Home Digitales Niedersachsen
Künstliche Intelligenz

Künstliche Intelligenz

Die Zukunftslabore des ZDIN beschäftigen sich auf vielseitige Weise mit dem Thema Künstliche Intelligenz (KI); eine Technologie, die immer stärker in den Arbeitsalltag und in Arbeitsprozesse involviert wird. Künstliche Intelligenz analysiert umfangreiche Datensätze und leitet daraus konkrete Empfehlungen oder Informationen für den Menschen ab.

Sei es die Auswertung medizinischer Proben oder die Analyse eines Produktionsverfahrens. Auf dieser Seite finden Sie Informationen darüber, welche Partner des ZDIN sich mit Künstlicher Intelligenz beschäftigen, welche Digitalisierungsprojekte Bezug zur Künstlichen Intelligenz haben und welche Arbeitspakete der Zukunftslabore das Thema aufgreifen.


KI-Kompetenzen

Zahlreiche Forschungs- und Praxispartner des ZDIN verfügen über wertvolle Kompetenzen im Forschungs- und Einsatzbereich der Künstlichen Intelligenz. Die Forschungslandkarte listet alle Personen auf, die sich intensiv mit diesem Thema beschäftigen. Klicken Sie hier, um zu erfahren, welche Personen über Kenntnisse der Künstlichen Intelligenz verfügen.

Nutzung Karten

Möchten Sie Inhalte von Google Maps laden?
Mehr dazu finden Sie in unserer Datenschutzerklärung.

KI-Forschung im ZDIN

Die geförderten Arbeiten innerhalb der Zukunftslabore des ZDIN beschäftigen sich ebenfalls mit Künstlicher Intelligenz und integrieren die Technologien in ihre Forschungstätigkeiten. In mehreren Arbeitspaketen finden sich Ansätze zur Entwicklung oder zum Einsatz Künstlicher Intelligenz. Erfahren Sie mehr über die Einsatzmöglichkeiten in den sechs Bereichen Agrar, Energie, Gesundheit, Gesellschaft und Arbeit, Mobilität und Produktion:

AGRAR

Es wird ein Demonstrator realisiert für den datenbasierten nachhaltigen Pflanzenbau, anhand der selektiven mechanischen Unkrautregulierung basierend auf Multisensorsystemen mit einem Feldroboter der Antragsteller (Boni-Rob). Die komplexe (ggf. „Remote Farming“) Mensch-Roboter-Interaktion und die Datenflüsse werden auf dem Feld und als digitaler Zwilling demonstriert und auch hinsichtlich der Übertragbarkeit auf andere Verfahren evaluiert. Die Demonstration wird auf dem im Bau befindlichen „Agro-Technicum“ der Antragsteller durchgeführt.

Ansprechperson
Prof. Dr. Arno Ruckelshausen
Hochschule Osnabrück
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Jens Karl Wegener ( Julius Kühn-Institut )
  • Prof. Dr. Robby Andersson ( Hochschule Osnabrück )
  • Prof. Dr. Ludger Frerichs ( TU Braunschweig )

Es wird ein Demonstrator für die datenbasierten nachhaltige Tierhaltung realisiert. Für mindestens einen Prozess (bspw. Fütterung oder sensorische Tierwohlanalyse) wird ein realer Demonstrator ggf. mit digitalem Zwilling erstellt. Hierbei können neue Sensorlösungen integriert werden. Die Interaktion mit dem Menschen erfolgt z.B. alarmbasiert oder kontinuierlich. Die Demonstration wird auf einem kooperierenden landwirtschaftlichen Betrieb durchgeführt.

Ansprechperson
Prof. Dr. Arno Ruckelshausen
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Robby Andersson ( Hochschule Osnabrück )
  • Prof. Dr. Chadi Touma ( Universität Osnabrück )

Die Fokussierung auf den nachhaltigen Nutzen von Daten und deren geschützter Transparenz auf adaptive autonome Prozesse in der Landwirtschaft ergibt einen direkten Bezug zum Thema „Autonomie-Levels“. Diese wurden im Automotive-Bereich für die Navigation entwickelt. Das „autonome Arbeiten“ stellt jedoch eine deutlich über die Navigation hinausgehende Herausforderung dar. Durch die erarbeiteten Konzepte, Ideen, Lösungen und Demonstratoren wird diese Thematik adressiert, so dass das Projekt hilfreiche Lösungsansätze zur Entwicklung und Definition von Autonomie-Levels landwirtschaftlicher Arbeitsprozesse entwickelt werden. Dies bietet Potenziale für die zukünftige konstruktive Weiterentwicklung dieser wichtigen Voraussetzung für den Praxiseinsatz.

