Forschung

Leitanwendungen und Forschungsbereiche

Das "Center for industrial AI" zielt darauf ab, die größten Hemmnisse für den Einsatz von Künstlicher Intelligenz in der industriellen Produktion abzubauen. Wir fokussieren uns dabei auf folgende Forschungsfragen:

  • Wie soll eine übertragbare KI-Lösung für die industrielle Produktion beschaffen sein, die mit einer begrenzten Datenmenge zurechtkommt und eine Interpretierbarkeit der Ergebnisse liefert?

  • Wie können KI-Ansätze einfacher von einer Problemstellung auf die nächste übertragen werden?

  • Wie können wir die Entscheidungsfindung von KI-Verfahren für einen Menschen nachvollziehbar gestalten?

  • Mit welchen Verfahren und Vorgehensweisen können bestehende Datenbestände ausgewertet werden, um neue Erkenntnisse zu gewinnen?

  • Wie parametrieren wir mittels KI eine komplexe Anlage, um deren Effizienz zu steigern und letztlich Energie zu sparen?

Diese Fragen werden nicht nur in der Grundlagenforschung beleuchtet, sondern insbesondere auch in konkreten, greifbaren Anwendungen, die den beteiligten Unternehmen letztlich auch zugutekommen. 

Einige unserer Leitanwendungen und Forschungsbereiche stellen wir Ihnen im Folgenden vor.

Anomalie-Erkennung

Zielsetzung:
  • Fehlerzustände (auch neue) frühzeitig in der Produktion erkennen
  • Durch KI die Sensorik vereinfachen bzw. reduzieren
  • Sensorsignale im Verbund interpretieren
  • Möglichst genau Auskunft über den Fehler, die Ursache und den Fehler-Ort zu geben
Ansatz:
  • Erlernen des üblichen Anlagenverhaltens über tiefe neuronale Netze
  • Klassifikation von Anomalien

Anlagen-Parametrierung

lizenzfreies Bild Laserbearbeitung pixabay
Komplexe Produktionsprozesse erfordern...
  • Die optimale Einstellung zahlreicher Parameter
  • Viel Erfahrung durch den Anlagenbediener, jederzeit Zugriff auf qualifiziertes Personal
  • Neuen Parametrierungsaufwand, wenn neue Teile bzw. Werkstoffe verarbeitet werden sollen
Ansatz:
  • Erlernen von optimalen Anlagenparametern durch KI
  • Einsatz von Verfahren des Reinforcement Learnings

Erklärbarkeit von KI

Zielsetzung:
  • KI-Entscheidungen nachvollziehbar machen z. B. durch Visualisierung
  • Einflussmöglichkeiten für Menschen bzw. Anlagenbediener vorsehen
  • Falsche Entscheidungsgrundlagen von Anfang an verhindern.
Ansatz: Entwicklung von Tools für...
  • Eine einfache User-Interaktion zum Nachvollziehen der KI-Entscheidungen
  • Eine einfache Möglichkeit der Einflussnahme

Ressourceneffiziente KI

Zielsetzung:
  • Verringerung des menschlichen Aufwands (Expertise) für die Erstellung von KI-Lösungen
  • Verringerung des Bedarfs an Daten mit qualitativ hochwertigen Labels
  • Verringerung des Bedarfs an Rechenleistung für die Modellerstellung
Ansatz:
  • Aufbau eines KI-Werkzeugkastens für flexible, wiederverwendbare und übertragbare KI-Lösungen
  • Konsequente Umsetzung von Vorgehensmodellen und Verwendung von Templates
  • Förderung der Wiederwendung von Modellen und Daten
  • Entwicklung und Erprobung von Ansätzen zum Zero/One/Few-Shot Learning

User Interface

Zielsetzung:
  • Nachvollziehbarkeit der KI-Entscheidung
  • KI-Entscheidung durch Bediener revidieren
  • Intuitives und interaktives Bedienkonzept
  • Barrierefreiheit
Ansatz:
  • KI-Entscheidung transparent aufzeigen, durch Visualisierung von Entscheidungsbestimmenden Parametern
  • Erstellung eines Mixed Reality Interfaces zur Anlagenbedienung
  • Aufbau eines digitalen Zwillings, welcher die Anlage exakt wiederspiegelt und somit eine Schritt-für-Schritt Anleitung zur Behebung von Fehlerzuständen bietet