait het allemaal om de nadruk leggen op de mensen, en ze blij en uitgedaagd te houden met interessante projecten, een leven lang leren en op maat gemaakte trainingsmogelijkheden. Onlangs organiseerden Sioux en High Tech Institute een op maat gemaakte software security training met Duncan Stiphout.

Of je nu net van de universiteit komt of al tientallen jaren in het vak zit, er valt altijd wel iets te leren. Van persoonlijke tot professionele en van sociale tot technische vaardigheden, scherp blijven is essentieel – vooral in de hightechindustrie.

Voor Sioux Technologies is dit een absoluut feit. “Wij zijn een hightech solutions provider. We maken geen eindproducten, we leveren diensten, modules en submodules aan onze hightech klanten en partners,” beschrijft Duncan Stiphout, groepsleider van de afdeling system control software en people manager bij Sioux. “Voor ons is kennis en expertise echt onderscheidend. Het zijn niet de producten die we maken, maar onze mensen die onze grootste troef zijn – we blijven ze gewoon liever mensen noemen,” grapt hij.

Hier bij Sioux, of waar dan ook, heeft niet iedereen de ambitie om senior systeemarchitect te worden,” zegt Duncan Stiphout. Foto door Bart van Overbeeke.

De afgelopen 20 jaar heeft Stiphout veel geleerd over mensen en groei. De eerste helft van zijn loopbaan bekleedde hij zeer technische functies – hij begon als software engineer en werkte zich op tot software architect. “Op een bepaald moment kreeg ik de smaak te pakken van de projectmanagementkant van het bedrijf. En ik zal de eerste zijn om je te vertellen dat dat niets voor mij is,” herinnert hij zich.

Voor Stiphout voelde het niet goed om verantwoordelijk te zijn voor continue planning en management. Een beetje chaos, zoals hij het zelf zegt, is goed. “Wat ik echter leerde, was dat dat niet erg was. Hier bij Sioux, of waar dan ook, heeft niet iedereen de ambitie om een senior systeemarchitect te worden,” zegt hij. Dus besloot Stiphout zo’n 10 jaar geleden dat hij een rol wilde die meer bij hem paste – ook al wist hij toen nog niet wat dat was.

Geluksmanager

In gesprek met zijn people manager begon Stiphout te kijken naar de verschillende opties die het beste bij hem en zijn carrière pasten – zowel binnen als buiten Sioux. Toen kwam er een nieuwe functie als people manager vrij die zijn aandacht trok. “Ik sprak met een aantal managers en collega’s over mijn interesse in de functie en ik kreeg veel goede feedback. Een aantal mensen had al met mij gewerkt en waardeerden mijn communicatiestijl en dat ik hen kon helpen begeleiden en leiden in hun persoonlijke carrièrepaden,” zegt Duncan Stiphout. “Ik denk ook dat situationeel leidinggeven een van mijn sterke punten is en iets waar ik veel plezier aan beleef. Dus ik greep deze kans met beide handen aan.”

Deze nieuwe functie was een grote stap voor Duncan Stiphout. Hij stapte immers uit zijn meer hands-on technische rol en ging naar een managerrol die gericht was op groei. Niet alleen zijn persoonlijke groei, maar ook die van het bedrijf en nu ook die van zijn collega’s. “Nu ligt mijn focus niet alleen op projecten, maar ook op het geluk van anderen. Ik denk dat je me een geluksmanager kunt noemen,” lacht Stiphout. “In deze rol ligt mijn focus op rekrutering, retentie en competentiemanagement. Mijn belangrijkste focus ligt op het uitgedaagd en gelukkig houden van mijn groep in hun rol terwijl ze zich verder ontwikkelen in hun carrière.”

Functiehuis

Om haar mensen tevreden te houden en op het snijvlak van technologie te blijven, heeft Sioux zich volledig gecommitteerd aan mogelijkheden voor levenslang leren voor werknemers. In feite biedt het bedrijf elke werknemer een jaarlijks persoonlijk opleidingsbudget van 6.000 euro om naar eigen goeddunken te gebruiken voor alles van boeken tot seminars en trainingen. “Dit helpt ons echt om het beste uit onze teams te halen, en dat is een groot deel van mijn rol – mensen helpen manieren te vinden om zichzelf te verbeteren en ze geïnteresseerd te houden,” benadrukt Stiphout.

In de praktijk kan dit natuurlijk veel verschillende vormen aannemen – vooral naarmate werknemers binnen het bedrijf groeien en hoger op de ladder komen. “Wanneer we nieuwe engineers aannemen, helpen we hen naar hun doelen te kijken en in kaart te brengen wat we hun functiehuis noemen. Dit brengt de mogelijkheden en verwachtingen voor elk niveau in kaart, van junior en senior software engineers tot ontwerpers en systeemarchitecten,” illustreert Stiphout. “Wat we hebben ontdekt is dat heel vroeg in iemands carrière, veel ingenieurs vooral geïnteresseerd zijn in technische cursussen en het verbeteren van hun technische vaardigheden. Zodra iemand echter het niveau van ontwerper bereikt, richten ze zich vaak op persoonlijke of soft-skills trainingen die te maken hebben met invloed en leiderschap.”

In de naam van

Om medewerkers de meest geavanceerde training te bieden, heeft Sioux verschillende opties beschikbaar: interne coaching en in-house training, maar ook het inschakelen van trainingsorganisaties voor hun expertise. Stiphout: “We zien echt de waarde van training voor onze mensen. Het is natuurlijk moeilijk te berekenen, maar ik geloof dat de investering zichzelf terugverdient als mijn teamleden terugkomen van een goede training. Je ziet hoe geïnspireerd ze zijn om uit te proberen wat ze hebben geleerd, of hoe hun kijk op gebeurtenissen of hun vaardigheden daardoor is veranderd.”

