KMU-innovativ Transferierbarkeit von KI Modellen in Fertigungsprozessen (Transfer-KI)

Motivation
In der metallverarbeitenden Industrie ist der Einsatz von Machine Learning (ML) entscheidend für die weitere Optimierung von Produktionsprozessen. Aktuell sind ML-Modelle oft spezifisch auf Einzelanwendungen zugeschnitten, was die Übertragbarkeit einschränkt und damit die Kosten besonders für kleine und mittelständische Unternehmen (KMU) in die Höhe treibt. Die zentrale Herausforderung bei der Übertragung ist der sogenannte „Domain Gap“, also der Unterschied in der Datenbasis zweier verschiedener Anwendungsszenarien. Transfer-KI adressiert diese Herausforderung mit hybriden Prozessmodellen, einer Kombination aus Simulation und datenbasierten Methoden. Somit werden KMU befähigt, KI-Methoden kosteneffizient einzusetzen.

Ziele und Vorgehen
Das Ziel des KMU-innovativ Projekts ist die Entwicklung eines methodischen Frameworks, welches die Übertragung vorhandener ML-Modelle auf neue Anwendungsszenarien erlaubt. Die Idee besteht darin, vorhandene Modelle zur Prognose von Produktionsprozessen mit Simulationswissen in einem neuen Rahmenkonzept zu kombinieren, so dass für neue Anwendungsszenarien nur noch wenige Trainingsdaten genügen („Few-Shot“-Anpassung). Das Framework wird in Form einer prototypischen Software implementiert und anhand zweier Anwendungsfälle aus der metallverarbeitenden Industrie validiert.

Innovationen und Perspektiven
Eine erfolgreiche Umsetzung zeigt sich in einem deutlich reduzierten Bedarf an Trainingsdaten zur Optimierung der KI. Dadurch sinken die Kosten pro ML-Modell und neue Modelle lassen sich schneller auf zusätzliche Produktionslinien, weitere Werke und neue Materialien ausrollen. KMU profitieren von höherer Prozessstabilität und können ihr Dienstleistungsportfolio erweitern. Zudem wird die Übertragbarkeit der Ergebnisse auf weitere Fertigungsbereiche angestrebt, etwa auf die Kunststoffverarbeitung, die Zerspanung und die additive Fertigung.

• Eichsfelder Schraubenwerk GmbH
• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• Schütz + Licht Prüftechnik GmbH
• Symate GmbH