Ansprechperson
Prof. Dr. Arno Ruckelshausen
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Robby Andersson ( Hochschule Osnabrück )
  • Prof. Dr. Chadi Touma ( Universität Osnabrück )

Die Digitalisierung ermöglicht eine Veränderung heutiger Produktionssysteme im Sinne einer den Standorteigenschaften und den Potenzialen angepassten Bewirtschaftung, indem Digitalisierung und Autonomisierung genutzt werden. Es wird die Anwendbarkeit von Produktionssystemen kleinräumiger Teilflächen („Spot-Farming“) in der Praxis unter verschiedenen Rahmenbedingungen theoretisch untersucht und anschließend in der Praxis erprobt. Für die Bewirtschaftung dieser kleinen Strukturen sind autonome Kleinmaschinen und eine Vielzahl an hochaufgelösten lokalen Daten notwendig, um die Anforderungen der Kulturpflanzen bedarfsgerecht zu erfüllen. Hiermit wird zu einer nachhaltigen Effizienzsteigerung in der Landwirtschaft beigetragen. Die Komplexität eines solchen neuen Pflanzenbausystems des Spot-Farming verknüpft hierbei Problemstellungen hinsichtlich Datenmanagement und -interpretation, Automatisierung und Autonomie sowie die Auswirkungen der Digitalisierung auf Ökologie, Ökonomie und Gesellschaft.

Ansprechperson
Prof. Dr. Jens Karl Wegener
Julius Kühn-Institut
Institut für Agrartechnologie
kontakt aufnehmen
ENERGIE

Das Zukunftslabor Energie (ZLE) als Teil des ZDIN fokussiert die Digitalisierung des Energiesystems vor dem Hintergrund der Energiewende. Hierbei werden zwei Ziele verfolgt: Zum einen die Erforschung und Entwicklung digitalisierter Energiesysteme und zum anderen die Digitalisierung der Energiesystemforschung und -entwicklung. Das Zusammenspiel digitaler Technologien mit unterschiedlichen Akteuren des Energiesystems innerhalb eines Quartiers steht dabei im Fokus. Die digitale Transformation von Energiesystemen bezieht sich dabei nicht nur auf IT, sondern auch auf die Informationsverarbeitungsprozesse, die Datenorganisation, das Datenmanagement, die Organisation der Akteure, Menschen als Komponenten der Energiesysteme und energiewirtschaftliche Geschäftsmodelle. Ein ebenfalls wichtiger Aspekt liegt ist der Forschungsbereich KI, zu dem im ZLE folgende Aspekte erforscht werden: -Verteilt-kooperatives Lernen von Gebotsstrategien -Agentenbasierte Optimierung dezentraler Flexibilität für das Engpassmanagement -Koordinierte Regelleistungsbereitstellung aus batterieelektrischen Fahrzeugen

Ansprechperson
Prof. Dr. Astrid Nieße
kontakt aufnehmen
GESELLSCHAFT & ARBEIT

In der aktuellen mediensoziologischen Literatur wird vor allem die soziale Macht von Algorithmen sowie die Regulierungsmacht von Algorithmen erörtert. Kenntnisse über tatsächliche Praktiken rund um datengetriebene Entscheidungs- und Entwicklungsprozesse zur so genannten „Personalisierung“ von digitalen Produkten sind jedoch gering. Diese Arbeit trägt dazu bei die Annahmen, Bewertungen, Hoffnungen und Ängste, welche dem so genannten „Algorithmic Management“ eingeschrieben sind, herauszuarbeiten, um ihren Einfluss auf Entscheidungen mit und über Daten besser verstehen zu können. Dies ermöglicht neue Perspektiven auf brennende politischen Fragen nach Anonymität sowie Diskriminierungen in Zeiten der vermehrten Datengetriebenheit zu erarbeiten. Dem wird sich in dieser Arbeit durch ethnographische Forschung mit Entwicklerteams von nachbarschaftsbezogenen Technologien gestellt, wobei das Thema der Nachbarschaft sowohl auf der inhaltlichen Ebene wie bei Social Media Nachbarschaftsservices eine Rolle spielt, wie auch auf der technischen Ebene als Model in den Data Science in den Blick genommen wird.

