Erik Voigt

Beschreibung: Mit einem human-in-the-loop Ansatz des maschinellen Lernens soll die Identifikation komplexerer Wirkzusammenh?nge für die Produktqualit?t erm?glicht werden, die über aktuelle Ans?tze der rein statistischen Anomalieerkennung in einzelnen Prozessabschnitten (Datensilos) hinausgehen. Durch explizite Nutzung von Expertenwissen sowie interaktive Korrekturen sollen adaptive Qualit?tsmodelle generiert werden, die nicht nur lokale Informationen verwenden, sondern auch komplexe relationale Abh?ngigkeiten abbilden und so zur globalen Optimierung der Prozesssteuerung beitragen. Durch Ans?tze der erkl?rbaren KI (XAI) wird somit Transparenz und Nachvollziehbarkeit der gelernten Modelle gew?hrleistet. Somit wird ein Beitrag zur Akzeptanz und gerechtfertigtem Vertrauen in das KI-System geschaffen. Als exemplarischer Anwendungsfall wird die Produktionskette des elektrischen Antriebsstrangs betrachtet. Ziel ist die Entwicklung eines interaktiven Dashboards, das auf innovativen Methoden des erkl?renden interaktiven Lernens basiert. Damit wird die Erkennung komplexer Wirkbeziehungen in der Qualit?tsbeurteilung erm?glicht und in Konsequenz die Produktionseffizienz gesteigert sowie Ausschüsse minimiert.

Leitung: Schmid, Ute; Scheele, Stephan M.

F?rdermittelgeber: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie

Projektbeginn: 01.11.2021 - Projektende: 30.04.2025

weitere Informationen im FIS