Wissenschaftler von IBM und Repsol S.A. kündigten heute die weltweit erste wissenschaftliche Forschungszusammenarbeit für den Einsatz kognitiver Technologien an, um damit die Öl- und Gasindustrie zu verändern. Die Firmen entwickeln gemeinsam zwei Prototypen für kognitive Anwendungen, die besonders auf die Erweiterung der strategischen Entscheidungsfindung bei der Optimierung der Ausbeutung von Öllagerstätten und dem Erwerb neuer Ölfelder ausgerichtet sind.
Die Öl- und Gasindustrie verfügt mit, über die weltweit fortschrittlichsten wissenschaftlichen Erkenntnisse in Geologie, Geophysik und Chemie. Allerdings erfordern diese Datenmengen, der daraus resultierenden Erkenntnisse und der daraus neu entstehenden Wissenschaften, eine völlig neue Verarbeitung der Informationsmengen. „Kognitives Computing “ ist hier der aktuellste Stand des technologisch Machbaren. „Kognitives Computing“ oder auch „Maschinelles Lernen“ bezeichnet ein System, welches in der Lage ist, enorm große Datenmengen zu analysieren, zu strukturieren und auszuwerten, um eine Entscheidungsfindung zu optimieren. Hierbei werden nicht nur die Information aus den oben genannten Wissenschaften verarbeitet. Vielmehr werden weitere große Datenmengen aus Wirtschaft, Politik, Geschichte und sonstigen Quellen miteinander verbunden. Sie ermöglichen nicht nur wissenschaftliche, sondern auch strategische Entscheidungen, welche die Produktivität extrem steigern wird.
In dem extra für diesen Zweck entwickelten Cognitive Environments Laboratory (CEL) von IBM, werden Forscher von Repsol und IBM gemeinsam Prototypen kognitiver Systeme für den Einsatz in der realen Welt der Öl- und Gasindustrie arbeiten. Dabei werden mithilfe kognitiver Computing-Software-Agenten und -Technologien alle benötigten Daten bereitgestellt, so dass auf sie von allen Standorten zugegriffen werden kann. Sie sollen die Entscheidungsfindung der Wissenschaftler optimieren.
Wissenschaftler des CEL experimentieren hier mit einer Kombination aus herkömmlichen und neuen Schnittstellen, die sich auf gesprochene Dialoge, Gesten, und fortschrittliche Visualisierungs- und Navigationstechniken stützen. So entwickeln sie Modelle, die menschliche Charakteristika, Präferenzen und Neigungen widerspiegeln und einsetzen. Diese Determinanten werden in den Entscheidungsfindungsprozess einfließen werden.
Ingenieure, die neue Ölfelder erschließen wollen, müssen sich üblicherweise durch eine Unzahl von Artikeln in Journalen und Basisberichten mit seismischen Bildgebungsdaten und -modellen von Lagerstätten, Quellen, Anlagen hindurcharbeiten. Sie müssen sich vorher über die Möglichkeiten und Kosten der Produktion und des Transportes klar sein. „Kognitive Techniken“ helfen hier zukünftig, Hunderttausende Artikel und Berichte zu analysieren, zu priorisieren und diese Daten mit spezifischen vorliegenden Entscheidungen zu verknüpfen, sowie zu berücksichtigende Echtzeitfaktoren hinzuzufügen, wie beispielsweise Ereignisse in Zusammenhang mit wirtschaftlicher Instabilität, politischen Unruhen oder Naturkatastrophen. Denn mithilfe der CEL-Tools werden künftig Modelle erstellt, die die Auswirkungen möglicher Risiken und Unsicherheiten beurteilen, Alternativen entwickeln und Was-Wenn-Szenarien durchspielen, um sicherzustellen, dass die beste Entscheidung getroffen wird.
Die Prototypen werden „Kognitive Technologien“ einsetzen, um die Risiken zu minimieren und gleichzeitig Vorgaben für die Erschließung künftiger Ölfelder zu entwickeln und den Ertrag aus bestehenden Öllagerstätten zu maximieren. IBM und Repsol erwarten, dass beide Modelle die Effizienz der operativen Tätigkeit von Repsol und anderer Öl- und Gasunternehmen steigert.
„Die Technologie- und Anwendungsforschung von Repsol hat uns bereits enorm bei der Verbesserung geholfen, wie wir Öl- und Gasfelder visualisieren und entwickeln, und die Zusammenarbeit mit IBM eröffnet eine ganz neue Welt von Möglichkeiten. Wir sind überzeugt, dass die nahtlose Vermischung von Technologie und Talent der wichtigste Treiber der Industrie im 21. Jahrhundert sein wird, in dem effizientes Management von Ressourcen eine vorrangige Stellung einnimmt“, sagte Santiago Quesada Garmendia, Director of E&P Technology von Repsol.
