Projects

A-DRZ – Aufbau des deutschen Rettungsrobotik-Zentrums

Dr. Constantin Houy, Peter Pfeiffer


Abstract: The project A-DRZ aims at setting up the German Rescue Robotics Center (DRZ) (https://rettungsrobotik.de). Over the next few years, this competence center for rescue robotics will be established in Dortmund, where mobile robot systems for civil emergency response will be researched and developed in a living lab. Currently, robots are typically used as fully tele-operated tools in emergency missions. However, with increasing autonomy, robot systems are supposed to become agents that actively participate in a mission. For this they need an understanding of the emergency mission objectives, the tasks of the human-robot team and their execution. Only in this way robot systems can perform tasks as expected and take initiative in a meaningful way.
Using techniques of speech processing and process modeling, DFKI (participating with the three research departments MLT, IWi and EdTech) explores and models the necessary cooperation and communication processes and develops technologies that enable robots to understand and follow emergency missions. We develop innovative solutions that use process analysis techniques and knowledge services to support efficient and effective mission execution through the resulting understanding.
The project is funded by the German Ministry of Education and Research (BMBF).


AdjUST – Automatisierung in der Konfiguration von Unternehmensinformationssystemen der Textilbranche über Methoden der KI und Referenzmodellierung

Philip Hake, Brian Willems


Abstract: In the course of digitalization and globalization, companies in the textile company are faced with the challenge of professionalizing their processes. This concerns the core processes in administration and production as well as, for example, the processes in sales. As smaller companies in particular only have small budgets, individual developments are usually ruled out, and so is the adaption of expensive standard software. In order to meet these special requirements, innovative techniques of process analysis and artificial intelligence are used in the described project to enable companies to use software solutions for process handling in the most resource-efficient way possible. The execution data generated from system use is used by the system operator to successively develop inductive reference models for the textile industry, from which other companies then can benefit. At the same time, AI technologies are used to enable automated, intelligent customization of the system for new customers. The goal is to provide companies with an ERP system that is easy to use. By making (anonymized) usage data available, best practices can be disseminated within the industry and thus processes that do not primarily add value can be digitized cost-effectively.


AKKORD – Vernetzte und integrierte Anwendung industrieller Datenanalyse für die wertschaffende, kompetenzorientierte Kollaboration in dynamischen Wertschöpfungsnetzwerken

Steffen Schuhmann, Sabine Klein


Abstract: Industrielle Datenanalyse eröffnet produzierenden Unternehmen innovative Möglichkeiten zur nachhaltigen Optimierung von Produkten und Prozessen und ermöglicht die Initiierung neuer Geschäftsmodelle und Kollaborationen in Wertschöpfungsnetzwerken.
Jedoch sind die aktuellen Bestrebungen von der wachsenden Erkenntnis geprägt, dass speziell KMU nur bedingt den sinnvollen und zielgerichteten Einsatz moderner Analysetechnologien aus eigener Kraft leisten können. Es mangelt sowohl an den erforderlichen Kompetenzen und Einführungsstrategien in den Unternehmen selbst, als auch an strategisch ausgerichteten Dienstleistungs- und Technikangeboten, um die umfangreichen Potentiale nachhaltig nutzen zu können.
Ziel des Projekts AKKORD (Vernetzte und integrierte Anwendung industrieller Datenanalyse für die wertschaffende, kompetenzorientierte Kollaboration in dynamischen Wertschöpfungsnetzwerken) ist es, Unternehmen zur gewinnbringenden Anwendung von Datenanalyse – sowohl unternehmensintern als auch wertschöpfungsnetzwerkübergreifend – zu befähigen. Hierzu wird eine Online-Service-Plattform entwickelt, die neben Lösungen für eine umfassende Datenintegration auch einfach nutzbare, standardisierte Datenanalysemodule und Dashboards umfasst und die Initiierung neuer Kooperationen und Geschäftsmodelle unterstützt. Darüber hinaus wird durch die Entwicklung und Bereitstellung von Modulen für Kompetenzanalyse und Kompetenzerwerb der Grundstein für eine gezielte Kompetenzerweiterung der Mitarbeiter im Bereich Datenanalyse gelegt. Das Institut für Wirtschaftsinformatik (IWi) im DFKI erforscht in AKKORD die Potentiale der Datenanalyse für die Produktlebenszyklus-übergreifende Anpassung von Geschäftsmodellen. Institutsleiter Prof. Peter Loos betont: „Durch Process Mining auf Produktions- und Produktnutzungsdaten können interessante Rückschlüsse auf den Produktentwurf oder die Ausgestaltung des Geschäftsmodells getätigt werden. Dies kann auch Abstimmungsmechanismen bezüglich der Preisbildung in der Wertschöpfungskette erleichtern.“


