Fokusthemen
Unter der Leitung der beiden Informatikprofessoren Prof. Dr. Frank Schirmeier und Prof. Dr. Ulrich Göhner fokussiert sich das IDF auf die Kombination mathematischer Optimierungsverfahren und Anwendungen Künstlicher Intelligenz im Fertigungsumfeld. Die Forschungsthemen am IDF sind organisiert in die drei Fokusthemen Digitale Fertigungsanlage und Datenzentrierte Geschäftsmodelle, KI-optimierter Fertigungsprozess und innovative Sensorik und Large Language Models und Industrielle Generative KI.
1) Digitale Unternehmensprozesse und Datenzentrierte Geschäftsmodelle
Investitionen in neue Technogien stärken die Innovationskraft und die internationale Wettbewerbsfähigkeit der Unternehmen.
Als Technologietransferzentrum an der Schnittstelle von Wissenschaft und Industrie forschen wir zu innovativen Geschäftsmodellen. Gemeinsam mit den kooperierenden Unternehmen schaffen wir die notwendige Grundlage in der Digitalisierung und der Datenökonomie.
Digitalisierung und Automatisierung
Die Digitalisierung und Automatisierung von Geschäftsprozessen stellt eine große Herausforderung dar, da die zunehmende Komplexität und der Fachkräftemangel effiziente Lösungen erfordern.
Am IDF wird erforscht, wie Geschäftsprozessse mit hybriden Systemen aus klassischen Algorithmen und KI optimiert werden können. Ein besonderer Schwerpunkt liegt dabei auf der Anwendung von Spatial Augmented Reality und der Integration von Robotik, um Prozesse umfangreich zu automatisieren. Ziel ist es, benötigtes Expertenwissen zu reduzieren, Fachkräfte zu entlasten und Prozesszeiten zu verkürzen.
Innovative Geschäftsmodelle
Am IDF wird (gefördert vom Bundesministerium für Bildung und Forschung) im Rahmen der europäischen Cloud-Initiative GAIA-X an innovativen Geschäftsmodellen geforscht, die durch einen unternehmensübergreifenden Datenaustausch möglich werden.
Im unternehmensübergreifenden Datenaustausch liegt ein enormer Mehrwert, es können aber auch sensible Geschäftsgeheimnisse verletzt werden. Daher werden am IDF innovative Datenanonymisierungs- und verschlüsselungsverfahren entwickelt.
Anomalieerkennung
In Zeitreihen-Datenströmen, wie sie von Industriesensoren erzeugt werden, sind Abweichungen vom Normalverhalten oft schwer zu erkennen. Hier helfen spezialisierte KI-Verfahren, die das IDF in Zusammenarbeit mit etablierten Fertigungsunternehmen entwickelt und vor Ort implementiert.
Optimierung
Durch die Auswertung der im Unternehmenskontext anfallenden Daten durch KI-Verfahren können große Effizienz- und Kostenvorteile realisiert werden.
Für spezielle Fragestellungen stellt es sich jedoch heraus, dass mathematische Optimierungsalgorithmen bessere Lösungen, im Idealfall sogar die mathematisch beweisbar beste Lösung finden.
Die Mathematik- und Optimierungsexperten des IDF kombinieren die für das jeweilige Einsatzszenario am besten geeigneten Lösungsverfahren.
Korrelation und Kausalität
Die Untersuchung von Korrelationen ist etablierter Bestandteil der sog. explorativen Datenanalyse, die noch vor der Anwendung von KI-Verfahren hilft, Auffälligkeiten im Datensatz zu erkennen.
Gerade im Fertigungsumfeld bietet die Identifikation echter Kausalzusammenhänge großen Mehrwert: Welche Auswirkung hat Prozessparameter X auf das Qualitätskriterium Y?
Hierzu werden am IDF hochinnovative Verfahren zur Modellierung von Kausalzusammenhängen angewendet und erkannte Kausalitäten dann im Dialog mit den Fertigungsexperten validiert.
