Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben

Open Access 2024 | Open Access | Buch

Buchtitelbild

First Working Conference on Artificial Intelligence Development for a Resilient and Sustainable Tomorrow

AI Tomorrow 2023

herausgegeben von: Christian Zinke-Wehlmann, Julia Friedrich

Verlag: Springer Fachmedien Wiesbaden

Buchreihe : Informatik aktuell

Enthalten in: Springer Professional "Wirtschaft+Technik" , Springer Professional "Technik" , Springer Professional "Wirtschaft"

Inhaltsverzeichnis
insite
SUCHEN

Über dieses Buch

Künstliche Intelligenz ist ein Treiber der digitalen Transformation von Unternehmen, welche die gesamte Organisation, einschließlich ihrer Strukturen, Prozesse und Mitarbeitender berührt.Die AI Tomorrow Konferenz möchte die menschzentrierte Perspektive auf KI und ihren nachhaltigen Einsatz, im ökologischen wie auch ökonomischen und sozialen Sinne, stärker ins Zentrum des wissenschaftlichen Diskurses rücken.
Dies ist ein Open-Access-Buch.
Der Inhalt: Die Autor:innen beleuchten Aspekte der KI-Entwicklung und des Einsatzes. Nach einer Einführung zu Resilienz und Nachhaltigkeit von KI erscheinen die Beiträge entsprechend ihrer Zuordnung zu den Konferenzsessions:(I) Digital transformation of organizations or processes through AI(II) Opportunities of AI for society(III) AI supported knowledge management and learning(IV) Manufacturing and factories of the future
Die Zielgruppe: Wissenschaftler:innen und Interessierte aus dem Bereich der Angewandten Informatik

Inhaltsverzeichnis

Frontmatter
PDF

Open Access

Introduction
Zusammenfassung
Technologische Innovationen verändern die Art und Weise, wie Gesellschaften funktionieren. Sie bieten bspw. einen besseren Zugang zu Wissen, eine individuellere Produktentwicklung, ermöglichen es, neue Geschäftsfelder zu erschließen oder Bürokratie abzubauen. Folglich geht die digitale Transformation in Organisationen über die bloße Übernahme innovativer Technologien wie künstliche Intelligenz hinaus. Sie erstreckt sich auf die gesamte Organisation, einschließlich ihrer Strukturen, Prozesse und Mitarbeitender. Besonders kleine und mittlere Unternehmen (KMU) stehen von der Herausforderung diese Technologien zu adaptieren und Möglichkeiten zu finden, diese mit zu gestalten - oft fehlen hier aber die Ressourcen. Jüngste Entwicklungen wie die EU-Verordnungen über künstliche Intelligenz (KI) und Krisen wie unterbrochene Lieferketten, Fachkräftemangel und Klimawandel haben die Situation für Unternehmen noch schwieriger gemacht. Das Konzept der Industrie 5.0, das als nächster evolutionärer Schritt in der Entwicklung der Industrie angesehen wird, zielt darauf ab, diese Anforderungen zu erfüllen. Industrie 5.0 wird als zukunftssicherer, widerstandsfähiger, nachhaltiger und menschenzentrierter beschrieben. Menschenzentrierte Ansätze sollten als Haupttreiber und Innovationsfaktor für die Industrie 5.0 anerkannt werden. Ein menschenzentrierter Ansatz für die digitale Transformation erfordert, die Bedürfnisse und Interessen der Menschen stärker zu berücksichtigen anstatt alleinig auf die Technologie zu fokussieren. Das Ziel der AI Tomorrow Konferenz ist es, diesen Diskurs zu fördern, indem die nachhaltige und menschenzentrierte Perspektive der digitalen Transformation in den Mittelpunkt der wissenschaftlichen Diskussion gestellt werden. Die erste AI Tomorrow-Konferenz bot Wissenschaftler:innen unterschiedlicher Forschungsdisziplinen Raum, Herausforderungen und Ideen für die Zukunft der KI zu diskutieren.
Christian Zinke-Wehlmann, Julia Friedrich
PDF Zum Volltext