APPaM – Automated Process Planning and Mining

Peter Pfeiffer


Abstract: In Unternehmen wird die korrekte Ausführung von Geschäftsprozessen schon heute mithilfe von Process Mining Tools untersucht. Diese erarbeiten auf Grundlage von Ausführungslogs der IT-Systeme menschenlesbare Prozessmodelle, die den Ist-Zustand reflektieren. Für die Lesbarkeit dieser Modelle werden die echten Ausführungen vereinfacht und atomare Ereignisse zu generischen Aktivitäten zusammengefasst. Dies hat zur Folge, dass diese Prozessmodelle nicht mehr zur intelligenten Planung oder zur Automatisierung geeignet sind. Daneben existieren bereits Prognosemodelle, die zwar zukünftige Ereignisse vorhersagen, die Umwandlung in eine konkrete Handlungsempfehlung überbleibt jedoch nach wie vor den Mitarbeitern. Für eine effektive Unterstützung ist daher ein System von Nöten, das Geschäftsprozesse aus den Systemlogs automatisiert erkennt und diese direkt in kostenoptimale Handlungsempfehlungen umwandelt, um so die Mitarbeiter bei ihrer Planung zu unterstützen.
Ziel des Projektes ist es daher Methoden, Algorithmen und Prototypen zu entwickeln, die im Schnittpunkt der Forschungsbereiche Automated Planning und Process Mining platziert sind. Die Lösung soll ein automatisiertes Planen und Ausführung von Geschäftsprozessen ermöglichen.
Um dieses Ziel zu erreichen werden zunächst neue Algorithmen entwickelt, die auf der atomaren Ereignisebene von IT-Systemen arbeiten und dort Prozessmodelle erstellen. Diese Modelle sollen im Vergleich zu bekannten Prozessmodellen um Handlungsalternativen angereichert werden. Darauf aufbauend werden domänenspezifische Planungsprobleme definiert, die zeiteffizient und parallelisiert auf Grafikkarten optimiert werden können. In der nächsten Phase werden zuvor genannte Komponenten und bekannte Prozess-Vorhersagemodelle in eine integrierte Lösung überführt, die im Anschluss prototypisch implementiert wird. Die Einsetzbarkeit des Systems wird in mehreren Praxisprojekten aus unterschiedlichen Branchen auf die Probe gestellt.
Die Lösung wird vor allem bei zeitkritischen Geschäftsprozessen ihren Nutzen ausspielen können. Es ist der dynamische Charakter der Planung, der Anpassungen auch noch nach Start der einzelnen Prozessausführungen ermöglicht. Dadurch kann die Planung auch kurzfriste Änderungen oder besondere Ereignisse berücksichtigen. Beispielhaft sind hier die Produktionsplanung der Modeindustrie oder auch die Einsatzplanung von Rettungskräften zu nennen. Beide Bereiche erfordern eine dynamische und situative Prozessplanung und wurden deshalb als Testfelder für den Praxiseinsatz identifiziert.


AutoReGen – Entwicklung eines Verfahrens zur automatisierten Überprüfung der Rechtssicherheit und der Generierung rechtssicherer Rechtstexte für Internetseiten auf Basis der Methoden maschinellen Lernens