2) KI-optimierter Fertigungsprozess und innovative Sensorik
In-Prozess-Qualitätskontrolle
Am IDF wird geforscht (gefördert vom Bayerischen Staatsministerium für Wirtschaft und Energie) zu sog. In-Process QC (d.h. eine Qualitätskontrolle, die nicht nachgelagert, sondern während des Fertigungsvorgangs basierend auf Sensordaten stattfindet) in Zerspanprozessen geforscht. So kann der zeit- und kostenintensive Messaufwand drastisch reduziert werden.
Datenzwilling
Zur Optimierung von Fertigungsprozessen wird der Vorgang beispielsweise in einer Abtragssimulation umfangreich simuliert. Physikalische Kräfte werden modelliert und berechnete mit gemessenen Größen kombiniert, um aussagekräftige Vorhersagemodelle zu entwickeln.
Innovative Datenerhebungsverfahren
Am IDF arbeiten Datenwissenschaftlern und Maschinenbau-Experten interdisziplinär Hand in Hand, um Expertenwissen in die entwickelten Modelle zu integrieren. Zur Messung hochwertiger Zielgrößen für KI-Modelle ist oftmals die Entwicklung eigener Datenerhebungsverfahren entscheidend.
Produktionsabweichung
Durch die Integration von Bilddaten in eine ganzheitliche Qualitätsbewertungspipeline können optische Fehlerbilder gemeinsam mit anderen Sensoren wie z.B. Schwingungs- oder Kraftsensoren ausgewertet werden.
Zur Auswertung von Bilddaten kommen etablierte Deep Learning Architekturen zum Einsatz, die mit innovativen Verfahren zur Dimensionsreduktion und zur Bewertung der relevanten Bildinhalte kombiniert werden.
Künstliche Intelligenz in der Fertigung kann Verbrauchs- und Energiekosten sowie Ausschuss verringern und gleichzeitig eine konstant hohe Fertigungsqualität sicherstellen.
Das IDF hat sich etabliert als kompetenter Forschungs- und Entwicklungspartner von renommierten Fertigungsunternehmen insb. in der Zerspanung im Allgäu.
3) Large Language Models und Industrielle Generative KI
Generative KI kann den Menschen unterstützen, Fachwissen zugänglich zu machen, Aufgaben zu automatisieren, aber auch kreative Konstruktionslösungen zu finden.
Das IDF unterstützt in verschiedenen Kooperationsprojekten regionale Partner bei der Adaption von Generativer KI. Via einer sog. RAG-Pipeline (Retrieval Augmented Generation) können Chatbots auf Unternehmensdokumente zugreifen. Am IDF wird insbesondere zu lokal gehosteten Open Source Modellen geforscht, um den Schutz von Daten und von Geschäftsgeheimnissen zu garantieren.
Graphen-basierte Neuronale Netzwerke
Neben Transformer-basierten großen Sprachmodellen werden spezialisierte KI-Architekturen erfolgreich eingesetzt. Insbesondere Graphen-basierte Neuronale Netzwerke können die Strukturen in CAD-Dateien optimal abbilden.
Solche neuronalen Netzwerke können z.B. zum Detektieren von Features (z.B. Bohrungen) in CAD-Dateien eingesetzt werden oder für nachgelagerte Aufgabenstellungen wie für Kosten- oder Aufwandsabschätzungen.
Generative KI
Auch spezielle Anwendungsszenarien im Fertigungskontext werden untersucht, hierunter beispielsweise die automatisierte Erzeugung von CAD-Dateien oder von Maschinensteuerungscode.
Im Gegensatz zu gängigen KIs zur Bildgenerierung (wie z.B. MidJourney, Stable Diffusion o.ä.) muss bei der Erzeugung von Konstruktionsdetails das kreative Potential der KI streng kanalisiert werden. So können funktions- und konstruktionsbedingte Rahmenbedingungen eingehalten werden.
„In zahlreichen Anwendungsfeldern kann KI in der Fertigung dazu beitragen, Kosten zu senken, die Prozess-Stabilität zu erhöhen und die Bauteilqualität sicher zu stellen.“