Het kiezen van de juiste training kan echter soms een beetje lastig zijn voor een bedrijf als Sioux, dus ze proberen echt hun onderzoek te doen om te zien welke trainingen de beste recensies hebben en wat het meest waardevol kan zijn voor hun teams. “Er zijn een aantal verschillende trainingsorganisaties, vooral op het gebied van softwareontwikkeling – wat, ondanks onze multidisciplinaire teams, nog steeds een heel groot deel is van wat we doen bij Sioux. Bij veel van hen zijn de trainingen echter minder gericht op het hightechdomein en meer op andere gebieden, bijvoorbeeld software voor administratieve systemen,” legt Duncan Stiphout uit.

Foto door Bart van Overbeeke.

“Dat is een van de redenen waarom we veel vertrouwen op High Tech Institute en ook waarom we onze expertise inbrengen in het helpen ontwerpen van sommige cursussen – met een paar gespecialiseerde trainingen, zoals de System Architecting (SysArch) en Multicore Programming cursussen, die worden gegeven door Sioux collega’s. Hun beoordelingen zijn uitstekend en hun portfolio biedt relevante training voor elk niveau, van junior engineer tot senior systeemarchitect. Hun beoordelingen zijn uitstekend en hun portfolio biedt een relevante training voor elk niveau, van junior engineer tot senior systeem architect. Dat vinden wij zo belangrijk omdat het perfect aansluit bij onze hightech ambities. Logisch, want ‘high tech’ zit al in de naam.”

Aanpassing

Duncan Stiphout heeft niet alleen in de loop der jaren medewerkers naar meerdere trainingen van High Tech Institute gestuurd, maar heeft ook met hen samengewerkt om in-company edities van trainingen te plannen voor grotere groepen bij Sioux. “Natuurlijk bieden ze kant-en-klare cursussen aan, maar als we het in-company willen doen, biedt het team van High Tech Institute de mogelijkheid om een training aan te passen aan onze specifieke behoeften,” zegt Stiphout.

“Onlangs ben ik met Jaco Friedrich gaan samenwerken om een in-company sessie van de training ‘Leiderschap voor architecten en andere technische leiders‘ op maat te maken als vervolg op de training voor systeemarchitecten. In ons werk bij Sioux zijn we echt gericht op het opbouwen van customer intimacy en het bieden van het unieke perspectief van ons technisch leiderschap. Soms betekent dat dat we kritisch moeten zijn op hun eisen,” legt Stiphout uit. “Maar leren hoe je die kritiek beter kunt overbrengen is uiterst belangrijk en we geloven dat het iets is waarmee we ons onderscheiden van onze concurrentie. Daarom kijken we uit naar een verdere samenwerking met Jaco en de rest van het team, om onze groep bij Sioux de kans te geven deze vaardigheden echt op te bouwen en te verbeteren.”

Dit artikel is geschreven door Collin Arocho, tech redacteur van Bits&Chips.

Obwohl die Sicherheitsforschung im Bereich des maschinellen Lernens noch in den Kinderschuhen steckt, ist es klar, dass barrierefreie Eingabemöglichkeiten die Bedrohungen erhöhen. Sie brauchen keine Tastatur mehr zu berühren, um ein maschinelles Lernsystem zu täuschen. Der Software-Sicherheitsexperte Balázs Kiss geht auf einige Punkte in diesem neuen Bereich ein und gibt Ratschläge zu den grundlegenden Schutzmaßnahmen.

Genau wie Software im Allgemeinen sind auch maschinelle Lernsysteme anfällig. “Einerseits sind sie wie neugeborene Babys, die sich ganz auf ihre Eltern verlassen, um zu lernen, wie die Welt funktioniert – einschließlich ‘Hintertüren’ wie Märchen oder der Weihnachtsmann”, sagt Sicherheitsexperte Balázs Kiss von Cydrill, einem auf Softwaresicherheit spezialisierten Unternehmen. “Andererseits sind maschinelle Lernsysteme wie alte Katzen mit schlechtem Sehvermögen – wenn eine Maus lernt, wie die Katze jagt, kann sie leicht vermeiden, gesehen und gefangen zu werden.”

Es sieht nicht gut aus, meint Kiss. “Die Sicherheit beim maschinellen Lernen wird zu einem kritischen Thema.” Er weist darauf hin, dass die meisten Softwareentwickler und Experten für maschinelles Lernen die Angriffstechniken nicht kennen. “Nicht einmal diejenigen, die der Software-Sicherheitsgemeinschaft schon lange bekannt sind. Auch die entsprechenden Best Practices sind ihnen nicht bekannt. Das sollte sich ändern.”

Der Sicherheitsexperte und erfahrene Softwaretrainer Balázs Kiss hat kürzlich einen neuen Kurs über die Sicherheit beim maschinellen Lernen entwickelt, der in Kürze vom High Tech Institute in den Niederlanden angeboten wird.

Lösungen für maschinelles Lernen (ML) sind – wie Softwaresysteme – auf verschiedene Weise angreifbar und erhöhen den Sicherheitsbedarf. Letztes Jahr wurde dies auf recht peinliche und einfache Weise von zwei Studenten aus Leuven aufgezeigt. Es gelang ihnen, Yolo (You Only Look Once), einen der beliebtesten Algorithmen zur Erkennung von Objekten und Personen, in die Irre zu führen. Indem sie ein Pappschild mit einem bunten Aufdruck von 40 mal 40 cm vor ihrem Körper trugen, machten sich Simen Thys und Wiebe Van Ranst als menschliche Personen unerkennbar. Ein weiteres Beispiel stammt von McAfee-Forschern, denen es gelang, den Tesla-Autopiloten zu täuschen, indem sie Geschwindigkeitsbegrenzungsschilder falsch einordneten und das Auto über 35 mph hinaus beschleunigen ließen.

