Industrial Deep Learning
KI-gestützte Fehlererkennung in der Bauteilinspektion mit unserem Annotationswerkzeug Catalyst
KI-Methoden, die in realen Anlagen funktionieren - nicht nur auf Benchmarks.
Wir entwickeln Deep-Learning-Verfahren für die Industrie: zuverlässig unter sich verändernden Prozessbedingungen, dateneffizient bei knappen Labels, erklärbar für die Menschen, die mit ihnen arbeiten. Wir publizieren auf den Top-Venues der KI-Forschung und validieren unsere Methoden direkt in der Produktion unserer Partner.
Wer wir sind
Industrial Deep Learning ist ein Forschungsbereich am TMDT mit 15 Doktorandinnen und Doktoranden und drei Postdocs. Unsere Arbeit steht auf zwei Säulen, die sich gegenseitig tragen: wissenschaftliche Substanz (Beiträge auf international führenden Konferenzen) und Industrie-Tiefe (Kooperationen, in denen unsere Methoden den Weg vom Prototyp in den produktiven Einsatz gehen). Die eine Säule schafft die methodische Glaubwürdigkeit, die Partner überzeugt. Die andere liefert die realen Probleme und Daten, die unsere Forschung erst möglich machen.
Unsere Schwerpunkte
Visual Perception & Understanding
In industrial environments, seeing is not enough
Automatisierte Schaderkennung an Güterwagen
Vision-Modelle, die mehrdeutige Szenen interpretieren, mit knappen Daten zurechtkommen und ihre Entscheidungen erklären. Von industrieller Inspektion über Automotive-Perception bis Medienforensik.
→ Mehr erfahren
Temporal Representation & System Understanding
The behavior of industrial systems is encoded in their sensor signals.
Erklärbare Qualitätsabschätzung im Schweißprozess in Echtzeit
Zeitliche Modelle, die Systeme überwachen, ihren Zustand bewerten und Anomalien erkennen. Von Schweißprozessen über Glasfertigung bis Hochwasservorhersage.
→ Mehr erfahren
Sequential Decision Making & Planning
Real-world planning problems are dynamic and full of constraints.
Energiekostenoptimierte Maschinenbelegung durch Reinforcement Learning
Lernende Systeme, die in großen Suchräumen Lösungen finden und schnell auf veränderte Bedingungen reagieren. Von Produktionsplanung in der Luftfahrt bis Mensch-Roboter-Kooperation.
→ Mehr erfahren
Vom Benchmark in die Anlage
LAIserWeld-Laseranlage im Aufbau, reales Anlagenfoto
Unser Anspruch endet nicht beim akademischen Datensatz. Wir validieren unsere Methoden an realen industriellen Systemen gemeinsam mit unseren Partnern, unter echten Bedingungen. Ausgewählte Kooperationen:
- Glasfertigung: Online-Qualitätsprognose bei Saint-Gobain Sekurit, seit Jahren im laufenden Produktionsbetrieb.
- Schweißtechnik: Inline-Qualitätsvorhersage für das Lichtbogenschweißen, validiert auf realen Prozessdaten der FEF Aachen.
- Automotive-Perception: Radar- und LiDAR-Objektdetektion in mehrjähriger Kooperation mit dem Tier-1-Zulieferer Aptiv.
Forschung und Sichtbarkeit
Wir publizieren auf international führenden Konferenzen der KI- und Anwendungsforschung. Ausgewählte Beiträge:
- Effiziente 3D-Objektdetektion für Edge-Hardware - Best Paper Award, ICCV-2025-Workshop
- Qualitätsvorhersage beim Lichtbogenschweißen mit diskreten Repräsentationen - CIKM 2024 & CIKM 2025
- Deep Reinforcement Learning für Maschinen-Scheduling: eine Übersicht aus 143 Arbeiten - Journal of Manufacturing Systems
- Predictive Quality in der Fertigung von Windschutzscheiben - KDD 2023
Zusammenarbeit
Sie kommen aus der Industrie? Von der ersten Problemskizze bis zum produktiven Einsatz, in geförderten Verbundprojekten ebenso wie in direkten F&E-Aufträgen.
→ Zur Industrie-Seite
Sie wollen promovieren oder bei uns mitarbeiten?
→ Zu offenen Stellen oder Abschlussarbeiten