Ansprechperson
Prof. Dr. Andreas Bernard
kontakt aufnehmen

Geschäftsprozesse aus dem Bereich des Fahrzeug Leasings sollen durch den Einsatz von KI und Maschinellem Lernen zunächst grundlegend unterstützt bzw. automatisiert werden. Gemeinsam mit Praxispartnern sollen dafür dann Anforderungen an die Akzeptanz dieser Modelle entwickelt und Erklärungen und Risikoprognosen identifiziert werden, die sich akzeptanz-fördernd auswirken. Basierend auf den Anforderungen werden neue Methoden des Maschinellen Lernens entwickelt, die die Vorhersagen der Zielmodelle erklären können bzw. um geeignete Risikoprognosen erweitern. Insb. ein Szenario-basierter Ansatz, der für Vorhersagen in der Zeit Entwicklungen in der Zeit, etwa Preise, Nachfragen etc. in greifbaren Szenarien modelliert wird hier anvisiert. Die so entwickelten Methoden sollen dann mittels Experimenten hinsichtlich der Effekte auf die Akzeptanz bei Mitarbeitern bewertet werden. Auf Grundlage dieser Evaluation soll für mindestens einen weiteren Anwendungsfall aus einer anderen Domäne angewendet werden um somit die Verallgemeinerbarkeit nachzuweisen.

Ansprechperson
Prof. Dr. Lars Schmidt-Thieme
kontakt aufnehmen

Diese Arbeit zielt darauf, die unsicheren und in der Entwicklung befindlichen rechtlichen Anforderungen an die Erklärbarkeit, Nachvollziehbarkeit, Transparenz und Automatisierung von maschinellen Entscheidungen herauszuarbeiten und für die Anwendungsbeispiele „Zivilprozessuale Beweisführung und künstliche Intelligenz“ sowie „KI-gestützte Darlehensentscheidungen aus zivilrechtlicher, datenschutzrechtlicher und aufsichtsrechtlicher Sicht“ zu konkretisieren. Darüber hinaus soll diese Arbeit die Umsetzung der Erkenntnisse in konkrete regulatorische Maßnahmen unterstützen.

Ansprechperson
Prof. Dr. Christian Heinze
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Rolf Sternberg ( Leibniz Universität Hannover )
  • Prof. Dr. Kilian Bizer ( Georg-August-Universität Göttingen )

Diese Arbeit beschäftigt sich mit der Frage wie und wie sehr moderne KI-Algorithmen von Daten und darauf aufbauenden Modellen abhängen, auch unter Berücksichtigung wichtiger Faktoren wie Robustheit und Sicherheit. Es gilt einen geeigneten Begriff von Repräsentativität zu finden, um diese Abhängigkeiten so präzise wie möglich zu beschreiben und zu erkunden. Anhand von diversen Datensets zu verschiedenen Datentypen werden entsprechende Theorien verifiziert und veranschaulicht, um sie dann auf konkrete Szenarien anzuwenden.

Ansprechperson
Prof. Dr. techn. Wolfgang Nejdl
kontakt aufnehmen

Die Arbeit untersucht verhaltensbezogene Auswirkungen KI-intensiver Arbeits- und Kooperationsprozesse auf menschliches Verhalten. Anhand kontrollierter Experimente wird untersucht, wie Mitarbeitende KI-Systeme nutzen, ob Faktoren wie Transparenz vorteilhafte Synergien hervorrufen und inwiefern die zunehmende Dissemination digitalisierter Prozesse auf das Crowding Out von sozialen Variablen wirkt.

Ansprechperson
Prof. Dr. Kilian Bizer
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Nejdl ( Leibniz Universität Hannover )
  • Prof. Dr. Schmidt-Thieme ( Universität Hildesheim )
GESUNDHEIT

Es sollen Methoden der Bewegungserfassung von Pflegenden und Patient*innen auf Basis von RGB-Kameras, Tiefenbildkameras und IMUs miteinander kombiniert und hinsichtlich ihrer Eignung für die Bewertung von Haltungen, Bewegungen und Handlungen in der ambulanten Pflege untersucht werden. In den Laboren, die im Rahmen des Pflegeinnovationszentrums eingerichtet wurden, können Pflegehandlungen durch Pflegekräfte an Übungspuppen durchgeführt und durch erfahrene Pflegende bewertet werden. Dadurch können in realitätsnahen Umgebungen Haltungen und Bewegungen zusammen mit Interaktionskräften und in unterschiedlichen Kontexten untersucht werden.

