Künstliche Intelligenz in der Automatisierung

ITS.ML: Intelligente Technische Systeme der nächsten Generation durch Maschinelles Lernen

01.08.2018 bis 31.07.2021

Ziel des Forschungsvorhabens ist es, maschinelles Lernen (ML) für Intelligente Technische Systeme (ITS) entlang der gesamten Wertschöpfungskette nachhaltig verfügbar zu machen. Dieses erfordert Entwicklung und Transfer neuester ML-Innovationen auf die in ITS zentralen Handlungsfelder, um ML-Technologien in die Produkte und in die Produktionsketten zu bringen, und umgekehrt das Bewusstsein der regionalen Unternehmen, wann und wie ML in agile Geschäftsmodelle und Produktionsketten integriert werden kann zu schärfen. Verbunden mit dem Fokus auf die aktuellen Anwendungsfelder: lernende Assistenzsysteme, kognitives Plug and Work, cognitive Optimierung und Qualitätsmanagement, Predictive Maintenance, sowie ML und 5G wird das Konzept von `ML as a service’ für ITS vorangebracht. Das Vorhaben kann auf von den regionalen kleinen und mittleren Unternehmen (KMU) hervorragend initiierten technischen Digitalisierungsstrategien und die ausgewiesene Exzellenz der beteiligten Partner in ML aufbauen, um den Schritt zu einer inhaltlichen Nutzung digitaler Daten durch ML zu realisieren.

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: Das Deutsche Zentrum für Luft- und Raumfahrt e.V. (DLR)
Förderkennzeichen: 01IS18041D
Förderlinien: KT 2020 - Softwareintensive eingebettete Systeme
Projektbeteiligte / Ansprechpartner: Anton Pfeifer, M. Sc., Christoph-Alexander Holst, M. Sc.
Projektmitarbeitende: Anton Pfeifer, M. Sc., Malte Schmidt, M. Sc.
Benedikt Eiteneuer, M. Sc.¹, Benedikt Eiteneuer, M. Sc., Nemanja Hranisavljevic, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann
Dimensionality Reduction and Anomaly Detection for CPPS Data using Autoencoder
In: 20th IEEE International Conference on Industrial Technology Melbourne, Australien, Feb 2019, Feb 2019
¹ Erstautoren
² Letztautoren
Classification of Faults in Cyber-Physical Systems with Complex-Valued Neural Networks
In: 2021 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Sep 2021
¹ Erstautoren
² Letztautoren
Malte Schmidt, M. Sc.¹, Malte Schmidt, M. Sc., Prof. Dr.-Ing. Volker Lohweg, Prof. Dr.-Ing. Volker Lohweg²
Interval-based Interpretable Decision Tree for Time Series Classification
In: Proceedings - 31. Workshop Computational Intelligence, Nov 2021
¹ Erstautoren
² Letztautoren
Gefördert durch
Projektträger