Kennen Sie Ihren Feind

“Eine wesentliche Voraussetzung für die Cybersicherheit ist: Kenne deinen Feind”, sagt Kiss, der auch ein erfahrener Softwaretrainer ist und vor kurzem einen brandneuen Kurs über ML-Sicherheit entwickelt hat, der in Kürze vom High Tech Institute in den Niederlanden eingeführt wird. “Am wichtigsten ist, dass Sie mit dem Kopf eines Angreifers denken”, sagt er.

Werfen wir einen Blick darauf, was die Angreifer beim maschinellen Lernen ins Visier nehmen werden. Alles beginnt mit der Erforschung dessen, was Sicherheitsexperten als “Angriffsfläche” bezeichnen: die Kombination aller verschiedenen Punkte in einer Softwareumgebung, an denen ein unbefugter Benutzer versuchen kann, Daten einzugeben oder zu extrahieren. Die Angriffsfläche so klein wie möglich zu halten, ist eine grundlegende Sicherheitsmaßnahme. Wie die Studenten aus Leuven bewiesen haben: Um ein ML-System zu täuschen, müssen Sie nicht einmal eine Tastatur anfassen.

Ein gängiges Sprichwort in der Welt des maschinellen Lernens lautet “Garbage in, garbage out”. Alle Algorithmen verwenden Trainingsdaten, um ihr Verhalten festzulegen und zu verfeinern. Schlechte Daten führen zu unerwartetem Verhalten. Das kann daran liegen, dass das Modell bei den Trainingsdaten gut funktioniert, aber die Ergebnisse nicht auf andere Beispiele verallgemeinern kann (Überanpassung), dass das Modell nicht in der Lage ist, die zugrundeliegenden Trends der Daten zu erfassen (Unteranpassung) oder dass es Probleme mit dem Datensatz gibt. Verzerrte, fehlerhafte oder mehrdeutige Trainingsdaten sind natürlich ein zufälliges Problem, und es gibt Möglichkeiten, damit umzugehen. Zum Beispiel durch die Verwendung geeigneter Test- und Validierungsdatensätze. Wenn jedoch ein Angreifer absichtlich schlechte Daten einspeist, ist das ein ganz anderes Szenario, für das wir ebenfalls spezielle Schutzmaßnahmen benötigen.

Angreifer sind schlau

Kiss: “Wir müssen einfach davon ausgehen, dass es böswillige Benutzer gibt. Diese Angreifer müssen nicht einmal besondere Privilegien innerhalb des Systems haben, aber sie können Roheingaben als Trainingsdaten bereitstellen und die Ausgabe des Systems sehen, typischerweise den Klassifizierungswert. Das bedeutet bereits, dass sie absichtlich schlechte oder bösartige Daten senden können, um unbeabsichtigte ML-Fehler auszulösen.”

“Aber das ist nur die Spitze des Eisbergs”, findet Kiss. “Denken Sie daran, dass Angreifer immer auf ein Ziel hinarbeiten. Sie werden bestimmte Aspekte der ML-Lösung ins Visier nehmen. Durch die Wahl der richtigen Eingaben können sie dem Modell, der generierten Vorhersage und sogar den verschiedenen Code-Bestandteilen, die diese Eingaben verarbeiten, großen Schaden zufügen. Angreifer sind schlau. Sie sind nicht darauf beschränkt, statische Eingaben zu senden – sie können lernen, wie das Modell funktioniert und ihre Eingaben verfeinern, um den Angriff anzupassen.”

Im Falle des überwachten Lernens umfasst es alle drei Hauptschritte des ML-Workflows. Für das Training kann ein Angreifer Eingabedaten zur Verfügung stellen. Für die Klassifizierung kann ein Angreifer Eingabedaten bereitstellen und das Klassifizierungsergebnis lesen. Wenn das ML-System über eine Feedback-Funktion verfügt, kann ein Angreifer auch falsche Rückmeldungen geben (“falsch” für eine gute Klassifizierung und “richtig” für eine schlechte), um das System zu verwirren.

Handgefertigte Eingaben

Viele Angriffe nutzen sogenannte gegnerische Beispiele. Diese manipulierten Eingaben nutzen entweder das implizite Vertrauen aus, das ein ML-System in die vom Benutzer erhaltenen Trainingsdaten setzt, um seine Sicherheit zu beeinträchtigen (Poisoning) oder das System dazu zu bringen, seine Eingaben falsch zu kategorisieren (Evasion). Derzeit gibt es keine narrensichere Methode, mit der diese Beispiele automatisch erkannt und herausgefiltert werden können. Selbst die beste Lösung, bei der einem System beigebracht wird, negative Beispiele zu erkennen, ist in ihrer Reichweite begrenzt.

Indem sie ein Pappschild mit einem bunten Aufdruck von 40 x 40 cm vor ihrem Körper trugen, machten sich Simen Thys und Wiebe Van Ranst als menschliche Personen unerkennbar. Kredit: KU Leuven/Eavise

Natürlich gibt es Verteidigungsmaßnahmen zur Erkennung oder Abschwächung von Negativbeispielen. Ein intelligenter Angreifer kann jedoch Lösungen wie die Verschleierung umgehen, indem er auf adaptive Weise eine Reihe von Gegenbeispielen erzeugt. Kiss verweist auf einige exzellente Arbeiten, die dies hervorheben, wie die von Nicholas Carlini und seinen Kollegen bei Google Brain.

Alles in allem befindet sich die ML-Sicherheitsforschung noch in einem frühen Stadium. Die aktuellen Studien konzentrieren sich hauptsächlich auf die Bilderkennung. Allerdings sind einige Abwehrtechniken, die bei Bildern gut funktionieren, bei Text oder Audio möglicherweise nicht wirksam. “Dennoch gibt es eine Menge Dinge, die Sie tun können, um sich in der Praxis zu schützen”, verrät Kiss. “Leider schützt Sie keine dieser Maßnahmen vollständig vor bösartigen Aktivitäten. Alle diese Maßnahmen bieten jedoch zusätzlichen Schutz und erschweren die Ausführung von Angriffen.”