Andreas Emrich, Michael Frey

Abstract: In diesem Projektvorhaben wird ein Verfahren auf Basis der Methoden maschinellen Lernens zur automatisierten Überprüfung der Rechtssicherheit und der Generierung rechtssicherer Rechtstexte für Internetseiten entwickelt. Bereits der Betrieb einer einfachen Internetseite wird von einer unüberschaubaren Gesetzesfülle reguliert. Das Internet ermöglicht es, Rechtsverstöße schnell und einfach per Mausklick zu recherchieren. Mit dem hier neu entwickelten Verfahren werden Abmahnungen und Bußgelder vermieden, indem unter anderem für das “Impressum” und die “Datenschutzerklärung” von Webseiten rechtssichere Rechtstexte automatisiert generiert und überprüft werden. Im Gegensatz zu gängigen 08/15-Generatoren, die im Internet zu finden sind, werden hier die Webseiten juristisch qualitativ begutachtet und auch eine Haftungsübernahme für die Rechtstexte sowie die Überprüfung gewährleistet. Darüber hinaus werden die Gesetztestexte durch Analyse der aktuellen Rechtsprechung aktuell gehalten. Webseiten werden hierbei automatisiert gescannt sowie das Verhalten der Seite analysiert (Scripte, Datenfluss, etc.). Basierend auf diesen Daten werden Empfehlungen für Gesetzestexte erstellt. Dieses sogenannte Recommender System greift dabei auf bestehende Rechtsliteratur und Urteile zurück. Dazu werden automatisiert Rechtsprechungen analysiert (gecrawlt), deren Entwicklungen geprüft und in Frage kommende Urteile bestimmt. Dem Nutzer (Anwalt und/oder User) werden schließlich Auffälligkeiten bzw. gefundene Neuerungen zur Überprüfung und Bestätigung angezeigt. Hierdurch wird die Pflege des Systems vereinfacht und die standardisierte Rechtsdienstleistung “Website-Check” wird sich zukünftigen rechtlichen Entwicklungen selbst anpassen.

Die Forschungsziele des DFKIs im Projekt sind:

  • Text Mining von bestehenden Rechtstexten (Urteile, Gesetze, Rechtsquellen) unter der Verwendung von Hadoop und Spark.
  • Basierend auf den Ergebnissen des Text Minings die Entwicklung und Pflege einer User- und einer Textmatrix.
  • Entwicklung eines Recommender Systems basierend auf der Berechnung einer Utility Matrix, zur Empfehlung von passenden Rechtstexten.

COC-TT – Center of Comptence Tax Technology

Prof. Dr. Peter Fettke, Martin Scheid


Abstract: Die Vision einer Steuerfunktion der Zukunft – Erforschung innovativer Technologien der Künstlichen Intelligenz und Begleitung des Innovationstransfers zur Gestaltung des Steuerarbeitsplatzes der Zukunft.
Das Center of Comptence Tax Technology (CoC-TT) beinhaltet eine zielgerichtete thematische Zusammenarbeit zwischen dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) und der Steuerberatungsgesellschaft WTS. Es verfolgt insbesondere das Ziel, den Transfer innovativer Technologien und Lösungsansätze aus dem Bereich der Künstlichen Intelligenz für Steueranwendungen in die Praxis zu unterstützen.

Hierbei werden unter anderem die folgenden drei zentralen Zielsetzungen verfolgt:

  • Innovation Scouting und Potentialstudien: Durch die fortlaufende Untersuchung aktueller Trends und Innovationen wird eine kontinuierliche Bewertung von Potentialen moderner KI-Technologien für den Bereich Steuer erzielt.
  • Schaffung einsetzbarer Lösungen: Anhand konkreter Anwendungsszenarien aus der Praxis der beteiligten Partnerunternehmen werden die identifizierten Technologiepotentiale in praktisch einsetzbare Lösungen überführt.
  • Aufbau eines Demonstrationslabors für zentrale KI-Technologien: Der Aufbau einer Test- und Demonstrationsumgebung für zentrale KI-Technologien und Beispielszenarien im Steuerbereich unterstützt die Kommunikation sowie den Austausch zwischen den beteiligten Partnern und verstärkt dadurch den Innovationsgedanken des Kompetenzzentrums.