Ansprechperson
Prof. Dr. Andreas Hein
kontakt aufnehmen
Beteiligte
  • Prof. Dr.-Ing. Bodo Rosenhahn ( Leibniz Universität Hannover )

Im Fokus steht die Anwendung von KI Methoden zur Mustererkennung und physiologischen Bewertung im Kontext des Vitalmonitorings in Smart Homes. Zum einen wird dabei überprüft inwieweit die Analyse der Messwerte von Sensoren der Gebäudeautomation verlässliche Informationen über die Mobilität von Bewohner*innen geben können. Zum anderen wird der Effekt von messbaren Umgebungsparametern auf das Wohlbefinden und die Gesundheit der Bewohner*innen untersucht. Des Weiteren wird die Erweiterung von Bus-basierten BACS mit medizinischer Sensorik erprobt. Diese erfassen Veränderungen des Körpergewichtes, der Körpertemperatur, Impedanz, Atem- und Herzfrequenz, Feinmotorik in körpernahen Umgebungen (Wohnung, Fahrzeug) und machen diese für die medizinische Versorgung und Forschung gleichermaßen nutzbar. In diesem Kontext ist von besonderem Interesse ob eine ausreichende Qualität der Messdaten durch die angewandten Methoden erreicht werden kann. Neben der Qualität der Messdaten gilt es die zuvor konzipierten und implementierten Mensch-Maschine Schnittstellen zu erproben. Dabei wird die Form der Repräsentation von physiologischen Bewertungen, Erinnerungen und Coaching-Anwendungen ausgewertet.

Ansprechperson
Prof. Dr. Melina Frenken
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Thomas M. Deserno ( Technische Universität Braunschweig )
  • Prof. Dr. Dagmar Krefting ( Universitätsmedizin Göttingen )
  • Dr. Klaus-Hendrik Wolf ( Medizinische Hochschule Hannover )

Bei medizinischen Daten ist Aufgrund der Größenordnung der Datenmengen sowie der Bedenken verschiedener Interessengruppen hinsichtlich der Privatsphäre die Verwendung einer zentralen Speicherung und Analyse nicht immer möglich. Es werden hier deshalb die Methoden untersucht, die eine verteilte Analyse der Daten ermöglichen. Konkret geht es hierbei um das Konzept des “Federated Learning”, das darauf abzielt, einen Algorithmus des maschinellen Lernens, z.B. tiefe neuronale Netze, auf mehreren lokalen Datensätzen, die in lokalen Knoten enthalten sind, zu trainieren, ohne Datenproben auszutauschen. Daraufhin werden die verfügbaren Technologien und Rahmenbedingungen für die Umsetzung des föderalen Lernens von medizinischen Daten untersucht und in einem Visionspapier für die zukünftige Entwicklung dieser Techniken speziell für die verfügbaren Anwendungsfälle veröffentlicht.

Ansprechperson
Prof. Dr.-Ing. Bodo Rosenhahn
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Dagmar Krefting ( Universitätsmedizin Göttingen )
  • Prof. Dr. Oliver J. Bott ( Hochschule Hannover )
  • Dr. Klaus-Hendrik Wolf ( Medizinische Hochschule Hannover )
  • Prof. Dr. Melina Frenken ( Jade Hochschule )
  • Prof. Dr. Ursula Hübner ( Hochschule Osnabrück )
  • Prof. Dr. Wolfgang Nejdl ( Leibniz Universität Hannover )
  • Prof. Dr. Andreas Hein ( Universität Oldenburg )

Auf der Grundlage von Video und IMU Sensoren sollen Bewegungsabläufe analysiert und im kritischen Fall alarmiert werden. Dies soll zunächst ohne Heilungsverlauf statisch, dann auch mit Heilungsverlauf dynamisch erkannt werden. Erkannte kritische Bewegungsmuster sollen mithilfe einer semantischen Segmentierung nutzerfreundlich aufbereitet werden.