Das Wichtigste, so der Cydrill-Experte, ist, dass Sie mit dem Kopf eines Angreifers denken. “Sie müssen neuronale Netze mit gegnerischen Beispielen trainieren, damit sie diese Informationen ausdrücklich als falsch erkennen.” Laut Kiss ist es eine gute Idee, gegnerische Muster aus allen derzeit bekannten Angriffstechniken zu erstellen und zu verwenden. Ein Test-Framework kann solche Muster generieren, um den Prozess zu vereinfachen. Es gibt bereits Sicherheitstest-Tools, die dabei helfen können – wie die ML-Fuzz-Tester Tensorfuzzs und Deeptest, die automatisch ungültige oder unerwartete Eingaben erzeugen.

Sanitätskontrollen

Die Begrenzung der Möglichkeiten des Angreifers, gegnerische Proben zu senden, ist immer eine gute Abschwächungstechnik. Dies lässt sich leicht erreichen, indem man einfach die Anzahl der von einem Benutzer akzeptierten Eingaben begrenzt. Natürlich ist es nicht einfach, zu erkennen, dass derselbe Benutzer hinter einer Reihe von Eingaben steckt. “Dies ist die gleiche Herausforderung wie bei verteilten Denial-of-Service-Angriffen, aber die gleichen Lösungen könnten auch funktionieren.”

Wie immer bei der Softwaresicherheit kann eine Eingabeüberprüfung helfen. Es mag nicht trivial sein, automatisch gute von schlechten Eingaben zu unterscheiden, aber es ist auf jeden Fall einen Versuch wert. Wir können auch das maschinelle Lernen selbst nutzen, um anomale Muster in den Eingaben zu erkennen. “Im einfachsten Fall, wenn die von einem nicht vertrauenswürdigen Benutzer erhaltenen Daten durchweg näher an der Klassifizierungsgrenze als am Durchschnitt liegen, können wir die Daten für eine manuelle Überprüfung markieren oder sie einfach auslassen.

Regelmäßige Überprüfungen mit Testdaten können ebenfalls hilfreich sein. Wenn Sie bei jedem neuen Trainingszyklus denselben Testdatensatz gegen das Modell laufen lassen, können Sie Vergiftungsversuche aufdecken. Kiss: “Ablehnen bei negativer Auswirkung, Roni, ist hier eine typische Verteidigung, um zu erkennen, ob sich die Fähigkeit des Systems, den Testdatensatz zu klassifizieren, nach der Umschulung verschlechtert.”

Die offensichtlichste Tatsache über die Sicherheit von ML wird oft übersehen, bemerkt Kiss. “Lösungen für maschinelles Lernen sind Softwaresysteme. Wir programmieren sie in Python – oder möglicherweise in C++ – und daher weisen sie potenziell alle gängigen Sicherheitslücken auf, die für diese Sprachen gelten.” Der Cydrill-Trainer rät uns insbesondere, Punkt 9 der OWASP Top Ten zu beachten. Das Open Web Application Security Project ist ein Dokument, das die zehn kritischsten Sicherheitsprobleme in Webanwendungen zusammenfasst, um das Bewusstsein zu schärfen und das Risiko von Angriffen zu minimieren. Punkt 9 warnt Entwickler vor der Verwendung von Komponenten mit bekannten Sicherheitslücken. “Jede Schwachstelle in einem weit verbreiteten ML-Framework wie Tensorflow oder einer seiner vielen Abhängigkeiten kann weitreichende Folgen für alle Anwendungen haben, die es verwenden.”

Potenzielle Angriffsziele

Die Angreifer interagieren mit dem ML-System, indem sie Daten über die Angriffsfläche einspeisen. Versetzen Sie sich in den Kopf des Angreifers und stellen Sie Fragen. Wie verdaut die Anwendung die Informationen? Welche Art von Daten? Akzeptiert das System Bilder sowie Audio- und Videodateien? Oder gibt es Beschränkungen? Wenn ja, wie prüft es die Typen? Übernimmt das Programm das Parsing oder delegiert es dies vollständig an eine Open-Source- oder kommerziell erhältliche Medienbibliothek? Und hat das Programm nach der Vorverarbeitung der Daten irgendwelche Annahmen (leeres Feld, Anforderungen an Werte)? Sind die Daten in einer relationalen Datenbank oder in XML oder JSON gespeichert? Wenn ja, welche Operationen führt der Code mit diesen Daten durch, wenn sie verarbeitet werden? Wo werden die Hyperparameter gespeichert und können sie während der Laufzeit geändert werden? Verwendet die Anwendung Bibliotheken, Frameworks, Middleware oder Webservice-APIs von Drittanbietern als Teil des Workflows, der die Benutzereingaben verarbeitet? Wenn ja, welche?

Kiss: “Jede dieser Fragen kann auf potenzielle Angriffsziele hinweisen. Jede von ihnen kann Schwachstellen verbergen, die Angreifer ausnutzen können, um ihre ursprünglichen Ziele zu erreichen.”

Diese Schwachstellen haben weniger mit dem maschinellen Lernen zu tun als vielmehr mit den zugrundeliegenden Technologien: der Programmiersprache selbst (wahrscheinlich Python), der Einsatzumgebung (mobil, Desktop, Cloud) und dem Betriebssystem. Aber die Gefahren, die von ihnen ausgehen, sind genauso kritisch wie die gegnerischen Beispiele – eine erfolgreiche Ausnutzung kann zu einer vollständigen Kompromittierung des ML-Systems führen. Dies beschränkt sich nicht auf den Code der Anwendung selbst. Der Forscher Rock Stevens von der University of Maryland untersuchte Schwachstellen in häufig verwendeten Plattformen wie Tensorflow und Pytorch.