INTONATE – Integration manueller Arbeitsprozesse in die Smart Factory

Steffen Schuhmann


Abstract: Moderne Produktionsanlagen, auch Smart Factories genannt, setzen auf intelligente Produktionssysteme, die zur Fertigung gekoppelt werden. Zentrales Element ist hierbei die Vernetzung der Anlagen, wodurch es ermöglicht wird Informationen auszutauschen und aktuelle Prozessparameter zu übertragen. Die zentrale Prozesssteuerung wird hierbei immer weiter aufgebrochen, wodurch Entscheidungen zunehmend durch die Fertigungsanlagen selbst getroffen werden. Um das volle Potential dieser intelligenten Fertigungsanlagen auszuschöpfen, müssen die ausgeführten Prozesse digital abgebildet werden, wodurch Prozesse während ihrer Ausführung auf die aktuelle Auslastung der Smart Factory hin optimiert werden können.
Hierbei stellen besonders manuelle Arbeiten eine große Herausforderung dar. Die Schwierigkeit liegt darin, aus den flexiblen manuellen Arbeitsabläufen Informationen zu erheben und diese in den Prozesskontext zu setzen. So können heutzutage mit tragbaren Sensoren (Wearables) bereits Bewegungs-, aber auch Vitaldaten erhoben werden. Diese können aber nicht zielgerichtet zur Prozessplanung und -optimierung in industriellen Fertigungsumgebungen verwendet werden, weil sie deutlich feingranularer sind als übliche Ereignisse in Geschäftsprozessen. Folglich müssten sie erst vorverarbeitet, segmentiert und aggregiert werden, um sinnvoll in Prozessen genutzt werden zu können.
Im Projektvorhaben INTONATE sollen Daten solcher Waerables bei der Durchführung von manuellen Biegeprozessen erhoben und mit Hilfe von Methoden der Künstlichen Intelligenz im Prozesskontext ausgewertet werden, um sie so bei der Prozessplanung nutzbar zu machen.


KEA-Mod – Kompetenzorientiertes E-Assessment für die grafische Modellierung

Dr. Constantin Houy, Peter Pfeiffer


Abstract: Die grafische Modellierung ist fester Bestandteil der wirtschaftsinformatischen Hochschulbildung und zahlreicher verwandter Studiengänge. Das Verbundprojekt KEA-Mod hat zum Ziel, ein digitales Fachkonzept zu entwickeln, dass die Lehre zur grafischen Modellierung qualitativ verbessert. Dazu werden bislang voneinander isolierte und lokal eingesetzte Werkzeuge der Verbundpartner wie Aufgabengeneratoren, Feedback- und Assessment-Systeme in einem einheitlichen Gesamtsystem zusammengeführt und anwendungsbezogen weiterentwickelt.
Daraus entsteht eine „E-Assessment-Plattform“, die verschiedene Lehr-Lernszenarien wie etwa Vorlesungen, Übungen oder Klausuren abdeckt. Eine zentrale Eigenschaft der Plattform ist ihre Transferierbarkeit: Sie soll an verschiedenen Hochschulstandorten in Deutschland eingesetzt werden können. Der Einsatz der Plattform wird von qualitativen und quantitativen Methoden zur Evaluation begleitet.


KOSMOX – Entwicklung einer neuartigen lokalen kontrafaktischen Erklärungsmethode und -schnittstelle unter Berücksichtigung kognitiver Modelierungsansätze

