Prediction on Industrial Processes through Explainable Artificial Intelligence (pipeAI)

Steckbrief

Call: FuE-Programm „Informations- und Kommunikationstechnik“
Projektleitung: Prof. Dr. Christian Janiesch
Projektbeteiligte: ROBUR Automation GmbH, SKZ – KFE gGmbH, Julius-Maximilians-Universität Würzburg 
Projektstart: 01.09.2020
Projektende: 31.08.2023
Fördervolumen: 772.000 Euro
Mittelgeber: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie (StMWi)

Zusammenfassung

Methoden des maschinellen Lernens werden seit längerem auf industrielle Daten angewendet, bspw. um Maschinenausfälle vorherzusagen. Ihre Effektivität hängt von der Zuverlässigkeit der Prognosen und der Akzeptanz durch den Anwender ab. Um die breite Nutzung von KI-Werkzeugen durch KI-unerfahrene Mitarbeiter zu fördern, widmet sich pipeAI dieser Problemstellung. Es werden im industriellen Kontext neue KI-Ansätze (z. B. GQNs) erprobt, unterstützt durch verbesserte Methoden zu Datenbereinigung und dem automatisierten Labeling. Weiterhin werden mit Explainable AI und aktiver Partizipation des Anwenders, bspw. beim Transfer Learning, KI-Werkzeuge nachvollziehbarer gemacht. Beispielhaft wird der Anwendungsfall Predictive Maintenance verfolgt. Die daraus resultierende Implementierung ist exemplarisch und verallgemeinerbar.