Echte Bedrohungen

Kiss’ wichtigste Botschaft ist, dass ML-Sicherheit viele reale Bedrohungen abdeckt. Sie ist nicht nur eine Teilmenge der Cybersicherheit, sondern weist viele Merkmale der Softwaresicherheit im Allgemeinen auf. Wir sollten uns nicht nur um bösartige Samples und gegnerisches Lernen kümmern, sondern auch um alle üblichen Schwachstellen der Software-Sicherheit. Maschinelles Lernen ist nun einmal Software.

ML-Sicherheit ist eine neue Disziplin. Die Forschung hat gerade erst begonnen, wir fangen gerade erst an, die Bedrohungen, die möglichen Schwachstellen und die Anfälligkeiten zu verstehen. Dennoch können ML-Experten viel von der Software-Sicherheit lernen. Die letzten Jahrzehnte haben uns hier viele Lektionen erteilt.

Dieser Artikel wurde von René Raaijmakers geschrieben, dem technischen Redakteur von Bits&Chips.

Adrian Rankers und Hans Vermeulen hatten eine plötzliche Herausforderung, als ASML Wilton darauf bestand, die geplante viertägige Dynamics and Modeling-Schulung online anzubieten. Rankers begann mit Greenscreen, Open Broadcaster Software, einem Camcorder und einer Dokumentenkamera zu arbeiten und nach unzähligen Stolpersteinen und harten Lektionen wurde die Schulung einen Monat später erfolgreich abgeschlossen.

In diesem Artikel, Rankers von Mechatronics Academy und Co-Trainer Vermeulen ihre Erfahrungen mit der Einführung eines sehr praxisorientierten Online-Trainingskurses mit vielen Übungen. Sie sprechen über die Überlegungen, Entscheidungen und kniffligen Stolpersteine sowie über ihre Erfahrungen mit einer letztendlich sehr erfolgreichen Sitzung zu Dynamik und Modellierung. Auch sie hielten mit ihren Kommentaren nicht zurück.

Dynamik und Modellierung dreht sich um die vielen Aspekte, die die Leistung von mechatronischen Präzisionssystemen beeinflussen. Um dieses Wissen in die Köpfe zu bekommen, sollten die Teilnehmer der Schulung vor allem mit Übungen arbeiten. Eine Möglichkeit, dies zu erreichen, besteht darin, die Teilnehmer mit dem Design-Tool 20-sim arbeiten zu lassen. “Sie tun dies in Zweier- oder Dreiergruppen, wobei wir ihnen über die Schulter schauen”, sagt Hans Vermeulen, Senior Principal Architect von EUV Optics System bei ASML und Teilzeitprofessor an der TU Eindhoven. Dieser Bedarf an intensiver Interaktion zwischen Teilnehmern und Ausbildern ist ein wichtiger Grund, warum die Schulung bisher nicht online angeboten wurde.

Letzten Mai, Dynamik und Modellierung für zwanzig ASML-Mitarbeiter in Wilton, Connecticut, geplant. Doch als die ersten Maßnahmen gegen Corona in Kraft traten, war eine Reise in die USA für Rankers und Vermeulen nicht mehr möglich. Um die Qualität zu gewährleisten, schlugen sie vor, die Schulung auf den Herbst zu verschieben. Doch der Maschinenbauer bestand darauf: Die technischen Experten in Wilton hatten wirklich das Bedürfnis, sich das Wissen anzueignen. Daraufhin beschloss das Duo, den viertägigen Kurs in ein Online-Format umzuwandeln.

Bessere Verbindung zwischen ppt-Folie und Sprecher

Zufälligerweise hatte Rankers kürzlich an einer Konferenz teilgenommen, die die American Society for Precision Engineering in Zoom abhalten musste. Er war mit dem Design und der Qualität zufrieden. Seine Trainersinne bemerkten jedoch auch einen Nachteil. “Es war sehr ermüdend für mich, eine PowerPoint-Präsentation mit einer sich bewegenden Maus und einem Präsentator, der nur in einem kleinen Fenster zu sehen war, zu betrachten”, sagt er.

Adrian Rankers für einen Greenscreen während der Dynamics and Modeling Schulung. Oben links die Kamera für die Aufnahme des Trainers und des Greenscreens, unten rechts die Dokumentenkamera.

Beim Nachdenken über den bevorstehenden Kurs wurde Rankers klar, dass es viel mehr Spaß macht, einen Videostream anzusehen, bei dem der Lehrer neben der Präsentation von der Hüfte aufwärts zu sehen ist. “So entsteht eine bessere Beziehung zwischen der Folie und dem Sprecher, der die Informationen erklärt.”

Rankers hat sich umgesehen und drei Möglichkeiten gesehen, dies zu erreichen. Es ist möglich, eine PowerPoint-Präsentation an eine Wand zu projizieren und den Lehrer sowie die Projektion mit einer Kamera zu filmen. Das Gleiche können Sie mit einem großen Fernsehbildschirm machen.

Die dritte Möglichkeit bestand darin, den Dozenten vor einen gut beleuchteten grünen Bildschirm zu setzen, ihn mithilfe einer Software freizuschneiden und ihn dann in die PowerPoint-Präsentation einzubinden und diesen Stream über Zoom oder Teams. Genau wie der Wetterfrosch in den NOS-Nachrichten muss der Trainer seine Anweisungen über seinen eigenen Bildschirm koordinieren.