Open Access

Resilient and Sustainable AI. Positioning paper on the relation of AI, resilience and sustainability
Abstract
In the contemporary debate, surrounding the future of work and life, Artificial Intelligence (AI), resilience, and sustainability have emerged as pivotal concepts. Within the industrial realm, their collective convergence is driving unprecedented transformative shifts, challenging traditional paradigms. This positioning paper delves into the intricate interlinkages binding these three paradigms. Examples such as AI-driven automation, enhancing efficiency, and predictive maintenance, reducing machinery downtime, underscore the transformative role of AI in the industry. Meanwhile, an increasing emphasis on environmental responsibility highlights the growing importance of sustainability in the industrial sector. Resilience, embodied through the ability to withstand crises and maintain strong supply chains, is equally essential. The article also delves deep into the specific relations between AI, sustainability and resilience. By weaving these concepts together, the paper aims to provide a holistic perspective on the interconnectedness, emphasizing the need for a balanced approach in the modern industry to ensure not only technological advancement but also a resilient and sustainable future.
Christian Zinke Wehlmann
PDF Zum Volltext

Digital transformation of organizations or processes through AI

Frontmatter

Open Access

Developing a Human-centred AI-based System to Assist Sorting Laundry
Zusammenfassung
This paper presents the development of a human-centred AI system for the classification of laundry according to washing categories such as color and type. The system aims to provide a solution that is both accurate and easy to use for individuals with varying levels of technical expertise. The development process involved a human-centred approach, including user research and testing, to ensure that the system meets the needs and expectations of its users. The system uses a combination of computer vision techniques and machine learning algorithms to analyze images of dirty laundry and provide recommendations for the appropriate washing category.
In addition to the development of the system itself, this paper also focuses on the explanation of the AI. The aim is to increase transparency and promote understanding of how the system makes its decisions. This is achieved through the use of visualizations and explanations that make the inner workings of the AI more accessible to users.
The results of testing demonstrate that the system is effective in accurately classifying dirty laundry. The explanation of the AI has yet to receive more feedback, whether users report that it increased their trust in the system and find it easy to use. The development of a human-centered AI system for laundry classification has the potential to improve the efficiency and accuracy of laundry sorting while also promoting understanding and trust in AI systems.
Zusammenfassung. In diesem Beitrag wird die Entwicklung eines menschenzentrierten KI-Systems für die Klassifizierung von Wäsche nach Waschkategorien wie Farbe und Typ vorgestellt. Das System zielt darauf ab, eine Lösung zu bieten, die sowohl einfach wie auch möglichst genau für Personen mit unterschiedlichem technischem Fachwissen zu bedienen sein soll.
Das System nutzt eine Kombination aus Computer-Vision-Techniken und Algorithmen des Deep Learning, um Bilder von schmutziger Wäsche zu analysieren und Empfehlungen für die richtige Waschkategorie zu geben. Neben der Entwicklung des Systems selbst geht es in diesem Beitrag auch um die Erklärung der KI und das Aktive Lernen. Ziel ist es, die Transparenz zu erhöhen und das Verständnis dafür zu fördern, wie das System seine Entscheidungen trifft. Dies wird durch den Einsatz von Visualisierungen und Erklärungen erreicht, die den Nutzern die Funktionsweise der KI näher bringen. Durch das Aktive Lernen wird der Aufwand für das Annotierten der Daten verringert, welches für jede Wäscherei aufgrund unterschiedlicher Bedürfnisse erneut durchgeführt werden müsste.
Die Testergebnisse zeigen, dass das System in der Lage ist, bestimmte Attribute schmutziger Wäsche zuverlässig zu klassifizieren. Es sind zukünftig Nutzerstudien notwendig, welche überprüfen, ob das Sytem tatsächlich das Vertrauen in das System stärkt und es einfach zu bedienen ist. Die Entwicklung eines menschenzentrierten KI-Systems zur Wäscheklassifizierung hat das Potenzial, die Effizienz und Genauigkeit der Wäschesortierung zu verbessern und gleichzeitig das Verständnis und Vertrauen in KI-Systeme zu fördern.
Nico Rabethge, Franz Kummert
PDF Zum Volltext