Nijat Mehdiyev, Lea Mayer


Abstract: Im Bereich der Künstlichen Intelligenz (KI) sind Black-Box-Modelle gegenüber konventionellen Verfahren zwar überlegen, liefern allerdings keine Erklärung über das Zustandekommen ihrer Entscheidungen und Handlungsempfehlungen. Diese mangelnde Nachvollziehbarkeit führt zu Vorbehalten gegenüber dem Einsatz dieser Technologien. Darüber hinaus stellen sich Fragen bezüglich Rechtssicherheit, Ethik und Kundenorientierung der Anwendung. Hier setzt Explainable Artificial Intelligence (XAI) an, die dem Anwender Entscheidungen und Verhaltensweisen des Systems erklärt.
Die aktuellen Forschungs- und Entwicklungstätigkeiten in der XAI-Domäne lassen jedoch relevante Aspekte außer Acht: Mit Ausnahme der Intuition des Forschers hinsichtlich der Qualität einer Erklärung werden interaktive, menschliche, organisatorische und ökonomische Aspekte oftmals nicht beachtet. Auch Eigenschaften von Erklärungen und Problemstellungen werden oftmals nicht berücksichtigt. Daher besteht ein großer Bedarf an einem Ansatz zur Entwicklung und Gestaltung von Erklärungsmodellen und entsprechenden Schnittstellen – dieser soll zukünftig als Leitfaden genutzt werden können.
Ziel des Projektvorhabens KOSMOX ist die Entwicklung eines ganzheitlichen Erklärungssystems, das Entscheidungen von KI-Systemen im Nachhinein verständlich darstellt. Es soll ein System geschaffen werden, das Ansätze regel- und simulationsbasierter Erklärungen vereint. Zusätzlich werden relevante Techniken aus dem Bereich der Komplexen Systeme eingesetzt. Außerdem soll eine Erklärungsschnittstelle konzipiert und realisiert werden, die auf Erkenntnissen aus den Kognitionswissenschaften basiert und eine interaktive Kommunikation zwischen den Anwendern und den eingesetzten KI-Techniken ermöglicht. In einem interdisziplinären Team aus Forschern und Industrieexperten werden zu diesem Zweck auch Herangehensweisen aus den Organisationswissenschaften, der Mensch-Computer-Interaktion sowie der Verhaltensökonomie herangezogen. Indem der Mehrwert der Zusammenarbeit von Mensch und Künstlicher Intelligenz herausgestellt wird, soll Vertrauen in KI-basierte Anwendungen aufgebaut werden. Im Fokus steht dabei, den Anwendern die Ergebnisse Maschineller Lernverfahren und anderer KI-Techniken für den Entscheidungsfindungsprozess transparent darzustellen und zu erklären. Bei der Bearbeitung des Vorhabens soll auf eine branchen- und bereichsübergreifende Lösung geachtet werden, um eine breite Anwendbarkeit zu gewährleisten.


Mittelstand 4.0-Kompetenzzentrum Kaiserslautern – Mittelstand 4.0-Kompetenzzentrum Kaiserslautern

Andreas Emrich, Sabine Klein


Abstract: Das Mittelstand 4.0-Kompetenzzentrum Kaiserslautern ist Teil des bundesweiten Netzwerkes Mittelstand-Digital. Mit Mittelstand-Digital unterstützt das Bundesministerium für Wirtschaft und Energie seit Ende 2015 die Digitalisierung in kleinen und mittleren Unternehmen sowie dem Handwerk. Bundesweit gibt es 26 Mittelstand 4.0-Kompetenzzentren, davon 18 mit regionalem und acht Kompetenzzentren mit thematischem bzw. Sektoralem Ansatz. Die Zentren verfügen über Lern- und Demonstrationsfabriken und helfen den mittelständischen Unternehmen mit praxisrelevantem Expertenwissen. Das Mittelstand 4.0-Kompetenzzentrum Kaiserslautern hat seine Arbeit im April 2016 aufgenommen und begleitet seitdem rheinland-pfälzische KMU auf ihrem Weg zur digitalen Transformation.
Die vier Partner aus Praxis und Wissenschaft sind die Technologie-Initiative SmartFactory KL, das Deutsche Forschungszentrum für Künstliche Intelligenz mit dem Forschungsbereich Innovative Fabriksysteme und das Institut für Wirtschaftsinformatik, die Technische Universität Kaiserslautern mit dem Lehrstuhl für Strategie, Innovation und Kooperation und dem Lehrstuhl für Virtuelle Produktentwicklung sowie das Institut für Technologie und Arbeit. Sie bündeln im Kompetenzzentrum ihr Know-how und decken interdisziplinär die wesentlichen Themenfelder der Digitalisierung ab: Automatisierung und Vernetzung, Mensch und Arbeit 4.0, Strategie und innovative Geschäftsmodelle.
In den letzten dreieinhalb Jahren haben über 1.100 Unternehmen die kostenlosen Angebote des Kompetenzzentrums Kaiserslautern in Anspruch genommen. Insbesondere die projektbezogene Unterstützung und Begleitung vor Ort stoßen auf großes Interesse bei den KMU. Jedes Projektthema wird gemäß den Bedürfnissen der Unternehmen ausgewählt und reicht von Entwicklung einer Digitalisierungsidee über digitale Prozessoptimierung, Datenvernetzung und Retrofitting bis hin zu Arbeit 4.0 oder digitalen Geschäftsmodellen. Ein besonderes und einzigartiges Angebot des Kompetenzzentrums ist der Schulungsdemonstrator PAUL. Er wurde speziell für den flexiblen Einsatz bei KMU vor Ort entwickelt und ist modular aufgebaut. Leicht verständlich vermittelt er die Funktionsweise von Industrie 4.0.
Darüber hinaus bietet das Zentrum ein breitgefächertes Qualifizierungsprogramm an, bestehend aus Workshops und Lernvideos. Eine neue Lern- und Aktionsplattform zur Vertiefung zentraler Digitalisierungsthemen wird derzeit entwickelt.
Das Kompetenzzentrum Kaiserslautern befindet sich aktuell in der zweiten Förderphase und hat seit Juli 2019 sein Leistungsspektrum um KI-bezogene Leistungen für die industriellen Produktion erweitert. Ziel ist es, den Mittelstand für die technologischen und wirtschaftlichen Potenziale der KI zu sensibilisieren und konkrete Anwendungsbeispiele zu verbreiten. Dadurch soll der Transfer von KI-Wissen in die Unternehmen und die Anwendung vor Ort vorangetrieben werden. Relevante Anwendungsfelder sind Assistenzsysteme, Smart-Data-Analysen sowie Intelligente Produkte und Services.