Experimentieren mit Greenscreen und OBS

Rankers beschloss, mit Green Screen und Open Broadcaster Software (OBS) zu experimentieren. Er lieh sich von einem Freund ein großes grünes Tischtuch und hängte es über einen Teleskopstiel für Gartengeräte. Fotogeschäfte verkaufen bereits gute Greenscreen-Tücher für 30 Euro. Aber weil sie alle ausverkauft waren, wurde es stattdessen ein 4 mal 6 Meter großes Tuch für 80 Euro – auch recht erschwinglich.

Über diesen Bildschirm koordinierte Adrian Rankers seine Bewegungen mit den Informationen auf den Powerpoint-Folien.

Sein erstes Experiment mit dem Tischtuch funktionierte bereits “überraschend gut”. Rankers bemerkte, dass es auf die Belichtung ankam. “Wenn Sie Hollywood-Qualität anstreben, bei der man jedes Haar des Moderators sieht, kommt das schon sehr nahe. Mein Holz- und Seil-Setup funktionierte bei ausreichendem Tageslicht erstaunlich gut, vor allem wenn man bedenkt, dass beim Videostreaming auf die andere Seite der Welt ohnehin viele Details verloren gehen.” Als Ersatz sah er sich die verfügbaren Großbildfernseher in einem nahe gelegenen Geschäft an.

Aufgrund der Zeitverschiebung waren für die Schulung bei ASML Wilton Nachmittags- und Abendsitzungen erforderlich, so dass Rankers auch die Lichtverhältnisse am Abend testen wollte. “Ich dachte mir, dass das ein Problem sein könnte”, sagt er. “Aus den Informationen im Internet schloss ich, dass die Abendaufnahmen wirklich anders sind. Ohne gutes Kunstlicht schneidet die Software die Person nicht richtig aus dem grünen Hintergrund heraus.”

Der nächtliche Abschiedstrunk in einiger Entfernung am Ende einer ASPE-Konferenz am MIT gab Rankers die Gelegenheit, ihn kurz zu testen und damit zu experimentieren. Überraschenderweise stellte sich heraus, dass es mit dem verfügbaren künstlichen Licht in dem Raum, den die Mechatronics Academy und das High Tech Institute am Standort Fellenoord in Eindhoven eingerichtet hatten, funktioniert. “Ich habe viele positive Reaktionen erhalten und mit MIT-Profi Dave Trumper vereinbart, dass ich unsere ersten Kurserfahrungen mit ihm teilen würde.”

Whiteboard und Dokumentenkamera

Während des physischen Trainings schreiben Rankers und Vermeulen viel auf ein Flipchart oder ein Whiteboard. Teams (das auf Wunsch von ASML ausgewählt wurde) bietet die Möglichkeit, mit der Maus zu schreiben, aber das bereitete Probleme. In Versuchen, die Rankers in Vorbereitung mit ASML Wilton durchgeführt hat, wurde berichtet, dass die Teilnehmer ihre Whiteboard-Funktion nicht nutzen konnten. Sie konnten auch ihren eigenen Bildschirm nicht freigeben. Das Problem mit dem Whiteboard wurde von Microsoft bestätigt und scheint mit den Datenschutzbestimmungen (GDPR) zusammenzuhängen.

Deshalb suchte Rankers auf der Trainerseite sofort Zuflucht bei einer Dokumentenkamera. “Eine Dokumentenkamera ist vergleichbar mit einer Webcam auf einem Stativ, die auf ein A4-Blatt gerichtet ist”, erklärt Rankers. “Sie kann ganz einfach per Knopfdruck auf das Papier fokussiert werden und diese Einstellung dann beibehalten. Wenn Sie schreiben wollen, ist das in Ordnung. Es wird nicht durch den Autofokus auf Ihrer Hand gestört.”

Sowohl der Trainer als auch sein Co-Trainer haben einen Bildschirm, auf dem Sie das Bild sehen können, das auch den Teilnehmern präsentiert wird.

Rankers und Vermeulen waren beide sehr zufrieden mit der Dokumentenkamera. “Aber der Wechsel zwischen den Kameras ist einer der Nachteile”, sagt Vermeulen. “Bei einer physischen Schulung sehen die Teilnehmer alles nebeneinander: Powerpoint, Whiteboard und Trainer. Jetzt sahen sie nur unseren Stift auf dem Papier. Wenn wir zur Präsentation wechseln würden, hätten sie dieses Bild wieder verloren.”

Rankers fügt hinzu, dass die Eingabe eines zusätzlichen Kamerasignals “immer noch etwas Fingerspitzengefühl erfordert”, weil zwischen Anwendungen, Präsentationen und der Dokumentenkamera gewechselt werden muss. “Das ist etwas komplizierter wegen der Kombi Greenscreen und OBS”, meint er. Vor allem der Wechsel zu einer Anwendung wie 20-sim erfordert etwas Übung. Die Bedienung des Computerprogramms über einen Monitor, der einige Meter von Ihnen entfernt ist, war nicht einfach. Zur doppelten Kontrolle lud Rankers sich selbst per privater E-Mail ein, damit er auf seinem Mobiltelefon jederzeit sehen konnte, was die Studenten im Blick hatten.

Datenrate priorisiert

Ein Punkt der Aufmerksamkeit war die Internetgeschwindigkeit im High Tech Institute am Standort Fellenoord. Dies könnte ein potenzieller Engpass sein. Die gemeinsame Durchsatzgeschwindigkeit aller Mieter zusammen stellte sich als nur 100 Mb/s heraus, während für einen Videostream schnell 5 Mb/s benötigt werden. Es stellte sich heraus, dass die IT-Abteilung einer IP-Adresse vier Tage lang eine höhere Priorität einräumen wollte.