Ansprechperson
Prof. Dr. Melina Frenken
kontakt aufnehmen
Beteiligte
  • Prof. Dr.-Ing. Bodo Rosenhahn ( Leibniz Universität Hannover )
  • Prof. Dr. Andreas Hein ( Universität Oldenburg )

Für die Signalverarbeitung zur Ableitung von Vitaldaten und Integration in patientennahe Umgebungen soll eine on-board Verarbeitung der Sensorsignale erfolgen und fehlerhafte Signale erkannt werden zur Prävention von Sensor-Ausfällen bzw. Ausfällen von Teilkomponenten. Hierbei soll auch explizit auf moderne Ansätze, wie Methoden des Machine Learning, zurückgegriffen werden. Teilaspekte dieser Forschungskooperation reichen von der sensorbasierten Detektion kritischer menschlicher Bewegungen, über die Artefakterkennung in den Sensordaten bis zur automatischen Detektion von Sensor- und Sensorkanalausfällen.

Ansprechperson
Prof. Dr.-Ing. Bodo Rosenhahn
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Melina Frenken ( Jade Hochschule )
  • Prof. Dr. Dagmar Krefting ( Universitätsmedizin Göttingen )
  • Prof. Dr. Andreas Hein ( Universität Oldenburg )
MOBILITÄT

Daten sind Grundlage für den automatisierten Fahrbetrieb und Voraussetzung für die Entwicklung und Umsetzung geeigneter Services und Geschäftsmodelle. An diesem Beitrag sind WissenschaftlerInnen aus den Bereichen Kommunikationstechnik, Information Engineering und Software Engineering beteiligt, um Methoden für die sichere Erfassung, Auswertung und Fusionierung von Mobilitätsdaten zu erforschen. Es sollen Methoden für die sichere und zuverlässige (im Sinne von Safety, Security und Privacy) Erhebung und Verarbeitung von Daten und die Erfüllung rechtlicher Rahmenbedingungen (z.B. DSGVO) in allen Entwicklungs- und Betriebsphasen erarbeitet und demonstriert werden. Es sollen Ansätze für die Entwicklung sicherer Datenarchitekturen sowie Methoden und Ansätze zur Standardisierung der Datenhandhabung und –fusion und der Beurteilung und Sicherung der Datenqualität erprobt werden.

Ansprechperson
Prof. Gert Bikker
kontakt aufnehmen
Beteiligte
  • Prof. Dr.-Ing. Baum ( Georg-August-Universität Göttingen )
  • Prof. Dr.-Ing. Fidler ( Leibniz Universität Hannover )
  • Prof. Dr. Rausch ( Technische Universität Clausthal )

Wesentlicher Teil zukünftiger Mobilität ist die (Hoch-)Automatisierung und Vernetzung von Fahrzeugen und Infrastruktur. Dafür erarbeiten WissenschaftlerInnen aus Informatik, Fahrzeugmechatronik und Produktentwicklung Methoden zur modellbasierten Entwicklung und Absicherung von Verkehrssystemen und -funktionen für das kooperative, hochautomatisierte Fahren und wenden diese an. Fokus sind Ansätze zur Rekonfiguration, Evolution und Absicherung von Systemen und Funktionen über den gesamten Lebenszyklus. Hierbei werden genderspezifische kognitive und physische Anforderungen sowie Nutzerpräferenzen berücksichtigt.

Ansprechperson
Dr. David Inkermann
kontakt aufnehmen
Beteiligte
  • Prof. Dr. Fränzle ( Universität Oldenburg )
  • Prof‘in. Dr.-Ing. Liu-Henke ( Ostfalia Hochschule )
  • Prof‘in. Dr.-Ing. Schaefer ( TU Braunschweig )

Das CRF Mobility as a Solution fokussiert die Entwicklung nutzerorientierter Mobilitätslösungen. Ausgehend von den formulierten Anwendungsfällen sollen bspw. intermodale Mobilitätsketten oder ein effizienter Gütertransport untersucht und demonstriert werden. Für die Planung der Mobilitätslösungen wird ein System-of-System (SoS) Ansatz zugrunde gelegt. Dieser verknüpft Teilsysteme verschiedener Verkehrsträger von Fahrzeugfunktionen, über Fahrzeug und den Menschen bis hin zum Gesamtsystemverkehr. Ziel der Forschungsarbeiten ist es, Digitalisierung als Grundlage eines integrierten, intermodalen und umwelt- und sozialverträglichen Verkehrssystems zu nutzen, das (konkurrierende) Anforderungen unterschiedlicher Stakeholder (Privatpersonen, Logistiker, professionelle Fahrzeugführer, Dienste-Anbieter, Hersteller, Infrastrukturverantwortliche, etc.) optimal erfüllt. An dem CRF sind WissenschaftlerInnen der Informatik, des Logistikmanagements und der Produktentwicklung beteiligt.

