Künstliche Intelligenz und Maschinelles Lernen

Definition

Im Zuge der Digitalisierung entstehen in vernetzten Anlagen, automatisierten Produktionssystemen und intelligenten Produkten große und heterogene Datenmengen. Methoden der Künstlichen Intelligenz und des Maschinellen Lernens helfen dabei, diese Daten zu analysieren, Muster zu erkennen und nutzbares Wissen für industrielle Anwendungen abzuleiten.

Ergänzend gewinnen generative und agentenbasierte KI-Systeme an Bedeutung, etwa für Assistenzsysteme, kontextbezogene Informationsverarbeitung und teilautomatisierte Workflows in Produktion, Engineering und Automatisierung.

Vision

Das Technologiefeld überbrückt die Lücke zwischen der dynamischen Entwicklung von KI-Technologien und den spezifischen Anforderungen industrieller Produktion. Ziel ist es, wissenschaftlich fundierte Ansätze für vertrauenswürdige, transparente und intelligente Fertigungssysteme zu entwickeln — in enger Zusammenarbeit mit der Industrie und zum Nutzen von Wirtschaft, Gesellschaft und Umwelt.

Schwerpunktthemen

  • Datenzentrierte und multimodale KI für industrielle Anwendungen
  • Machine Learning, Deep Learning und adaptive Lernverfahren
  • Generative KI, Large Language Models und Foundation Models
  • Agentic AI, KI-Agenten und Multi-Agentensysteme für Planung, Assistenz und Steuerung
  • Hybride KI durch Verknüpfung von Daten, Modellen und Domänenwissen
  • Computer Vision und KI-gestützte Bildverarbeitung
  • MLOps, Edge-Cloud-Architekturen und Integration industrieller KI-Systeme

Anwendungsfelder

  • Prozessüberwachung, Qualitätsprüfung, Anomalieerkennung und prädiktive Instandhaltung
  • Datengetriebene Prozessoptimierung sowie KI-gestützte Steuerung technischer Systeme
  • Assistenzsysteme für Produktion, Engineering, Inbetriebnahme und Service, einschließlich LLM- und agentenbasierter Systeme
  • Industrielle Bildverarbeitung, Mensch-Maschine-Kollaboration sowie Anwendungen in Robotik und Medizintechnik

Technologiefeldleitung

Mitglieder