Rankers sagt mit einem kleinen Seufzer, dass die Leute in Wilton, wie seine Studenten am TUE, erst am Wochenende vor der Schulung mit der Installation von 20-sim begonnen haben. “Das ging wegen der Sicherheit ihrer ASML-Laptops nicht gut”, sagt Rankers. Das Ergebnis war eine Menge E-Mail-Kommunikation kurz vor der Schulung und eine Eskalation zum IT-Helpdesk, um die endgültigen Installationen zu erleichtern. “Das nächste Mal werde ich wirklich alle eine Woche vorher anrufen und mich nach den Vorbereitungen erkundigen”, lacht er.

Rankers hatte fünf kurze Einführungsvideos für 20-sim erstellt und im Voraus verschickt, um den Teilnehmern alles Wesentliche über das Tooling beizubringen. Für die Zukunft plant er, ein Video mit den neuesten Prüfungen hinzuzufügen und es rechtzeitig zu versenden. “So wissen sie, was wir als Grundwissen erwarten.”

Interaktion mit den Studenten

In der Trainingsumgebung verwendeten Rankers und Vermeulen einen Laptop mit zwei externen Monitoren. Schräg unter dem Monitor mit dem konstruierten Videobild befand sich ein zweiter externer Monitor, auf dem das Team-Meeting gezeigt wurde.

Bei der Schulung, an der alle von zu Hause aus teilnahmen, hatten die meisten Studenten leider keine Webcam. Die Ranger hatten auch festgestellt, dass die Verbindung nicht so gut funktionieren würde, wenn jeder seine Kamera einschalten würde. Deshalb beschlossen sie schließlich, nur die verfügbaren Webcams während der Vorschlagsrunde einzuschalten. “Wir haben keine Studenten gesehen, nur die leuchtenden Kugeln mit den Initialen, wenn Fragen gestellt wurden.”

Zunächst bat Rankers die Studenten, über die Chatfunktion zu antworten und die Hand zu heben, wenn sie auf dem Bild waren. “Der Chat an sich funktionierte gut, ließ aber wenig Raum für einen ausführlichen Diskurs”, sagt er. “Das Heben der Hände erfordert, dass der Moderator oder sein Begleiter sehr aufmerksam sind, und das war nicht immer der Fall. Am Ende, nach dem ersten Teil des Tages, einigten wir uns darauf, dass jeder nur noch unterbrechen und über sein Mikrofon Fragen stellen sollte. Das hat gut funktioniert. Es gab eine Menge Interaktion, aber wie in einem normalen Klassenzimmer bleiben einige ruhig und warten ab. Nach Rankers Ansicht gibt es noch Raum für Verbesserungen. “Online könnte man die Teilnahme leicht protokollieren, um einige Leute gezielter zur Teilnahme zu ermutigen.”

Praktische Übungen online

Bei den Übungen arbeiteten die Teilnehmer in Teams, die jeden Tag wechselten. Manchmal zu zweit, manchmal in Gruppen von vier oder fünf Personen. Dabei beobachten sie Rankers und laden Vermeulen ein. Rankers: “Es gab gute Diskussionen innerhalb der Gruppen, aber die Anleitung ist noch verbesserungswürdig”. Vermeulen: “Bei einer persönlichen Schulung schauen Sie zu und sehen sofort, wenn der Bildschirm stecken bleibt. Wir haben festgestellt, dass sich die Teilnehmer online nicht zu Wort gemeldet haben, um uns mitzuteilen, wenn der Bildschirm eingefroren war. Es funktionierte besser mit Gruppen von vier oder fünf Personen als mit Paaren”, beschreibt Vermeulen. Er meint: “Größere Gruppen funktionieren auch online besser, weil immer einige Leute dabei sind, die etwas erfahrener sind und die die anderen mitziehen.”

Das Online-Training mit einem Co-Trainer auf Abruf war für Rankers und Vermeulen eine angenehme Erfahrung.

Rankers und Vermeulen wechselten sich alle anderthalb Stunden ab. Außerdem haben sie festgestellt, dass das Training angenehm ist, wenn jemand in Bereitschaft ist. “Das Ganze zu moderieren ist gewöhnungsbedürftig. Mit zwei Personen ist es wirklich angenehm.” Rankers hat auch Trainingseinheiten, bei denen er für jeden Teil des Tages einen anderen Lehrer einsetzt. “Dann braucht man eigentlich immer jemanden, der anleitet und sich um Kalamitäten kümmert.”

Letzteres blieb dem Duo weitgehend erspart. Während der vier Tage mussten Rankers und Vermeulen nur einmal einen harten Neustart machen, weil das System stecken blieb. Am Ende zog Rankers das Fazit, dass sie eine erfolgreiche Ausgabe absolviert hatten, “mit vielen Ideen, um es noch besser und vielleicht einfacher zu machen.”

Vier Nachmittage und Abende mit Dynamik und Modellierung sind für Vermeulen intensiv. Abends gegen 23 Uhr zu Hause, morgens Vorbereitungskurse, während seine Kinder auch ab und zu um Aufmerksamkeit bitten. “Das ist das Zweitbeste”, sagt er, als er gefragt wird, ob er sich zwischen einer Schulung vor Ort und der Einsparung einer anstrengenden Reise entscheiden soll. “Live dabei zu sein ist mir bei weitem lieber”, sagt er. “Vor allem bei all den Übungen. Ich kann mir vorstellen, dass man auch online eine sehr gute Schulung durchführen kann. Wir machen das im College. Aber ein Großteil der Interaktion erfordert physische Anwesenheit. Ich denke, für ein oder zwei Tage Training würde ich mich für online entscheiden, für vier oder fünf Tage würde ich die Strafe in Kauf nehmen, sechs Stunden hin- und sechs Stunden zurückzufliegen. Für Asien sind Online-Schulungen wegen der Zeitverschiebung schwierig, es sei denn, sowohl Lehrer als auch Schüler machen Zugeständnisse. Bei unserer bevorstehenden Online-Schulung zu Designprinzipien für ITRI in Taiwan, kurz nach den Sommerferien, werden wir auf unserer Seite extra früh am Morgen beginnen und die Studenten werden in ihrer Zeitzone am Abend bis 22.00 Uhr weitermachen”.

