enableIT: Technologiegestützte Inklusion durch menschzentrierte Systemanalyse und Assistenz in der Industrie

Motivation

Digitale Assistenzsysteme zur Unterstützung von manuellen Mon- tage- und Verpackungstätigkeiten finden zunehmend Anwendung im industriellen Umfeld. Insbesondere im inklusiven Kontext haben sich die Systeme dabei als hilfreich erwiesen, um Menschen mit kognitiven Ein- schränkungen bei der Durchführung von variantenreichen Prozessen zu unterstützen. Die Systeme stellen dabei Prozessinformationen und An- leitungsinhalte in interaktiver Form zur Verfügung und sorgen so für eine kognitive Entlastung. Aktuelle Systeme bieten allerdings in der Regel nur eine statische Form der Assistenz. Dies resultiert in einer eingeschränkten Anwendbarkeit der Systeme, da die dargebotenen Informationen nicht an die individuellen Fähigkeiten und Bedürfnisse der Beschäftigten ange- passt sind. Im Rahmen des Projektes wird ein Assistenzsystem entwickelt, welches sich automatisch an die Fähigkeiten und Bedürfnisse sowie den Lernfortschritt der Anwender anpasst.

Herausforderungen

Bisherige Studien haben gezeigt, dass der Inhalt und der Umfang der dargebotenen Montageassistenz an die Fähigkeiten und Bedürfnissen des Nutzers angepasst sein soll- ten. Allerdings gibt es bislang keine Erkenntnisse darüber, wie Verände- rungen in der angebotenen Montageassistenz umgesetzt werden müssen, umeinoptimalesNutzungserlebnis zu erreichen. Um eine angemessene Klassifizierung des Lernfortschritts zu ermöglichen, sollen KI-Methoden ver- wendet werden. Allerdings müssen hierfür Modelle entwickelt werden, welche die besonderen Umstände korrekt abbilden. Weiterhin müssen Konzepte für die Anpassungen der Assistenz und deren Vermittlung ge- genüber dem Anwender entwickelt werden.

Forschungsaktivitäten

Im bisherigen Projektverlauf wur- den zwei projektionsbasierte Montage- assistenzsysteme aufgebaut, welche in die Produktionsumgebung der Integ GmbH integriert werden. Die bestehende Assistenzsoftware wurde um Funktionen zur stufenweisen An- passung der Assistenz erweitert. Im Zuge einer ersten Studie werden die Auswirkungen dynamisch veränderter Montageassistenz auf die Montage- zeiten und Fehlerraten sowie die Akzeptanz untersucht. Durch den Einsatz eines Eye-Tracking-Systems zur Erfassung der Augenbewegungen soll zudem die tatsächliche Verwen- dung der dargebotenen Assistenz- inhalte untersucht werden. Die aus der Studie gewonnen Daten werden weiterhin verwendet, um KI-basierte Modelle zu entwickeln, die zur auto- matischen Ermittlung des Lern- fortschritts und der Anpassung der Assistenz verwendet werden können.