Machine Intelligence Methodologies

  • Transfer neuartiger Technologien des maschinellen Lernens in Produktionskontexte
  • Erforschung generativer Modelle in der Produktion
  • Einsatz von Reinforcement Learning für die Produktionssteuerung
  • Datenbasierte Verfahren zur Prozessanalyse, -steuerung und –optimierung

Die Forschungsgruppe „Machine Intelligence Methodologies“ widmet sich dem Einsatz intelligenter Methoden und Systeme in der Produktion. Wesentliches Merkmal der Forschungsgruppe ist die Vereinigung von Informationstechnologie und Ingenieurwesen, unter Berücksichtigung sowohl aktueller Forschungsergebnisse als auch einem starken Bezug zur Praxis. Dabei werden insbesondere auch aufstrebende Methoden beleuchtet, deren Reifegrad den unmittelbaren Transfer in die Praxis noch erschwert. Die Steigerung des Reifegrads solcher Ansätze und die Nutzbarmachung für den Praxiseinsatz ist das erklärte Ziel der Gruppe. Dies umfasst beispielsweise die Entwicklung intelligenter Agenten zur Produktionsplanung und –steuerung mithilfe von Reinforcement Learning, die Anwendung bildbasierter generativer Modelle zur optischen Fehlervorhersage, oder die Erforschung vernetzter KI-Systeme über mehrere Schritte einer Wertschöpfungskette hinweg. Die Forschung an der Schnittstelle verschiedener Technologien wird dabei durch ein interdisziplinäres Team mit Wurzeln im Ingenieurwesen, der Informatik und den Naturwissenschaften ermöglicht.

Projekte

Impression photo
Flexibilisierung komplexer Ökosysteme durch demokratische KI-basierte Entscheidungs- und Empfehlungssysteme am Arbeitsplatz
2022 – 2025
Laufend
Cense Hanno Projekt
Dem Internet of Production (IoP) liegt die Vision zugrunde, ein neues Niveau der domänenübergreifenden Kollaboration im Produktionskontext zu ermöglichen, indem semantisch adäquate und kontextbezogene Daten aus Produktion, Entwicklung und Nutzung in Echtzeit und angepasster Granularität zur Verfügung gestellt werden.
2019 – 2025
Laufend
Kontakt Marco Kemmerling, M.Sc.Forschungsgruppenleiter
Raum
D 2.22
Telefon
+49 241 80 911-83

E-Mail
9E51D5Ce952C9A3647165D2B85A1224F