Die Auswertung der ersten Online-Schulung Dynamik und Modellierung zeigte sehr zufriedene Teilnehmer. Abgesehen von der Bemerkung, ob dieses intensive Training nicht besser in fünf Tagen hätte durchgeführt werden können, waren die Teilnehmer anschließend voll des Lobes. Nachfolgend finden Sie eine Auswahl aus der Kategorie ‘Allgemeine Bemerkungen’ der Bewertungen:

• “Die Dozenten sind sehr erfahren und haben ein großes Wissen zu diesen Themen. Ich finde diese Schulung sehr nützlich und eine schöne Zusammenfassung über mehrere Themen. Es ist schade, dass die Schulung online stattfand. Ich denke, dass eine persönliche Schulung für alle von Vorteil wäre und noch besser wäre als sie war.
• “Manchmal gab es technische Herausforderungen. Ich frage mich, ob Zoom besser funktioniert hätte.”
• “Intensiver Inhalt, aber sehr gute Lernerfahrung mit bodenständigen Erklärungen. Danke.”
• “Die virtuelle Einrichtung war ziemlich erfolgreich, mit sehr wenigen Störungen. Insgesamt ein Erfolg!”
• “Insgesamt eine großartige Schulung – exzellente Dozenten und guter Einsatz von Fallstudien zur Veranschaulichung der Konzepte.
• “Es wäre besser gewesen, wenn die Schulung in einem Zeitraum von 5 Tagen statt in komprimierten 4 Tagen stattgefunden hätte. Es gab eine Menge gutes Material. Es hätte geholfen, das Material in 5 Tagen besser aufzunehmen. Außerdem hätte man so mehr Zeit für die Übungen im Unterricht gehabt.”
• “Sehr praktische Schulung mit der richtigen Mischung aus Theorie und grundlegenden Inhalten. Sehr gut vorgetragen durch den Referenten.”

 

Hans Vermeulen (l) und Adrian Rankers verschnaufen in der Pause.

Dieser Artikel wurde von René Raaijmakers, dem technischen Redakteur von High-Tech Systems, geschrieben.

Bei allem menschlichen Leid und den wirtschaftlichen Auswirkungen, die Corona verursacht hat, gibt es eine Sache, die mich in den letzten Wochen immer wieder überrascht hat: Unternehmen und Fachleute passen sich einfach an und zwar schnell. Teams und Abteilungen, die in alten Arbeitsweisen verhaftet waren, haben plötzlich festgestellt, dass es durchaus möglich ist, in einer Remote-Umgebung zu arbeiten.

Bei der Sitzung des Lenkungsausschusses des Software Centers in dieser Woche berichteten alle anwesenden Unternehmen, wie sie das Geschäft trotz allem am Laufen halten. Diejenigen, die Software entwickeln, Kunden treffen oder Verwaltungsarbeit leisten, arbeiten von zu Hause aus, aber es geht voran. Diejenigen, die Zugang zu komplexen Maschinen benötigten oder in der Fertigung arbeiteten, waren noch im Unternehmen, hatten aber Maßnahmen ergriffen, um sich so gut wie möglich vor Ansteckung zu schützen.

All diese neuen Arbeitsabläufe erforderten von allen eine gewisse Anpassungszeit, erforderten in einigen Fällen etwas mehr Infrastruktur und bescherten den IT-Abteilungen eine arbeitsreiche Zeit. Aber nach der ersten Woche oder so haben sich die meisten Leute eingewöhnt und die Dinge scheinen sich weitgehend im gleichen Tempo zu entwickeln.

Damit will ich keineswegs sagen, dass die derzeitige Situation ideal ist. Einige Unternehmen haben geschlossen oder arbeiten mit 40-60 Prozent ihrer Kapazität. Viele fühlen sich einsam, weil ihnen der menschliche Kontakt fehlt. Und trotz aller Videokonferenzen auf der Welt gibt es nichts Besseres, als bei einem Brainstorming gemeinsam vor einem Whiteboard zu stehen. Ich will damit sagen, dass wir in der Lage sind, die Dinge voranzutreiben, Forschung und Entwicklung zu betreiben, den Verkauf voranzutreiben und die Dinge in einem viel größeren Ausmaß am Laufen zu halten, als ich ursprünglich befürchtet hatte.

Und dann ist da natürlich noch der Begriff der Digitalisierung. Veränderungen im Arbeitsverhalten, Interaktionen mit Kunden, Aktivitäten, die früher einfach nur physische Anwesenheit erforderten, haben sich nun in einem phänomenalen Tempo digitalisiert. Not macht erfinderisch und es ist klar, dass Dinge, die als unmöglich oder zumindest als minderwertig galten, plötzlich völlig möglich sind und bald zur Norm werden.

Als Führungskraft müssen Sie nun eine Entscheidung treffen. Entweder Sie ändern so wenig wie möglich mit der Absicht, so schnell wie möglich wieder zu den alten Vorgehensweisen zurückzukehren. Oder Sie nutzen diese Gelegenheit, um so viele Veränderungen wie möglich voranzutreiben und dies als Sprungbrett zu nutzen, um alle Arten von Veränderungen in Ihrem Unternehmen zu beschleunigen, angefangen bei den Geschäftsmodellen, der Interaktion mit den Kunden und der Art und Weise, wie der Vertrieb abgewickelt wird, bis hin zu der Art und Weise, wie Sie Forschung und Entwicklung betreiben, was und wie Sie Prozesse automatisieren und wo Sie Menschen einsetzen. Wie das Sprichwort schon sagt: Verschwende niemals eine gute Krise!