Open Access

AI-Powered Knowledge and Expertise Mining in Healthcare from a Field Experiment
Abstract
With the increasing prevalence of mobile applications across various domains, there is a growing demand for individualised and self-adaptive learning pathways. This is particularly important in the mobile health sector, where there is a critical need to investigate how expert and experiential knowledge can be acquired, digitalised and formalised into data which is subsequently processed and further used. To address this demand, our research explores how Artificial Intelligence (AI) can power this process. We developed a prototype mobile application with a standardised learning pathway that features speech-language therapy exercises of varying levels of difficulty. In a 12-week field experiment involving 21 individuals with aphasia, we analysed the results using supervised and unsupervised algorithms. Our findings suggest that AI has the potential to generate new knowledge, such as identifying features that can determine which learning words are perceived as easier or more difficult on an inter-individual basis. This knowledge enables algorithmisation and the design of standardised (database-supported) artefacts, which in turn can be used to formulate self-adaptive and individualised learning pathways. This significantly enhances the development of effective mobile applications to assist speech-language therapy.
Julia Kauper, Susanne Franke, Felix Franke, Steven Grieshammer
PDF Zum Volltext

Open Access

Iterative Development of a Process-Oriented Approach for the Selection of Platform-Based Digital Services
Abstract
While the concept of digital platform (-ecosystems) for the provision of corresponding services has been met with great interest both in the broad re-search community and in practical application, process-based considerations for the selection of digital platform services, which are furthermore supported by artificial intelligence (AI), remain unexplored. However, it is precisely the customer processes in the context of the user experience that play a decisive role in the success of targeted platform solutions. Therefore, this paper describes the development of a method that is specifically focused on the process-based derivation of relevant services for digital, AI-based platforms. To develop our method, we draw on a focus group study that operates in the environment of a current research project for the development of an AI-based networking platform and thus enables a first evaluation of the developed method. With our current results, we are thus not only contributing to the knowledge base around digital platforms and ecosystems in connection with artificial intelligence but are also providing a useful action guide for developing these in practice.
Saskia Ramm, Pierre Grzona, Hagen Jung
PDF Zum Volltext

Opportunities of AI for society

Frontmatter

Open Access

Classification of Static Poses Based on Key Point Detection for Application of Incriminated Image Files
Zusammenfassung
The role of artificial intelligence, particularly in enhancing decision-making processes and facilitating automation, has become indispensable in today’s society. Law enforcement agencies have used the findings of this research for several years to analyze the ever-growing volumes of data. This approach owns an important role in the detection of child and adolescent pornography. Research conducted in this field has traditionally been dependent on the findings from skin filtering studies. However, some scientific publications and empirical studies reveal insufficient classification when using nudity levels. This work takes a more promising approach by leveraging the knowledge of an existing system and combining it with a homegrown model to improve the detection of incriminated image files. For this implementation, techniques from motion analysis were used to open up a new field of pose recognition.
Zusammenfassung. Die Rolle der künstlichen Intelligenz in Bezug auf ihre Individualität und Automatisierung ist in der heutigen Gesellschaft unverzichtbar geworden. Die Ergebnisse dieser Forschung werden seit einigen Jahren ebenfalls genutzt, um Strafverfolgungsbehörden bei der Analyse der ständig wachsenden Datenmengen zu unterstützen. Dieser Ansatz besitzt eine wichtige Rolle bei der Aufdeckung von Kinder- und Jugendpornografie. Bisherige Studien in diesem Bereich stützen sich größtenteils auf die Ergebnisse von Studien zur Hautfilterung. Einige wissenschaftliche Veröffentlichungen und empirische Studien zeigen jedoch, dass die Verwendung des Nacktheitsgrades keine ausreichende Klassifizierung ermög-licht. Diese Arbeit verfolgt einen vielversprechenderen Ansatz, indem sie das Wissen eines bestehenden Systems nutzt und es mit einem selbst entwickelten Modell kombiniert, um die Erkennung inkriminierter Bilddateien zu verbessern. Für diese Implementierung wurden Techniken aus der Bewegungsanalyse verwendet, um ein neues Feld der Posenerkennung zu erschließen.
Schönbrodt Antonia
PDF Zum Volltext

