Direkt zum Inhalt
-

KI basierter digitaler Zwilling (KIDZ)

Auf einen Blick

Forschungsfragen

Wie können KI-Methoden und insb. Methoden des eXplainable AI (XAI) genutzt werden, um einen selbstlernenden und selbsterklärenden digitalen Zwilling für Produktionsanlagen bereitzustellen?

Wie können typische Produkt- und Produktionsdatenmodelle um einen semantischen Layer erweitert werden, um semantisch reichhaltige Informationen und Wissen als Input für bzw. Ergebnis von KI-Verfahren aufzunehmen?

Wie kann hierauf aufbauend eine durchgängige Modellierung „Produkt – Produktion – Verhalten“ erreicht werden? Kann eine Verhaltensmodellierung als AML-„Dialekt“ zur Simulation kurzfristiger und langfristiger Prozesse abgebildet werden?

Wie können aus graphenbasierten UML-Modellen und den daraus generierten CAD-Modellen geeignete Netzwerkstrukturen für neuronale Netze zur Anomaliedetektion automatisch generiert werden?
 

Zusammenfassung

Zielsetzung des Projekts ist die Konzeption eines KI-basierten, selbstlernenden digitalen Zwillings, der sich automatisch an das reale Systemverhalten anpasst und jederzeit ein optimales Abbild eines Produktionsprozesses darstellt. Ein ausdrucksstarkes, semantisches Gesamtmodell dient als Basis für neuartige Ansätze der künstlichen Intelligenz. Mittels Methoden der KI gewonnene Erkenntnisse werden in das Gesamtmodell integriert und damit in einen Gesamtzusammenhang gebracht. Ein solches Gesamtmodell verbessert die Interpretierbarkeit und Erklärbarkeit der KI-Modelle und ermöglicht komplexe Analysen und Prognosen insb. mittels Techniken der Simulation. Hierbei ermöglichen Methoden aus dem Bereich der eXplainable AI die automatische Beschreibung von KI-Modellen und deren Erkenntnisse sowie den Aufbau selbsterklärender Modelle.
 

Organigramm

Die folgende Abbildung zeigt die Einbindung beteiligter Forschungsinstitute und Forschungsgruppen, externer Forschungsinstitute, Unternehmenspartner und unterstützender Einrichtungen in das Antragsvorhaben. Konkret sind in das Antragsvorhaben das Institut für künstliche Intelligenz (IKI), das Institut für digitalen Wandel (IDW) mit den Forschungsgruppen Data Science und Smart Factory, das Institut für photonische Systeme (IPHOS) und das Zentrum für angewandte Forschung Digitaler Produktlebenszyklus (ZAFH DiP) eingebunden. Externe wissenschaftliche Unterstützung erhält das Antragsvorhaben vom Institut für Flugzeugbau der Universität Stuttgart. Die Unternehmenspartner EKS, FORCAM, IILS und IFM unterstützen das Projekt mit Know-how aus der Praxis und sichern den Transfer der Ergebnisse in die Wirtschaft und deren praktische Verwertung. Das Innovationslabor LAB4DTE unterstützt das Antragsvorhaben im Bereich der prototypischen Umsetzung und Erprobung.

Organigramm KIDZ

Fördergeber

Logo - Carl Zeiss Stiftung Carl Zeiss Stiftung
Projektteam

Projektleitung

Prof. Dr.-Ing. Wolfram Höpken

Leiter IDW - Institut für Digitalen Wandel
Schwerpunkte:
Business Intelligence & Predictive Analytics, IKT-Systeme im Tourismus - Professor der Fakultät Elektrotechnik und Informatik, sowie Studiengang Wirtschaftsinformatik und E-Business
Wolfram Höpken

Projektteam

Prof. Dr. rer. nat. Thomas Bayer

Bibliotheksbeauftragter der Fakultät E
Schwerpunkte:
ERP-Systeme, Cloud-Computing & Data Science
Prof. Dr. Thomas Bayer

Prof. Dr. Jörg Eberhardt

Studiendekan Physical Engineering
Schwerpunkte:
Mechatronik und Optik
Prof. Dr. Jörg Eberhardt

Prof. Dr. rer. nat. Markus Pfeil

Embedded Systems / Professor: Bachelorstudiengang Elektrotechnik und Informationstechnik
Prof. Dr. rer. nat. Markus Pfeil

Prof. Dr. rer. nat. Markus Schneider

Leiter des Instituts für Künstliche Intelligenz
Schwerpunkte:
Künstliche Intelligenz, Maschinelles Lernen, Intelligente Robotik
Markus Schneider

Prof. Dr.-Ing. Ralf Stetter

Auslandsbeauftragter der Fakultät Maschinenbau & Leiter Labor CAD und FEM
Schwerpunkte:
Konstruktion & Entwicklung in der Kraftfahrzeugtechnik
Prof. Dr.-Ing. Ralf Stetter

Prof. Dr.-Ing. Markus Till

Prodekan Fakultät Maschinenbau
Schwerpunkte:
Modellierung und Simulation, Digital Engineering
Prof. Dr.-Ing. Markus Till

Timo Schuchter M.Sc.

Wissenschaftlicher Mitarbeiter