Ansprechperson
Prof. Frank Köster
kontakt aufnehmen
Beteiligte
  • Prof. Dr.-Ing. Hahn ( OFFIS e. V. Institut für Informatik )
  • Prof. Dr.-Ing. Seifert ( Hochschule Osnabrück )
  • Prof. Dr.-Ing. Fidler ( Leibniz Universität Hannover )

Am TP5 sind WissenschaftlerInnen der Disziplinen Dienstleistungsmanagement, Wirtschaftsinformatik und Geoinformatik beteiligt. Ausgehend von den Potentialen der hochgradigen Vernetzung intelligenter Fahrzeugsysteme und Infrastrukturen sollen neue Dienstleistungen und Geschäftsmodelle für intelligente Fahrzeuge und (intermodale) Mobilitätslösungen entwickelt, untersucht und demonstriert werden. Im Fokus steht die Anwendung von Methoden für die Exploration von Anforderungen, die Entwicklung und Bewertung von Dienstleistungen für die nutzerspezifische Mobilitätsplanung, Untersuchungen zur Akzeptanz sowie Methoden zur Konzeption, Implementierung und Evaluation digitaler Geschäftsmodelle und hybrider Dienste.

Ansprechperson
Prof. Jörg Müller
kontakt aufnehmen
Beteiligte
  • Prof‘in. Dr.-Ing. Sester ( Leibniz Universität Hannover )
  • Prof. Dr.-Ing. Woijetschläger
PRODUKTION

Für neuartige Steuer- und Regelvorgänge z.B. basierend auf Bildverarbeitung und/oder KI wird erheblich mehr Rechenkapazität und Kommunikationsbandbreite benötigt als bisher. Hierfür wird eine moderne Referenz-Hardware-/Softwareplattform für Industriesteuerungsgeräte entworfen. Die Schwerpunkte liegen auf schnellen E/A-Schnittstellen (z.B. für HD-Kameras) und hoher Rechenleistung bei gleichzeitig bestmöglicher Vorhersagbarkeit des Zeitverhaltens. Dazu werden auch neuartige Rechenelemente erprobt (KI-Beschleuniger, FPGAs). Echtzeiteigenschaften sollen auch für datenintensive Anwendungen gewährleistet werden können, die über mehrere Geräte hinweg im Verbund arbeiten. Hierfür wird die Nutzung aktueller Protokolle und Technologien integriert (Ethernet TSN mit OPC-UA PubSub). Die Plattform soll ein Konzept bieten, wie bestehende Anlagen(teile) auf die Referenzplattform umgerüstet oder an sie angeschlossen werden können. Eine modellbasierte Entwurfsmethodik auf Basis der IEC 61499-kompatiblen Open-Source-Software „4diac“ soll dazu dienen, diese unterschiedlichen und teilweise konkurrierenden Anforderungen für Entwickler handhabbar zu machen.

Ansprechperson
Dr. Frank Oppenheimer
kontakt aufnehmen

Das Ziel ist die Entwicklung und Anwendung von Methoden der künstlichen Intelligenz auf ein Prozessmodell für die spanende Fertigung. Zu diesem Zweck werden entsprechende Prozess- und Simulationsdaten, sowie anschließende Qualitätsmessungen erhoben. Mithilfe der Methoden des maschinellen Lernens werden mit diesen Daten Modelle erstellt, die in der Lage sind resultierende Qualitätsmerkmale aus anfallenden Prozessdaten abzuleiten und vorherzusagen. Neben Genauigkeit, Zuverlässigkeit und Generalisierbarkeit werden an die KI-basierte Prozessoptimierung zusätzliche Anforderungen gestellt. In einem weiteren Schritt soll daher untersucht werden, wie sich diese Modelle selbstständig adaptieren können. Weitere Arbeitsschritte beschäftigen sich dann mit der Erklärbarkeit der KI-Modelle. Ein Fokus liegt – neben der Ausgabe der Vorhersagekonfidenz – auf der Nachvollziehbarkeit der Ergebnisse. Die Informationen aus den Modellen können an die Prozessplanung geliefert und sowohl zur Umplanung, als auch zur Erkennung von Prozessanomalien verwendet werden.

