Forschungsprojekt Inspire
Das Forschungsprojekt INSPIRE fokussiert sich auf die Verbesserung der hybriden Entscheidungsunterstützung in der Produktentwicklung durch die Nutzung des Potenzials multi-modaler Daten, die aus Entwicklungs- und Produktionsprozessen stammen. Dieses Vorhaben ist in zwei Anwendungsfällen verankert: Das Design von Leiterplatten (PCB) und die Entwicklung von Mikro-Getriebekomponenten für Dentalwerkzeuge. Im Rahmen der Zusammenarbeit mit der Siemens AG und Dentsply Sirona wird dem Projekt INSPIRE ein umfassender Zugang zu ihren großen Mengen an multimodalen Daten gewährt. Diese Engineering Anwendungsfälle und ihre Daten sind maßgeblich für die Analyse der Ingenieursanforderungen bei der hybriden Entscheidungsfindung (z.B. in Bezug auf Erklärbarkeit, Zuverlässigkeit, Genauigkeit von hybrider Entscheidungsunterstützung), die Entwicklung eines neuen hybriden Entscheidungsunterstützungssystems (HDSS) auf der Basis von multimodaler KI und schließlich die Entwicklung von Integrationsmechanismen, um konventionelle und multimodale datengesteuerte Entscheidungsfindung in den Produktentstehungsprozessen und der IT-Werkzeuglandschaft zu kombinieren.
Ziele des Forschungsprojektes
- Entwicklung eines hybriden Entscheidungsunterstützungssystems (HDSS), das KI und menschliches Fachwissen kombiniert.
- Erstellung von Richtlinien für die Integration von KI-gesteuerten Systemen in technische Arbeitsabläufe.
- Einsatz von multimodaler KI zur Verarbeitung und Integration extremer, komplexer Daten.
- Schaffung eines übertragbaren Rahmens für die Entscheidungsfindung in technischen Kontexten.
Schwerpunkte des Forschungsprojekts
- Entwicklung hybrider Entscheidungsfindungssysteme (HDSS)
- Integration von multimodaler KI in die Technik
- Optimierung von Produktdesign und Produktionsprozessen
- Datengesteuerte Entscheidungsfindungssysteme für extreme Daten
Die Projektergebnisse werden die Produktentstehung zukünftig verbessern, ...
... indem sie KI und menschliches Fachwissen integrieren, multimodale Daten nutzen und effiziente, anpassungsfähige Entscheidungsfindungsrahmen ermöglichen.
Forschungsteam
Publikationen & relevante Vorpublikationen
| Titel | Autor | DOI | Status |
|---|---|---|---|
| Automated measuring of engineering progress based on ML algorithms | H. Ebel, R. Stark, A. Tsigkros | doi.org/10.1016/j.procir.2021.03.114 | published |
| Better Design through Shared Knowledge via Design Heuristics | G. Kremer, I. Peters, B. Bingoel, R. Stark | doi.org/10.1016/j.procir.2023.03.140 | published |
| In-Process Monitoring of Hobbing Process Using an Acoustic Emission Sensor and Supervised Machine Learning | V. Schiller, S. Klaus, A. Bilen, G. Lanza | doi.org/10.3390/a16040183 | published |
| Development of an adaptive quality control loop in micro-production | D. Gauder, J. Gölz, N. Jung, G. Lanza | doi.org/10.1016/j.compind.2022.103799 | published |
| Theoretical foundation to model design decisions for hybrid (Human / AI) decision support systems | E. Kempkens, A. Upadhyay, W. Zhongtian, R. Stark | doi.org/10.17619/UNIPB/1-2653 | published |
| Eine mathematische Beschreibung der Flankengeometrie geradverzahnter Kronenräder | E. Gindin, A. Bilen, G. Lanza | doi.org/10.1515/teme-2025-0033 | published |
Minimizing optical measurement time of micro spur gears through point cloud completion techniques | A. Bilen, M. Decman, F. Stamer, G. Lanza | doi.org/10.1088/1361-6501/ae1d9c | published |