Ein neues Umfeld bei der Entscheidungsfindung
Es wird erwartet, dass die weltweite Nachfrage nach Energie bis 2035 um über 53 Prozent steigen wird, wobei mehr als die Hälfte dieser Energie aus Öl und Gas stammt. Um die Energieversorgung in den kommenden Jahren sicherzustellen, müssen Unternehmen angesichts zahlreicher Ungewissheiten und Risiken laufend riskante Entscheidungen treffen, wobei das Volumen komplexer Daten exponentiell wächst.
Heute werden Entscheidungen solchen Ausmaßes nicht mehr in einem Konferenzraum mit einigen wenigen CEOs getroffen. Vielmehr entstehen Expertisen durch Gruppenarbeit deren Mitglieder regelmäßig wechseln. Hier muss jedes Teammitglied in der Lage sein, von überall auf die gesammte Datenbasis zugreifen zu können. So werden Entscheidungen dynamisch angepaßt und Arbeitsergebnisse optimiert. Hierzu bedarf es Technologien, die von jedem Standort aus, ansteuerbar sind. Diese kognitiven Technologien werden durch kognitiven Software-Agenten möglich, die besonders für die Interaktion von Menschen mit mehreren Geräten und an unterschiedlichen Standorten entworfen wurde.
„Im Öl und Gasbereich ermöglicht ein tiefgreifendes, interaktives und stärkeres, kollaboratives, kognitives Umfeld den Geologen, Geophysikern, Petrochemie-Ingenieuren, Ökonomen, Planern und Entwicklern sich in einer Umgebung zu treffen, die ihre jeweiligen Fähigkeiten, Werkzeuge und Anwendungen nutzt“, sagte Dario Gil, Director of the Cognitive Environments Lab von IBM Research. „Kognitive Umgebungen können die kollektive Intelligenz der Gruppe steigern und die Richtung strategischer Entscheidungen im Sinne besserer Ergebnisse beeinflussen, die im Falle von Repsol die Optimierung der Produktion von Lagerstätten oder die Verbesserung des Entscheidungsprozesses in Zusammenhang mit neuen Ölfeldern betreffen.“
Santiago Quesada Garmendia wird diese Forschungszusammenarbeit auf dem jährlichen “ Cognitive Systems Colloquium von IBM vorstellen, das heute im Thomas J. Watson Research Center von IBM in Yorktown Heights, NY, stattfindet. Er wird erste Erkenntnisse des Prototyps einer „kognitiven Umgebung und deren Werkzeuge präsentieren, die gemeinsam mit IBM spezifisch für Anwendungen in der Öl- und Gasindustrie entwickelt wurden.
An der Veranstaltung nehmen Wissenschaftler, Forscher sowie Kunden und Mitarbeiter von IBM teil. Das Hauptthema ist die Art und Weise, wie kognitives Computing zu einer erweiterten Zusammenarbeit zwischen Mensch und Computer führen kann, um die menschliche Intelligenz zu erweitern, die Produktivität und Kreativität von Einzelpersonen und Teams zu erhöhen und damit ganze Branchen und Berufszweige zu verändern. Ein Video (in englischer Sprache) verdeutlicht diesen Prozess.
Kognitive Technologien
Für das Projekt wird „Watson“ eingesetzt. Ein IBM Computer, der schon 2009 von sich reden machte, als er in einer amerikanischen Wissenssendung die Oberhand gewann. In dem Format „Jeopardy“, einer Sendung in der sich die Kandidaten nicht nur durch enormes Wissen, sondern auch durch Kontextverständnis beweisen müssen, gewann „Watson“ deutlich vor allen anderen Kandidaten. Hierbei werde den Kandidaten verklausolierte Antworten gegeben und sie müssen die richtige Frage dazu finden.
Grundlagenwissen des Menschen
Maschinelles Lernen ist der Oberbegriff zur Generierung von Wissen durch Erfahrungvon Computern. Dabei wurde Watson anfangs Grundlagenwissen des Menschen vermittelt. Dies bestand aus 6 Millionen einfachen Fakten und Tatsachen wie beispielsweise „Milch ist weiß“, „Regen ist nass“, „Tod ist für immer“. Es ging also darum, dem System Regeln und daraus resultierende logische Folgerungen zu vermitteln. Damit konnte „Watson“ allgemeine Fragen beantworten. In einem nächsten Schritt ging es dann an das maschinelle Lernen.
Maschinelles Lernen
Regeln und Logik allein reichen jedoch nicht, um belastbare Entscheidungen zu fällen. Denn es geht nicht nur darum, Wissen in den Computer einzugeben, welches dieser nach Bedarf von sich gibt. Er benötigt Basisprinzipien soll er qualitative Entscheidungen fällen können. Dafür muss er lernen, Gesetzmäßigkeiten in Systemen zu erkennen. So fütterten die Wissenschaftler das System mit allen alten Fragen aus Jeopardy und den dazugehörigen Antworten. Fragen und Antworten dienten „Watson“ als Referenzbeispiele. Der Computer filterte nun Gesetzmäßigkeiten aus diesen Fragen heraus. Bei dieser Schematasuche kategorisiert „Watson“ die Informationen nach dem verbindenden Schema zwischen dem Fragetyp, der richtigen Antwort und den Begründungen für die Antwort. Wird ihm dann eine ihm unbekannte Frage gestellt, gleicht er ab, welchen Fragetyp er vor sich hat, und welche Antwort aufgrund der Antwortarten die wahrscheinlichste ist. dies führt zu einer 75 prozentigen richtigen Antwort. „Watson ist eine komplexe Archithektur von Rohdaten, Regeln und maschinellem Lernen, die mit Hilfe statistiscer Werkzeuge versucht, die korrekte Antwort zu geben. Dabei war die Leistung des Computers 2009 noch sehr unzuverlässig.