Open Access

Human Centered Implementation Process of AI in SMEs – Conditions for Success
Zusammenfassung
Die künstliche Intelligenz (KI) hat sich zunehmend in verschiedenen Bereichen des menschlichen Lebens etabliert. Jedoch geht die erfolgreiche Integration von KI-Systemen nicht ohne erhebliche Herausforderungen vonstatten. In Deutschland und Europa wurde die KI-Adoption durch Verzögerungen beeinträchtigt, besonders für kleine und mittelständische Unternehmen (KMU). Diese KMU bilden eine grundlegende Stütze der deutschen Wirtschaft, sehen sich jedoch spezifischen Hindernissen bei der KI-Einführung gegenüber. Ein vielversprechender Ansatz zur effektiven Ausgestaltung von KI-Systemen ist das Human Centered Design (HCD), welches den Menschen in den Vordergrund der KI-Entwicklung rückt. Dieser Artikel widmet sich der Analyse der KI-Einführung mit Schwerpunkt auf den Prinzipien des HCD, beleuchtet Defizite in vorhandenen Modellen und unterbreitet Empfehlungen für zukünftige Forschungsrichtungen. Das übergeordnete Ziel besteht darin, verantwortungsvolle und leistungsfähige KI-Systeme für diverse Anwendungsfelder zu fördern.
Die Implementierung von KI-basierten Assistenzsystemen oder KI-Anwendungen in Unternehmen steht häufig vor der Herausforderung, dass Mitarbeiter mit Skepsis auf derartige Projekte reagieren. Um Akzeptanz und Partizipation zu steigern, erweist es sich als förderlich, Mitarbeiter bereits im frühen Stadium der Konzeption und Implementierung einzubinden. Des Weiteren ist es ratsam, einen Verhaltenskodex für die KI-Anwendung zu etablieren, um das Vertrauen der Mitarbeiter zu gewinnen. Eine hohe Beteiligung der Mitarbeiter geht einher mit gesteigertem Engagement und Akzeptanz. Die Entwicklung von Qualifikationen und Kompetenzmodellen muss den Anforderungen des digitalen Zeitalters gerecht werden. Eine zentrale Rolle spielen hierbei multimodales Lernen und Prozessunterstützung zur Förderung lebenslangen Lernens. Reflexionsschleifen tragen zur Steigerung der Lernerfolge und der Mitarbeiterleistung bei. Die Einbindung der Mitarbeiter fördert die Akzeptanz und aktive Teilnahme.
Zusammenfassend betont der Artikel die Bedeutung des HCD und die Notwendigkeit, Mitarbeiter frühzeitig in den Prozess einzubeziehen, um erfolgreiche und akzeptierte KI-Systeme zu gestalten. Er skizziert Empfehlungen für die praktische Umsetzung und für künftige Forschungsrichtungen, mit dem Ziel, KI-Implementierungen wirkungsvoller zu gestalten und das Potenzial dieser Technologie voll auszuschöpfen.
Carolin Böhme, Claudia Graf-Pfohl, Katrin Meusinger
PDF Zum Volltext

AI supported knowledge management and learning

Frontmatter

Open Access

LLM-assisted Knowledge Graph Engineering: Experiments with ChatGPT
Zusammenfassung
Knowledge Graphs (KG) provide us with a structured, flexible, transparent, cross-system, and collaborative way of organizing our knowledge and data across various domains in society and industrial as well as scientific disciplines. KGs surpass any other form of representation in terms of effectiveness. However, Knowledge Graph Engineering (KGE) requires in-depth experiences of graph structures, web technologies, existing models and vocabularies, rule sets, logic, as well as best practices. It also demands a significant amount of work.
Considering the advancements in large language models (LLMs) and their interfaces and applications in recent years, we have conducted comprehensive experiments with ChatGPT to explore its potential in supporting KGE. In this paper, we present a selection of these experiments and their results to demonstrate how ChatGPT can assist us in the development and management of KGs.
Zusammenfassung. Wissensgraphen (englisch Knowledge Graphs, KGs), bieten uns eine strukturierte, flexible, transparente, systemübergreifende und kollaborative Möglichkeit, unser Wissen und unsere Daten über verschiedene Bereiche der Gesellschaft und der industriellen sowie wissenschaftlichen Disziplinen hinweg zu organisieren. KGs übertreffen jede andere Form der Repräsentation in Bezug auf die Effektivität. Die Entwicklung von Wissensgraphen (englisch Knowledge Graph Engineering, KGE) erfordert jedoch fundierte Erfahrungen mit Graphstrukturen, Webtechnologien, bestehenden Modellen und Vokabularen, Regelwerken, Logik sowie Best Practices. Es erfordert auch einen erheblichen Arbeitsaufwand.
In Anbetracht der Fortschritte bei großen Sprachmodellen (englisch Large Language Modells, LLMs) und ihren Schnittstellen und Anwendungen in den letzten Jahren haben wir umfassende Experimente mit ChatGPT durchgeführt, um sein Potenzial zur Unterstützung von KGE zu untersuchen. In diesem Artikel stellen wir eine Auswahl dieser Experimente und ihre Ergebnisse vor, um zu zeigen, wie ChatGPT uns bei der Entwicklung und Verwaltung von KGs unterstützen kann.
Lars-Peter Meyer, Claus Stadler, Johannes Frey, Norman Radtke, Kurt Junghanns, Roy Meissner, Gordian Dziwis, Kirill Bulert, Michael Martin
PDF Zum Volltext

