Wie kann künstliche Intelligenz die Qualität in der Produktion zuverlässig sichern – auch wenn nur wenige Daten vorliegen und Fehler selten auftreten? In der aktuellen Ausgabe der „Bergischen Wirtschaft“ geben Dr.-Ing. Richard Meyes, Leiter des Forschungsbereichs Industrial Deep Learning am TMDT, und Jan Voets, Doktorand am TMDT, Einblicke in die Potenziale und Anforderungen KI-gestützter Qualitätssicherung.

Deep Learning mit Domänenwissen verbinden

Der Beitrag stellt einen Ansatz vor, der Deep Learning mit anwendungsnahem Domänenwissen verbindet. Im Mittelpunkt steht eine für produzierende Unternehmen zentrale Frage: Wie lassen sich Abweichungen frühzeitig erkennen, Ausschuss reduzieren und Prüfprozesse effizienter gestalten, ohne KI als bloße Black Box einzusetzen?

Besondere Herausforderungen entstehen dort, wo nur begrenzte Datenmengen zur Verfügung stehen oder Fehlerfälle selten sind. Der vorgestellte Ansatz greift diese Bedingungen auf und rückt das Zusammenspiel von KI-Methoden und Wissen über den konkreten Produktionsprozess in den Fokus.

Vertrauenswürdige Integration in Produktionsprozesse

Aus Sicht des TMDT hängt der Nutzen industrieller KI nicht allein von der Leistungsfähigkeit einzelner Modelle ab. Ebenso entscheidend sind belastbare Daten, ein klar definierter Anwendungsfall und eine vertrauenswürdige Einbindung in bestehende Produktionsprozesse.

Der Beitrag in der „Bergischen Wirtschaft“ macht diese Perspektive für die unternehmerische Praxis zugänglich und unterstützt damit den Transfer wissenschaftlicher Erkenntnisse in die regionale Wirtschaft.

Zusammenarbeit im Projekt LAISERWELD

An der zugrunde liegenden Arbeit wirken seitens des TMDT Dr.-Ing. Richard Meyes, Dr.-Ing. Hasan Tercan und Jan Voets mit. Die Zusammenarbeit im Projekt LAISERWELD verbindet das TMDT mit der Ruhr-Universität Bochum, der LMB Lasermaterialbearbeitungs-GmbH und der Digitalagentur shetani.