Projektvorstellung

Übersicht

Ziel des Verbundprojekts GeMeKI ist die menschzentrierte Zusammenführung von Expertenwissen, Produktionsausrüstung und Künstlicher Intelligenz (KI) in sogenannte hybride Intelligenz-Systeme, um die Leistungsfähigkeit, Flexibilität und Wirtschaftlichkeit komplexer Fertigungssysteme nachhaltig zu verbessern.

GeMeKI will durch die Entwicklung übertragbarer KI-Lösungen mit geringen Einstiegskosten sowie gezielter Mensch-KI-Interaktion die wirtschaftliche Einführung und Nutzung in neuen Anwendungsbereichen erschließen. Hierzu werden parallel in den drei Fertigungsverfahren Fügen, Trennen und Umformen gemeinsam neuartige Mensch-KI-Interaktionen und prozessnahe Sensorintegration als Grundlage einer digitalen Wertschöpfungskette entwickelt. Kernidee ist hierbei ein KI-gestützter Informationsregelkreis über alle Glieder der Kette hinweg.

Herangehensweise

Um menschzentrierte KI-Applikationen in hybride Intelligenz-Systeme mit neuartigen Mensch-KI-Interaktionsformen in und für Produktionsumgebungen umzusetzen, muss die gesamte digitale Wertschöpfungskette als lernendes Gesamtsystem technisch erfasst werden. Der Ansatz bietet weiterhin die neuartige Möglichkeit, KI-Komponenten variabel an denjenigen Stellen der digitalen Wertschöpfungskette einzusetzen, an denen sie den größten Wirkungsgrad haben.

Durch den Aufbau einer modularen, digitalen Wertschöpfungskette in drei Anwendungsfällen eröffnet sich erstmals die Möglichkeit der Generalisierung bzw. Übertragbarkeit bisheriger Insellösungen. Über benutzerfreundliche, menschzentrierte Schnittstellen sollen dem Menschen mehrere Interaktionsformen angeboten werden.

Um die Ergebnisse zu verstetigen und für KMU in der Breite nutzbar zu machen, sollen folgende Methoden entwickelt werden:

  • KMU KI-Readiness-Check
    Durch projektbegleitend dokumentierte Anforderungen und verfügbaren Möglichkeiten und Technologien soll es möglich sein, KMU individualisierte Leitfäden für den Einsatz KI-gestützter Lösungen anzubieten.

  • User Labs
    Mit Hilfe der User Labs soll KMU ermöglicht werden, die Risiken bei der Erprobung, Entwicklung und Einführung bedarfsgerechter KI-gestützter digitaler Assistenzsysteme und bedienerfreundlicher Expertensysteme zu reduzieren, indem Maschinenbediener:innen von Anfang an am Entwicklungsprozess der technischen Lösungen beteiligt werden.

  • Best Practices für Standardprozesse
    Im Rahmen des Projektes werden Best Practices für den wertschöpfenden Einsatz hybrider Intelligenz in fertigungsnahen Umgebungen erarbeitet. Die Wirksamkeit der Best Practices wird anhand der drei Anwendungsfälle Fügen, Trennen und Umformen nachgewiesen.

  • Validierung neuartiger Formen der Mensch-KI Interaktion
    Indem menschliches Expertenfeedback systematisch erfasst und verarbeitet wird, um KI-Ergebnisse zu interpretieren, Daten anzureichern und die Datenbasis zu bewerten, soll die KI-Anlernzeit verkürzt werden. Die größer gefasste Einführung von KI-Lösungen soll durch menschzentrierte Einführungs- und Begleitkonzepte beschleunigt werden.

Fügen

Im Anwendungsfall Fügen werden sowohl interne als auch externe Prozesseinflüsse ganzheitlich durch Sensorik und Steuerungsdaten erfasst und durch gezielte Abfragen von Expertenwissen über dedizierte Mensch-KI-Interfaces ergänzt. Neben dem Bau eines Demonstrators zur Datenerfassung soll im weiteren Verlauf ein industrienaher Demonstrator gebaut und damit die Mensch-KI-Interaktion evaluiert werden.

Trennen

Im Anwendungsfall Trennen wird ein Verbundsystem aus sensorintegrierter Spindel und einer lokalen KI-Box aufgebaut. Das übergeordnete Ziel ist die Entwicklung eines KI-basierten Expertensystems, das die erfassten Prozessdaten hochfrequent kontextualisert und den Prozessexpert:innen verlässliche Prozesskennwerte zur Verfügung stellt. Dadurch soll im in den Ramp-Up Prozessen eine bessere Prozessstabilität erreicht werden.

Umformen

Für den Demonstratoraufbau im Anwendungsfall Umformen wird ein sensorintegriertes Folgeverbundwerkzeug entwickelt und in eine bestehende Pressenlinie integriert. Die Kombination aus Laserbeschriftung und Augmented-Reality-Schnittstelle befähigt die Werker:innen zur hochauflösenden Erfassung der Werkstückqualität sowie die Zuordnung zu Prozessinformationen.

Menschzentrierte KI

Die Entwicklung übertragbarer produktionsnaher KI-Assistenzsysteme soll Skaleneffekte schaffen und somit die internen wie externen Lösungskosten verringern. Gleich ob individuelle oder skalierungsfähige KI-Lösung, die Wirksamkeit im Einsatz beim Kunden steht und fällt mit der Akzeptanz der KI durch die Benutzer:innen im Tagesgeschäft. Gleiches gilt für die Zielstellung, menschliches Domänenwissen für das Training von KI-Applikationen zu erschließen und bestenfalls sogar digital zu konservieren. Neben der technischen Umsetzung bedarf es Konzepten zur wirtschaftlichen attraktiven Umsetzung und Einführung von KI-Applikationen in industrielle Fertigungsumgebungen.

Trennen