OpenMan

Andreas Emrich, Alexander Berrang


Abstract: The Project MoveTo4.0 helps to accelerate the business of European SMEs in the manufacturing industry to overcome their business challenges with innovative new technology. Within the programme of EIT Manufacturing MoveTo4.0 supports 50 SMEs from all over Europe to create their individual transformation roadmaps towards Industry 4.0.


PROMISE – Prozessoptimierung durch Kombination von Produktionsprozess- und produktspezifischen Daten

Lea Mayer


Abstract: In heutigen Prozessabläufen werden zunehmend neue Technologien eingesetzt, die eine immer größer werdende Menge an Prozess- und Produktdaten generieren. Diese Informationen werden bereits in diverse Systeme eingespeist und den Nutzern zur Verfügung gestellt, allerdings nicht in ausreichendem Umfang genutzt. Process Analytics kann im Kontext von Industrie 4.0 in heutigen Anwendungen weiter ausgebaut werden – so kann ein Mehrwert aus der Integration verschiedener Datenformate generiert werden, indem zusätzliche Informationen zur Optimierung von Prozessen genutzt werden. In der Automobilindustrie gestaltet sich die Testphase neuer Produkte aufgrund des hohen Kostendrucks, vermehrten Technologiewechseln und kürzeren Markteinführungszeiten als immer schwieriger – zwar bestehen in den einzelnen Domänen bereits Möglichkeiten der Fehleranalyse und des Status-Monitorings, allerdings mangelt es an einem domänenübergreifenden System für komplexe Prozesse. Auftretende Unregelmäßigkeiten innerhalb des Produktlebenszyklus eines Produktes werden verspätet erkannt, sodass nur noch reaktive Maßnahmen ergriffen werden können. Das kann geringe Auswirkungen, wie beispielsweise eine geringe Menge an Ausschuss, aber auch größere Schäden zur Folge haben. Ein Beispiel hierfür wäre der Einbau eines fehlerhaften Bauteils in ein Fahrzeug, das an den Kunden übergeben wurde.
Zur Lösung der oben beschriebenen Problematik soll ein Tool auf Basis von Künstlicher Intelligenz (KI) entwickelt werden, das ein domänenübergreifendes Status-Monitoring und eine inhärente Prozessoptimierung ermöglicht – dies soll über den gesamten Produktlebenszyklus erfolgen. Anomalieerkennung, Fehleranalyse und Ursachenidentifikation sollen dabei helfen, die Produktion fehlerbehafteter Produkte einzugrenzen und mögliche Schäden zu minimieren. Um das Vertrauen des Anwenders in das System zu stärken, sollen dem Qualitätsingenieur mithilfe von Methoden der Erklärbaren KI (XAI) die Ergebnisse verständlich dargestellt werden.


