Referenzprojekte zum Thema Künstliche Intelligenz

Alltägliche Aufgaben in Produktionsunternehmen erfordern eine Vielzahl komplexer Informationen und spezifisches Fachwissen. Das schnelle Auffinden relevanter Informationen in komplexen Dokumenten ist durch (juristische) Fachsprache, zahlreiche Querverweise oder den schieren Umfang jedoch oft aufwändig und fehleranfällig. Damit sich solche Informationen schneller auffinden lassen bzw. komplexe Dokumente verständlich gemacht werden, hat das Fraunhofer IWU einen KI-Assistenten entwickelt, der Retrieval Augmented Generation (RAG) nutzt.

Viele kleine und mittelständische Betriebe kämpfen mit einem Mangel an Fachkräften und unzureichender Automatisierung ihrer Produktion. Die Folgen sind häufige Maschinenstillstände und Produktionsfehler. Gängige Überwachungslösungen sind oft kostspielig und nicht flexibel. ECC4P setzt genau hier an: Die Automatisierungslösung ist flexibel, kosteneffizient und ermöglicht die Aufzeichnung von Prozessdaten. ECC4P reduziert Ausschuss, senkt Prüfkosten und ermöglicht eine kontinuierliche Produktionsüberwachung in einem durchgängigen Datenraum mit geringen Latenzzeiten.

Ein am Fraunhofer IWU entwickelter Schnelltest ermöglicht die schnelle Bewertung der Prozessfähigkeit verschiedener Materialchargen. Der Schnelltest erfasst verschiedene Sensordaten, anhand derer mithilfe von Prognosemodellen eine Aussage über die Prozessfähigkeit getroffen werden kann. Die möglichst schnelle und kostengünstige Erstellung dieser Prognosemodelle ist Ziel des Projekts »ZeroWaste«.

Im Projekt »AUDIo - Auditlösung für ML-basierte, datengetriebene Dienstleistungen« wird eine praxisorientierte Lösung zum sicheren Umgang mit produktionsnahen (Maschinen-)Daten in verteilten Wertschöpfungsnetzwerken erarbeitet. Hierbei werden die Daten überprüfbar und manipulationssicher mittels Blockchain-Technologie gespeichert.

Im Fraunhofer-Leitprojekt »Heterogene, auslastungsoptimierte Roboterteams und Produktionsarchitekturen« (SWAP) wurden seit 2020 technologische Konzepte erforscht und umgesetzt, mit denen die Produktion der Zukunft flexibel gestaltet werden kann. Das Projekt schafft die Grundlagen für eine Fertigung mit modularen Einheiten, die kollaborieren und (teil)autonom produktiv zusammenarbeiten.

Grund für das Auftreten von Rissen während des Scherschneid-Kragenzieh-Prozesses sind stochastische Schwankungen durch Blechdickenunterschiede oder Werkzeugverschleiß. Diese Schwankungen können derzeit kaum oder nur bedingt bei der Prozessauslegung berücksichtigt werden. Das Projekt Data4Collar will durch die Entwicklung übertragbaren Wissens eine robuste Gestaltung der Werkzeugwirkflächen ermöglichen.

Reibungslose und effiziente Kommissionierungsprozesse sind eine wichtige Voraussetzung, um mit hoher Variantenvielfalt umzugehen und die Just-in-Time (JIT)-Produktion von Fahrzeugen zu ermöglichen. Unsere Softwarelösung AutoLog kombiniert modernste Robotik mit fahrerlosen Transportsystemen (FTS), um Kommissionierungsprozesse effizienter, flexibler und kostengünstiger zu gestalten.

Die fortschreitende Digitalisierung erzeugt stetig steigende Datenmengen, deren Nutzung erhebliche gesellschaftliche und ökonomische Potenziale bietet. GAIA-X – ein europäisches Projekt – bietet den Rahmen für eine vernetzte Dateninfrastruktur und die Schaffung eines digitales Ökosystems auf der Grundlage europäischer Werte. Das Projekt COOPERANTS (Collaborative Processes and Services for Aeronautics and Space) will Digitalisierungsprozesse in der Luft- und Raumfahrtbranche mithilfe von GAIA-X beschleunigen, um effizientere Formen für zukünftige Arbeitsmethoden und Prozesse über den gesamten Lebenszyklus von Raum- oder Luftfahrzeugen hinweg umzusetzen.

Steigenden Umweltbewusstsein sowie sich wandelnde gesellschaftliche Aspekte führen dazu, dass bestehende System- und Produktionskonzepte zukünftig noch stärker hinterfragt werden. Wirtschaftliche Krisen sorgen zudem dafür, dass neue und finanzstarke Anbieter auf den Markt treten, die den hochdynamischen Wandel von Technologien und Produkten beschleunigen und damit auch etablierte Unternehmen unter Druck setzen. Um diesem Druck standzuhalten, müssen insbesondere deutsche Unternehmen resiliente Produktionstechnologien und Digitalisierungsansätze etablieren. In verschiedenen Projekten wird die Entwicklung und Erprobung von Schlüsseltechnologien und methodischen Basiskonzepten verfolgt.

Das Presshärten ist eine Schlüsseltechnologie zur Fertigung crash-relevanter Bauteile in der Automobilindustrie. Die Auslegung des Presshärteprozesses ist aufgrund vieler unterschiedlicher Prozessparameter und Abhängigkeiten eine Herausforderung. Starre Prozessparameter und große Sicherheiten verhindern eine optimale Wertschöpfung. Am Fraunhofer IWU wurde eine Machine-Learning-basierte Prozessregelung entwickelt, um dies zu verbessern.