Open Access

Foundations for the Development of an AI-based, Platformindipendent cOmpanion-app [for] Lifelong Learning-Optimization (APOLLO)
Zusammenfassung
In today’s knowledge society, the necessity for lifelong learning can be taken for granted. Hence, everybody will be facing the challenge of managing, organizing an optimizing the individual lifelong learning journey. Apart from teaching the essential methodological skills and abilities to enable lifelong acquisition of knowledge and skills, more and more guidance is needed to get an overview of the overabundance of learning content from diverse suppliers.
This paper elaborates on the the basic assumptions, analyses, and framework conditions for the development of an “AI-based, Platformindipendent cOmpanion-app [for] Lifelong Learning-Optimization” (acronym: APOLLO) as part of a 36-month funded project with kind financial support from the German Federal Ministry of Education and Training (BMBF) under coordination by the German Federal Institute for Vocational Education and Training (BIBB) as part of the innovation framework program “INVITE”. It outlines the project idea, describes the motivation and problem definition reflected in the educational domain as well as providing an overview of the current national and international state of research. All these aspects have been taken into consideration when defining the functional scope of the application.
Zusammenfassung. In der heutigen Wissensgesellschaft kann die Notwendigkeit zur Befähigung zum lebenslangen Lernen als gegeben angesehen werden. Abgesehen von der Vermittlung der essenziellen methodischen Fähig- und Fertigkeiten, um den lebens-langen Wissens- und Kenntniserwerb zu ermöglichen, ist aber auch immer mehr Lotsenhilfe beim Verschaffen eines Überblicks über das überbordende Angebot an Lerninhalten unterschiedlichster Anbieter nötig. Dieses Paper skizziert die grundlegenden Annahmen, Analysen und Rahmenbedingungen für die Entwicklung einer Ai-basierten, Plattformübergreifenden cOmpanian-app [für] Lebenslange Lern-Optimierung (Akronym: APOLLO) im Rahmen eines 36-monatigen Förderprojektes mit freundlicher Unterstützung des Bundesministeriums für Bildung und Forschung (BMBF) und unter Betreuung durch das Bundesinstitut für Berufliche Bildung (BIBB) als Teil der Förderricht-linie des Innovationswettbewerbs INVITE. Es umreißt die Projektidee, schildert die Motivation und Problemstellung im Bildungsbereich sowie den aktuellen nationalen und internationalen Forschungsstand, die zur detaillierten Spezifikation des Funktionsumgangs herangezogen wurde.
Dominik B. O. Boesl, Teresa Achtenberg, Lisa Bergler
PDF Zum Volltext

