Das Projekt bildet eine direkte Kollaboration zwischen dem Lehrstuhl für Werkzeugmaschinen und Steuerungen der Technischen Universität Kaiserslautern-Landau und dem Lehrstuhl Künstliche Intelligenz und intelligente Informationssysteme der Universität Trier. Beide Lehrstühle arbeiten im Rahmen des Projektes an folgenden Punkten: 

• Verbesserung der internen Vernetzung und Datennutzung: Entwicklung einer einheitlichen Plattform zur Integration von Daten aus allen Produktionsstufen, um den Informationsfluss zu optimieren und die Performance im Produktentwicklungsprozess zu steigern. Durch die Nutzung einer dynamischen Entscheidungsunterstützung soll die Wertschöpfung nachhaltig erhöht werden. 

• Integration von Nachhaltigkeitsfaktoren in Design und Produktion: Entwicklung formaler Methoden, die Aspekte wie Zeit, Material, Energie und Kreislaufwirtschaft in die Produktentwicklung und anschließende Produktionsphasen einbinden. Ziel ist es, Ausschuss zu minimieren, Ressourcen effizienter zu nutzen und die Nachhaltigkeit der Produktion zu fördern. 

• Identifikation von Optimierungspotenzialen im Designprozess: Analyse und Bewertung von Komplexitäten im Designentscheidungsprozess durch digitale Modelle wie Digitale Zwillinge. Dies ermöglicht eine dynamische Anpassung der Produktionsprozesse, basierend auf standardisierten Schnittstellen und aktuellen Kontextparametern. 

• Entwicklung eines hybriden, KI-gestützten Entscheidungsunterstützungssystems: Konzeption eines interaktiven Systems, das Produktdesigner mit erklärbaren KI-Empfehlungen und Simulationen unterstützt. Dieses System soll menschliches Fachwissen integrieren (Human-in-the-Loop), um Fehler zu vermeiden und den Designprozess zu optimieren. 

• Praktische Demonstration an einer realen Produktionslinie: Erweiterung einer bestehenden LKW-Montagelinie um Funktionen zur Entscheidungsunterstützung, basierend auf Federated Learning (FL) und Case-Based Reasoning (CBR). Ziel ist es, durch adaptive Qualitätskontrolle und nachhaltige Produktion ein praxisnahes Anwendungsszenario für die entwickelten Methoden zu schaffen. 

Der Produktentwicklungsprozess ist ein komplexer und iterativer Ablauf, der von der Konzeptphase bis hin zum finalen Prototyp reicht. Produktdesigner stehen vor zahlreichen Entscheidungen, die maßgeblich die Komplexität, Herstellbarkeit und den Ressourcenbedarf beeinflussen. Traditionell wird dieser Prozess hauptsächlich durch digitale Werkzeuge wie Datenbanken unterstützt und stark von den Erfahrungen der Designer aus früheren Projekten geprägt. 

Ein Ziel ist der Einsatz von Entscheidungsunterstützungssystemen (Decision Support Systems, DSS), um den Entwicklungsprozess zu optimieren und effizienter zu gestalten. Künstliche Intelligenz (KI) könnte hierbei als Schlüsseltechnologie erklärbare Entscheidungshilfen bieten. Trotz erster Ansätze zur Nutzung von KI in der Produktentwicklung befindet sich deren Anwendung noch in einem frühen Stadium. 

AP 1: Data Science – Produktdesign und Fertigungsprozesse:

Dieses Arbeitspaket untersucht maschinenlesbare Informationsmodelle und Prozessbeschreibungen zur automatisierten Rückverfolgbarkeit und Verbesserung von Produktentwicklungsprozessen. 

AP 2: Spezifikation des Interaktiven Entscheidungsunterstützungssystems:

Dieses Arbeitspaket konzentriert sich auf die Spezifikation des hybriden Interaktiven Entscheidungsunterstützungssystems, das den Kern des XDP-Opt-Projekts bildet. 

AP 3: Föderierte Lernmethoden für die Qualitätskontrolle:

Es werden FL-Methoden, eine spezialisierte Form des maschinellen Lernens, eingesetzt, um Qualitätsdaten zu sammeln. Ziel ist die Entwicklung eines globalen Modells mittels FL, das durch seine dezentrale Architektur die Vertraulichkeit der Daten gewährleistet. 

AP 4: Fallbasiertes System für Designentscheidungen:

Der Fokus liegt auf der Entwicklung eines CBR-Systems (Case-Based Reasoning), das vergangene Designentscheidungen erfasst und in Bezug auf deren Einfluss auf Fertigungsprozesse und Qualität wiederverwendet. 

AP 5: KI-gestützte Erforschung des Produktdesignraums:

Es wird untersucht, wie eine Komponente entwickelt werden kann, die dynamisch auf die Umgebung reagiert und basierend auf dem Designraum mögliche Optionen sowie Handlungsempfehlungen für Produktdesigner bereitstellt. 

AP 6: Bereitstellung und Verteilung von Daten:
 

Dieses Arbeitspaket befasst sich mit der Verteilung bestehender Daten und der Generierung zusätzlicher Daten basierend auf dem Anwendungsfall. Die Daten werden sowohl den SPP-Partnern als auch der Öffentlichkeit als Open Access zur Verfügung gestellt. 

AP 7: Entwicklung des Interaktiven Entscheidungsunterstützungssystems mit Demonstration und Evaluation:

Die Demonstration und experimentelle Bewertung des Gesamtkonzepts erfolgt anhand des Anwendungsfalls der LKW-Montagelinie in der SmartFactoryKL.