Schwachstellen des maschinellen Lernens
Um die schwankende Zuverlässigkeit zu verstehen, ist es nötig, sich die Komplexität der Rechenleistung, die „Watson“ erbringt, zu vergegenwärtigen. „Watson“ zerlegt die Antwort in ihre einzelnen Komponenten und sucht die Schlüsselworte heraus. Dann vergleicht er diese mit Millionen von Dokumenten, die ihm anfangs eingegeben wurden. Anschließend speichert er die Dokumente, die am ehesten infrage kommen und sucht und gewichtet diese noch einmal mit der Höhe der Wahrscheinlichkeit. Er hat nun hunderte mögliche Antworten nach dieser Selektion zur Verfügung. Um nun die Wahrscheinlichkeit der richtigen Antwort herauszufilgtern, vergleicht er in einem weiteren Schritt die separierten Antworten miteinander auf Übereinstimmung, aber auch auf ihren Ausschluss. Denn viele dieser Antworten werden sich gegenseitig ausschließen. Der Computer wägt die Antworten also gegeneinander ab. Dazu nutzt er wiederum das anfangs eingegebene „Grundlagenwissen des Menschen“. Wir erinnern uns: „Wasser ist naß“.
Es braucht nur Millisekunden um diesen Informationsabgleich durchzuführen. Jetzt hat er zu jedem Schlüsselwort eine große Menge an Antworten. Nun werden diejenigen herausgesucht, die mit allen Schlüsselworten übereinstimmen. Auch das sind wieder sehr viele antworten. Diese werden nun auf ihre Relevanz hin bewertet und „Watson“ berechnet, welche die wahrscheinlichste Antwort ist. Dafür setzt er die oben beschriebene Schematasuche ein. Denn maschinelles Lernen bedeutet abwägen und Prioritäten erkennen. Wenn „Watson“ nun auf einer dieser verschiedenen Stufen zu einem falschen Ergebnis kommt, sind alle folgenden Berechnungen zwangsläufig auch falsch. Dies genauso, wenn er am Schluss bei der Schemasuche irrt.
Für die Datenverarbeitung ist maschinelles Lernen revolutionüär. So funktioniert das System bei Spracherkennungsprogrammen, der Wettervorhersage oder dem Vorschlagswesen in Onlineshops. Aktuell wertet „Watson“ Milliarden Tweets bei Twitter aus.
Zu bedauern ist, dass dieses System zur Optimierung von Öl- und Gaslagerstätten eingesetzt wird, anstatt es zur Optimierung der Erneuerbaren Energien einzusetzen. Anstatt Techniken zu entwickeln, die es erlauben, den Planeten und damit die Umwelt des Menschen weniger zu belasten, werden immer effektivere Methoden entwickelt, die planetaren Ressourcen immer schneller und vollständiger zu heben und für die menschlichen Zwecke einzusetzen.
Über das Projekt
Weitere Infos
Über IBM
Über Repsol
Repsol ist ein integriertes spanisches Öl- und Gasunternehmen, das mit 24,000 Mitarbeitenden in über dreißig Ländern vertreten ist. Das Unternehmen ist der Marktführer bei der Raffination und im Marketing in Spanien und produziert täglich 346.000 Fässer Rohölequivalent.
Im letzten Jahrzehnt hat sich Resol neu erfunden und sich von einem Raffinationsspezialisten in ein großes Explorations- und Produktionsunternehmen gewandelt, das seit 2004 über 50 Neuentdeckungen machte, von denen acht zu den größten der Welt zählen.
Das Repsol Technology Centre ist eines der größten technologischen Forschungszentren in Europa, das mit unzähligen Projekten auf die Steigerung der Explorations- und Produktionsaktivitäten mithilfe bahnbrechender Technologie hinarbeitet. Mit seinem preisgekrönten seismologischen Bildgebungsprojekt Kaleidoscope, das gemeinsam mit IBM entwickelt wurde, konnte ein Durchbruch bei der Kartierung von Pre-Salt Erdöllagerstätten erzielt werden und die zahlreichen technologischen Initiativen bei der Kartierung und Modellierung von Ölfeldern haben die Sicherheit, Effizienz und Ertragskraft seiner operativen Tätigkeit verbessert.
Die Strategie von Repsol konzentriert sich in der kommenden Dekade auf Branchen führendes Produktions-, Reserven- und Ertragswachstum, das auf der erfolgreichen Inbetriebnahme von neuen Ölfeldern und einer soliden Explorationspipeline aufbaut.