Intelligenter Technischer Systeme umfassen sowohl lernende Produkte als auch lernende Produktionssysteme. Produkte, wie z. B. Mobile Plattformen, Roboter oder Fahrzeuge, sammeln Daten und nutzen diese zur Optimierung ihres Verhaltens. Auch Produktionssysteme verwenden zunehmend Daten, um agiler auf neue Marktentwicklungen und Kundenbedarfe reagieren zu können und Produkte effizienter und umweltschonender zu produzieren.
„Um Intelligente Technische Systeme entlang der gesamten Wertschöpfungskette nachhaltig verfügbar zu machen, stellen Maschinelle Lernverfahren die Methode der Wahl dar“, erklärt Professor Dr. Volker Lohweg, Direktor am Institut für industrielle Informationstechnik der HS OWL. Das jüngst gestartete Forschungsvorhaben „it’s ML“ erarbeitet Lösungsansätze, um Lücken entlang der Wertschöpfungskette zu schließen und Maschinelle Lernverfahren (ML) als Service insbesondere für kleine und mittlere Unternehmen (KMUs) zu etablieren.
„Dieses erfordert die Entwicklung industriell geeigneter Verfahren des maschinellen Lernens“, erklärt Professor Dr. Oliver Niggemann, Verantwortlicher für die Organisation des Projektes „it’s ML“ am inIT und ergänzt: „gleichzeitig muss das Bewusstsein der regionalen Unternehmen geschärft und Wissen in der Industrie aufgebaut werden.“
Übergeordnetes Ziel des Projektes ist die wirtschaftliche Nutzung von Daten in der Industrie, die auf den von den regionalen KMUs initiierten technischen Digitalisierungsstrategien und der ausgewiesenen Exzellenz der beteiligten Partner aufbaut. „it’s ML“ wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und von einer Reihe von OWL-Hochschulpartnern getrieben. Die Projektleitung liegt bei Professorin Dr. Barbara Hammer (CITEC, Universität Bielefeld). Seitens des inIT sind Professor Dr. Oliver Niggemann (Organisation) und Professor Dr. Volker Lohweg beteiligt. Das darauf aufbauende und beantragte Kompetenzzentrum stellt ergänzend dazu Services und Forschungsschwerpunkte im Zuge der Digitalisierung in den Fokus und erarbeitet Lösungen, die sich über mehrere Branchen hinweg als zentrale Herausforderungen ergeben und für die maschinelles Lernen eine Methode der Wahl darstellt.