Open Access

Viability of Knowledge Management Practices for a Successful Digital Transformation in Small- and Medium- Sized Enterprises
Zusammenfassung
Diese umfassende Fallstudie taucht in das Gebiet des Wissensmanagements (KM) ein und dessen Anwendung bei Wiewald, einem Unternehmen, das sich auf die Planung und Gestaltung von Kompressorsystemen spezialisiert hat. Die Studie präsentiert eine umfassende Untersuchung verschiedener Dimensionen des KM und bietet strategische Empfehlungen, die auf Wiewald’s Digitalisierungsstrategie zugeschnitten sind.
Die Studie hebt die Bedeutung des KM im digitalen Zeitalter hervor, in dem die transformative Kraft der digitalen Revolution einen Paradigmenwechsel in der Fertigungsbranche herbeigeführt hat. Das Aufkommen des Internet-of-Things und der Zustrom von Massendaten haben den Übergang von Big-Data zu Smart-Data erforderlich gemacht, welche handlungsorientierten und aussagekräftigen Informationen repräsentiert. Es wird jedoch darauf hingewiesen, dass Organisationen das volle Potenzial von Smart Data möglicherweise noch nicht vollständig ausgeschöpft haben.
Die Fallstudie zieht Erkenntnisse aus empirischer Forschung mit malaysischen Fertigungsunternehmen heran und hebt die entscheidende Rolle der Integration des KM in Geschäftsprozessen hervor. Vier Dimensionen des KM werden identifiziert: Wissensschaffung und -erwerb, Wissensaustausch und -transfer, Wissensspeicherung und -ab- frage sowie Wissensanwendung. Diese Dimensionen sind miteinander verbunden und betonen die Bedeutung der Nutzung organisatorischen Wissens für effektive Innovationen.
Die akademische Literatur zum KM wird durch eine bibliometrische Analyse erforscht, um Lücken zu identifizieren und aktuelle Trends sowie aufkommende Techno- logien zu integrieren. Die Studie betont die Notwendigkeit, die Kluft zwischen praktischen Leitlinien für die Wissensanwendung in der Industrie und dem Stand des Wissensmanagements in der akademischen Forschung zu überbrücken.
In Zusammenarbeit mit Wiewald konzentriert sich die Studie auf die Entwicklung eines Kompressorsystem-Konfigurators, der dem Cheftechniker bei der Planung und Gestaltung neuer Systeme helfen soll. Durch Machbarkeitstests unter Verwendung historischer Daten wurden in der Vergangenheit Entscheidungsbaummodelle entwickelt, die basierend auf grundlegenden Anforderungen wahrscheinliche Entscheidungswege bestimmen können. Dieser Konfigurator zielt darauf ab, Vorschläge für gültige Systeme zu liefern und schnelle Reaktionen sowie hochwertige Entscheidungsfindung zu ermöglichen.
Für die Implementierung des Konfigurators wird ein Ansatz namens „Actionable Cognitive Twin“ (ACT) vorgeschlagen, der die Transparenz von Informationen, die Entscheidungsunterstützung und die Agilität verbessern soll, während er gleichzeitig die Beteiligung der Mitarbeiter an der Gestaltung von Geschäftsprozessen und die Förderung von Innovationen anregt. Die Implementierung von ACT umfasst die systematische Verwaltung von Wissen, die Integration von Ontologien und Wissensgraphen sowie den Einsatz datengetriebener Techniken wie Natural Language Processing und neuronalen Netzwerken.
Oluwatomiwa Oni-Orisan
PDF Zum Volltext

Manufacturing and factories of the future

Frontmatter

Open Access

Identification of Machine Learning Algorithms to Share Tacit Experimental Knowledge in Manual Production
Zusammenfassung
Die Babybommer-Generation der 1960er Jahre wird in den kommenden Jahren verrentet. Dadurch verlieren Unternehmen langjährige erfahrene Beschäftigte und auch deren Wissen, wenn nicht effiziente Lösungen gefunden werden, dieses zu identifizieren, zu speichern und zu transferieren. Dieser Herausforderung widmet sich das Forschungsvorhaben „KI_eeper – Know-how to keep“. Im Projekt wird erforscht, inwiefern künstliche Intelligenz Möglichkeiten eröffnet, um das implizite Erfahrungswissen von Beschäftigten automatisiert im Arbeitskontext zu erfassen, zu verarbeiten und zu transferieren. Aktuelle Ansätze des Wissenstransfers sind aufwendig und häufig auch mit hohen Kosten verbunden. Dabei hat jedoch eben das implizite Wissen große Relevanz für Unternehmen, welche für kleine und mittlere Unternehmen (KMU) noch stärker ausgeprägt ist.
Am Ende des Projektes soll ein digitales Assistenzsystem entstehen, welches das gesammelte und ausgewertete implizite Wissen von Erfahrungsträgern allen Beschäftigen zugänglich macht und diese somit bei der Ausführung ihrer Tätigkeiten bedarfsgerecht unterstützt. Dabei soll zunächst der Fokus auf Tätigkeiten in der Produktionsfertigung gelegt werden. Aufgrund der großen Vielfallt an Fertigungsverfahren und damit verbundenen unterschiedlichen Daten, soll eine allgemeingültige Lösung für Verarbeitung der Daten mittels der künstlichen Intelligenz gewählt werden. In dieser Veröffentlichung sollen ausgewählte Algorithmen betrachtet werden, welche für eine potenzielle technische Lösung verwendet werden können.
Christian Prange, Amin Beikzadeh, Holger Dander, Nicole Ottersböck
PDF Zum Volltext