Racket

Andreas Emrich, Oliver Gutermuth


Abstract: In der Fertigungs- und Prozessindustrie besteht neben der Vermeidung von Produktionsfehlern, die durch Komponentenausfälle in Maschinen verursacht werden, eine Herausforderung darin, Fehler zu vermeiden, die durch die Gestaltung der Prozesse und deren Steuerung verursacht werden. Allerdings lässt die Komplexität der Prozesse in diesem Umfeld eine vollständige Berücksichtigung sämtlicher Einflussfaktoren nicht zu, so dass Vereinfachungen vorgenommen werden, die Unsicherheiten implizieren. Dies führt dazu, dass Struktur und Parameter eines Systems nicht vollständig abgebildet werden und das Systemverhalten nicht exakt vorhergesagt werden kann. Insbesondere die Qualität und Fehler am Produkt lassen sich dadurch teilweise nicht direkt auf konkrete Merkmale des Produktionsprozesses zurückführen, da selten alle relevanten Prozessparameter und kritischen Zusammenhänge bekannt bzw. erfasst sind.
Grundsätzlich könnten für derartige Szenarien Methoden des maschinellen Lernens verwendet werden, um Abhängigkeiten zwischen Prozessergebnissen und Prozessvariablen zu erkennen. Diese Verfahren sind jedoch auf ausreichende Datenmengen angewiesen, die bei seltenen oder unbekannten Fehlerursachen nicht vorliegen.
Im Projekt RACKET wird das Problem der Erkennung seltener und unbekannter Fehler durch die Kombination von modellbasierten Methoden und Methoden des maschinellen Lernens theoretisch und in repräsentativen Anwendungsszenarien behandelt. Ziel ist die Entwicklung einer umfassenden Methodik zur Erkennung seltener und a priori unbekannter Fehlerereignisse, die in einer komplexen Fabrikumgebung auftreten können.


SmartMobi – Baukastensystem für mobile Industrie 4.0-Apps

Oliver Gutermuth


Abstract: Im Forschungsprojekt SmartMobi werden die Herausforderungen bei der Entwicklung von individuellen mobilen Anwendungen für Industrie-Szenarien adressiert.
Ziel des Forschungsprojekts ist die Entwicklung eines Baukastens für die einfache Erstellung mobiler Applikationen (Apps). Ein modularer Aufbau ermöglicht dabei die Kopplung unterschiedlicher Funktionsmodule und den Datenaustausch über standardisierte Schnittstellen. Die Gestaltung der Apps soll größtenteils unter Verwendung einer grafischen Oberfläche ermöglicht werden, so dass einfache Anwendungen nahezu ohne Programmierkenntnisse entwickelt werden können. Für die Erstellung komplexer Apps wird eine spezielle Entwicklungsplattform bereitgestellt, die bereits Modulvorlagen für bestimmte Funktionen oder Konnektoren zum Datenaustausch mit Maschinen, Sensoren oder Informationssystemen umfasst. Dadurch kann die Entwicklung individueller betrieblicher Apps beschleunigt und mit deutlich verringertem Aufwand gestaltet werden.


SmartVigilance – Regulatorische Compliance durch KI-basierte Umfeldüberwachung in der Medizintechnik

Philip Hake, Peter Pfeiffer


Abstract: Hersteller von Medizinprodukten unterliegen strengen Regulierungen hinsichtlich der Sicherheit ihrer Produkte. Regulierungen betreffen sowohl die Produktzulassung als auch die Phase nach der Markteinführung von zugelassenen Medizinprodukten. Unternehmen sind verpflichtet, die Verwendung und den Einsatz ihrer Produkte auf dem Markt zu beobachten und geeignete Maßnahmen zur Beseitigung von Mängeln bzw. zur Minimierung von Risiken zu ergreifen. Ziel des Projekts ist die prototypische Entwicklung von Technologien und automatisierten Verfahren für die regulatorisch geforderte Marktbeobachtung und Risikobewertung in der Medizintechnik. Eine internetbasierte „SmartVigilance“-Plattform soll gefährliche Vorfälle und Produktmängel, die von Anwendern bei den Regulierungsbehörden gemeldet werden und öffentlich zugänglich sind, automatisch erfassen, analysieren und den Herstellern melden. Im Projekt kommen Methoden und Technologien der Künstlichen Intelligenz – Natural Language Processing (NLP), Maschinelles Lernen (ML), Data Analytics – zum Einsatz. Die Plattform dient der Umfeldüberwachung („Vigilance“); sie soll die Marktbeobachtung („Post-Market Surveillance“) zuverlässiger machen und Unternehmen der Medizintechnikbranche dabei unterstützen und entlasten.