Ansprechperson
Dr. Claudia Niederée
kontakt aufnehmen

Das Ziel dieses Arbeitspaketes besteht in der Identifikation der Wertschöpfungspotenziale von Künstlicher Intelligenz (KI) in der Produktion am Beispiel der Druckgussindustrie. Zunächst werden Methoden und Einsatzfelder im Produktionsumfeld anhand von Fachliteratur systematisiert, und anschließend der Umsetzungsgrad anhand von qualitativen Experteninterviews in Unternehmen festgestellt. Neben der Anwenderebene richtet sich der zweite Teil der Befragung an Anbieter von Dienstleistungen, die produzierende Unternehmen bei der Durchführung von KI-Projekten unterstützen. Abschließend werden zusammen mit Partnerunternehmen mögliche Einsatzszenarien definiert und umgesetzt. Mithilfe einer zu entwickelnden Methode soll der Nutzen der Einsatzszenarien im Vorfeld erfasst und Aufwänden gegenüber gestellten werden.

Ansprechperson
Prof. Dr. Berend Denkena
kontakt aufnehmen

Bei der Erstellung eines digitalen Zwillings, der die Fertigungsqualität eines Bauteils aus den Prozessgrößen vorhersagt, gilt es, die Einflüsse der Unsicherheit und der prozessbedingten Abweichungen in eine prozessparallele Simulation einzubringen. Dazu muss die prozessparallele Simulation in der Lage sein, prozessgrößenbedingte Einflussfaktoren vorhersagen zu können, die sich auf die Bauteilqualität auswirken können. Um eine geeignete Modellierung vorzunehmen, werden hierbei verschiedene ML-Verfahren auf ihre Eignung untersucht. Neben den, mit geeigneten Modellen vorhersagbaren Einflüssen und Größen, spielen auch die zufallsbedingten Ausgangsgrößen eine Rolle. Diese gilt es zu analysieren, um auch die Schwankungsbreite der Ergebnisse zu beachten. Damit können auch unter Berücksichtigung der gewünschten Toleranz Abschätzungen über Konformitätswahrscheinlichkeiten getroffen werden.

Ansprechperson
Prof. Dr. Berend Denkena
kontakt aufnehmen

Die Qualitätsprognose beschäftigt sich mit der Identifikation und Extraktion von Datenpunkten, die für die Qualität von Fertigteilen relevant sind. Durch die Erfassung und Analyse der während der Produktion anfallenden Prozess- und Teilequalitätsdaten werden Qualitätsprognosen der gefertigten Teile erstellt. Das erstellte Qualitätsmodell wird durch die Datenanalyse kontinuierlich verbessert und ist daher Produkt-unabhängig nutzbar. Hierzu sind die für die Prognosemodelle am besten geeigneten Merkmalsvektoren aus den Sensorsignalverläufen zu berechnen, die für den Gießprozess am besten geeigneten Klassifikations- und Regressionsverfahren zu bestimmen sowie die Struktur eines dynamischen Prozess- und Prognosemodells festzulegen. Die Verfahren zur Bestimmung der optimalen Algorithmen für die Merkmalsextraktion, Klassifizierung, Regression und Modelldynamik werden am Beispiel eines verwandten Produktionsprozesses mit anderem Maßstab (Mikropräzisionsspritzguss) validiert, um die Übertragbarkeit der Forschungsergebnisse auf andere Produktionsverfahren zu validieren.

Ansprechperson
Prof. Dr. Christoph Wunck
kontakt aufnehmen

Es wird untersucht, wie Änderungen der Prozessketten innerhalb kürzester Zeit mit größtmöglicher Effizienz in Bezug auf die Produktionsplanung und -steuerung (PPS) gestaltet werden können. Zu Beginn wird ein Datenmodell zur Gestaltung rekonfigurierbarer Prozessketten erstellt. Im Anschluss wird das Potenzial von ML-Methoden für die Automatisierung von PPS-Aufgaben identifiziert. Dazu werden für 4 Aufgabenstellungen beispielhaft konkrete Lösungen entwickelt. Diese entwickelten ML-Lösungen werden in einem Softwareprototyp umgesetzt und in der Praxis erforscht.