Open Access

An Application of AI for Online Estimation of the Impact of Imperfections in Additive Manufactured Components
Zusammenfassung
Die bekanntesten Einsatzgebiete von künstlicher Intelligenz (KI) sind zurzeit Bild- und Sprachverarbeitungen. Im Gegensatz dazu liegt der Fokus hier auf dem Lernen komplexer Zusammenhänge in Produktionsprozessen: untersucht wird ein KI-Anwendungsfall, in dem die Qualität des Endproduktes basierend auf Prozessdaten, die während der Produktion erhoben werden, vorhergesagt wird. Mit Hilfe Neuronaler Netze wird die Belastbarkeit von additiv gefertigten Bauteilen in Echtzeit bewertet. Dazu werden Imperfektionen, wie z. B. Lufteinschlüsse im Bauteil, berücksichtigt, da diese einen erheblichen Einfluss auf die Qualität des Bauteils haben. Das heißt, basierend auf Prozessdaten des additiven Fertigungsprozesses werden potenzielle Imperfektionen im Bauteil detektiert und in eine dreidimensionale Repräsentation des Bauteils eingefügt. Mit Hilfe des trainierten Neuronalen Netzes werden dann Festigkeitskennwerte für das Bauteil bestimmt, die Aufschluss über die Qualität geben.
Zum Trainieren eines Neuronalen Netzes ist ein großer Trainingsdatensatz notwendig. Diese Daten für diesen Anwendungsfall experimentell zu generieren würde bedeuten, dass sehr viele Bauteile mit Imperfektionen gefertigt und anschließend geprüft werden müssten. Um diesen zeitaufwendigen und unwirtschaftlichen Prozess zu umgehen, werden Finite-Elemente-Simulationen zur Erstellung der Datenbasis genutzt. Das heißt, es werden Finite-Elemente-Modelle des Bauteils erzeugt, in die Imperfektionen künstlich eingebracht werden. Mit numerischen Simulationen können anschließend die Festigkeitskennwerte des Bauteils ermittelt werden. Da diese Simulationen zeitaufwändig sind, ist eine Echtzeit-Anwendung nicht möglich. Stattdessen trainieren wir mit den Ergebnissen der Simulationen ein Neuronales Netz, dass die Simulationsergebnisse vorhersagen soll. Ein solches Neuronales Netz kann dann während des Produktionsprozesses genutzt werden, um in Echtzeit die Auswirkungen der detektierten Imperfektionen auf die Qualität zu beurteilen. Dadurch können mangelhafte Bauteile aussortiert und eine gleichbleibende Qualität gewährleistet werden. Es ist sogar möglich, den Druck mangelhafter Bauteile abzubrechen, was Zeit und Ressourcen spart.
Denise Holfeld, Franziska Theurich, André Rauschert, Gregor Neumann, Falk Hähnel, Johannes Markmiller
PDF Zum Volltext
Metadaten
Titel
First Working Conference on Artificial Intelligence Development for a Resilient and Sustainable Tomorrow
herausgegeben von
Christian Zinke-Wehlmann
Julia Friedrich
Copyright-Jahr
2024
Electronic ISBN
978-3-658-43705-3
Print ISBN
978-3-658-43704-6
DOI
https://doi.org/10.1007/978-3-658-43705-3

Premium Partner

    Bildnachweise