Ansprechperson
Prof. Dr. Matthias Schmidt
kontakt aufnehmen

Das Ziel ist eine prognosebasierte Prozessoptimierung unter Berücksichtigung der Erkenntnisse aus einer virtuellen Optimierung mittels Gießprozesssimulation zu einer wissensbasierten Prozessregelung zu verknüpfen. Ein dazu entworfenes und gefertigtes Druckgießwerkzeug mit integrierten Sensoren wird für den Gießbetrieb qualifiziert und eingesetzt. Es erfolgt eine Datenerfassung in zahlreichen, durchzuführenden Gießprozessen. Die erfassten Prozessdaten erfüllen zwei Funktionen: zum einen als unmittelbare Messgrößen zur Steuerung der Maschinenfunktion. Zum anderen ist das Ziel eine Sensor-to-the-Cloud-Konnektivität, um Sensordaten nahezu in Echtzeit in einem IT-System verfügbar zu machen und durch eine erweiterte Datenanalytik, beispielsweise basierend auf ML-Methoden, zu analysieren. Die daraus gewonnenen Erkenntnisse fließen zurück in die Gießprozessplanung. Weiteres Ziel ist die Etablierung einer autonomen, maschinenunabhängigen Prozessplanung unter Berücksichtigung der bereits gewonnenen Daten aus der Gießprozesssimulation. Die Methode soll eine direkte Übergabe der (Gieß-)Prozessdefinition an die Druckgießmaschine sowie den (zunächst noch manuellen) Start des Produktionsprozesses erlauben, um somit perspektivisch zu einer automatischen, personalreduzierten Inbetriebnahme von Druckgießwerkzeugen zu gelangen.

Ansprechperson
Prof. Dr. Prof. h. c. Klaus Dilger
kontakt aufnehmen

KI-Projekte

Die Partner des ZDIN sind an verschiedenen Digitalisierungsprojekten beteiligt, die sich mit der Entwicklung, Anwendung oder Bereitstellung Künstlicher Intelligenz beschäftigen. Erfahren Sie mehr über die Vielseitigkeit dieser Projekte und die unterschiedlichen Einsatzmöglichkeiten dieser spannenden Technologie. Mit einem Klick auf diesen Link gelangen Sie zu den Forschungsprojekten mit KI-Bezug.

FORSCHUNGSPROJEKTE MIT KI-BEZUG ÜBERSICHT

EmerCoCo @ SPP1984: Analysis of controller conflicts in multimodal Smart Grid systems using the concept of emergence in technical systems

Neuartiger Modellierungsansatz für ein gekoppeltes Energiesystem

MEHR
Agri-Gain: Agrarwirtschaftlicher Gateway für Künstliche Intelligenz

Einsatz von KI-Technologien in der deutschen Agrar- und Ernährungswirtschaft

MEHR
Informationen aus Verkehrstrajektorien

Extraction of Traffic Relevant Information from Trajectories

MEHR
Egraphsen: Die digitale Malerzuweisung

Möglichkeiten und Perspektiven

MEHR

Plattform Lernende Systeme

Die Plattform Lernende Systeme der acatech, Deutsche Akademie der Technikwissenschaften, bringt deutschlandweit Expertinnen und Experten für Künstliche Intelligenz und Lernende Systeme zusammen, um Rahmenbedingungen für die Entwicklung und die verantwortungsbewusste Anwendung dieser Technologien zu entwickeln. Auch die Kompetenzen der ZDIN Partner sind dort verzeichnet, um die Forschung mit der Wirtschaft und Praxis zu vernetzen. Ziele der Plattform sind insbesondere, Lernende Systeme für die gesellschaftliche Zusammenarbeit zu gestalten, Kompetenzen im Umgang mit Künstlicher Intelligenz zu fördern und den gesellschaftlichen Dialog zum Thema KI anzuregen.

Fonts updating...


Kontaktieren Sie uns telefonisch
+49 441 9722-222

A A