Zusammen mit der NETZSCH Group haben wir LabV konzipiert, eine Schlüsselrolle bei dessen Entwicklung übernommen und es als Produkt auf den Markt gebracht, das Laboren hilft, ihre Daten besser zu nutzen:

• Datenaggregation: LabV führt Daten von Laborinstrumenten auf einer zentralen Datenmanagementplattform zusammen. Ein intelligenter Mapper wird verwendet, um die verschiedenen Datenformate zu verarbeiten und in einem homogenisierten Format zu speichern.
• Datenintegration: Die zusammengeführten Daten werden in Projekten organisiert und können mit anderen Datenquellen kombiniert werden. Dies ermöglicht es, Projektdetails aus ERP-Systemen zu beziehen oder Verknüpfungen zwischen den Labordaten und den zugehörigen MES-Daten herzustellen.
• Datenanalyse: Daten können innerhalb der Plattform gezielt gesucht und weitere Analysen durchgeführt werden, z.B. durch Hinzufügen statistischer Auswertungen oder grafischer Darstellungen.
• Datenaufbereitung: Projektergebnisse können mithilfe von Office-Vorlagen automatisch in Prüfberichte oder vergleichbare Dokumentationsformen exportiert werden.
• LLM-Unterstützung: Mithilfe des LabV-Assistenten können weitere komplexe Suchen und Analysen in den Daten mittels natürlicher Sprachbefehle durchgeführt werden. LabV integriert die Datenbank mit den Analysefunktionen von Wolfram Mathematica und ermöglicht die Nutzung von Dokumenten für weiterführende Recherchen.

Gemeinsam mit dem Bundesinstitut für Berufsbildung (BIBB) haben wir Lea-KI konzipiert und entwickelt, einen intelligenten Chatbot für die Leando-Plattform, der Prüfern und Berufsausbildern den einfachen Zugriff auf relevante Informationen und Bildungsressourcen ermöglicht.

• Unterstützung durch natürliche Sprache: Lea-KI ermöglicht es den Nutzern, über intuitive Gespräche mit der Plattform zu interagieren und schnell Antworten auf Fragen zur beruflichen Bildung, zu Prüfungsabläufen und zu aktuellen Entwicklungen zu finden.
• Leitlinien zu Vorschriften: Der Chatbot bietet einfachen Zugang zu Informationen über neue Vorschriften, aktualisierte Standards und relevante politische Änderungen und hilft den Nutzern so, über die neuesten Anforderungen in der beruflichen Bildung und im Bereich „ assessment “ auf dem Laufenden zu bleiben.
• Quellenbasierte Informationen: Lea-KI liefert zuverlässige Antworten, die durch Quellenangaben und offizielle Quellen untermauert sind, sodass Nutzer die Informationen überprüfen und Themen vertiefen können.
• Individuelle Wissenssuche: Auf der Grundlage der Fragen und Interessen der Nutzer empfiehlt das System relevante Themen, Dokumente und Ressourcen, die das kontinuierliche Lernen und die berufliche Weiterentwicklung fördern.
• Empfehlungen für Lernpfade: Die Nutzer werden zu weiteren Websites, Bildungsinhalten und strukturierten Lernpfaden weitergeleitet, wodurch eine nahtlose Verbindung zwischen der Informationsbeschaffung und der Kompetenzentwicklung hergestellt wird.

Durch die Kombination aus intelligenter Suche, vertrauenswürdigen Informationen und personalisierten Empfehlungen verbessert Lea-KI den Zugang zu Wissen im gesamten Ökosystem der beruflichen Bildung und unterstützt Ausbilder und Prüfer dabei, sich effizient in komplexen und sich ständig weiterentwickelnden Informationslandschaften zurechtzufinden.

In diesem Projekt wurde ein Scouting-Prozess durchgeführt, um eine Longlist von über 50 relevanten KI-Anwendungsfällen aus vier verschiedenen Branchen zu erstellen, die jeweils kurz nach definierten Kriterien beschrieben wurden.

‍

Ein besonderes Augenmerk lag auf Datenstrategien, die in anderen Branchen eingesetzt werden, wie Daten miteinander verknüpft sind und wie Unternehmen mit vor- und nachgelagerten Partnern entlang der Wertschöpfungskette zusammenarbeiten, um unternehmensübergreifende Plattformen zu schaffen.

‍

Sechs vom Kunden ausgewählte Anwendungsfälle wurden durch Deep Dives und qualitative Interviews eingehender untersucht.

Die Bestimmung geeigneter Einstellungen für Spritzgießmaschinen ist oft zeitaufwendig und erfordert manuelle Versuche oder komplexe Simulationen. Zusammen mit der Sick AG und dem Hong Kong Industrial AI and Robotics Centre (FLAIR) haben wir den AI-driven Molding Assistant (AIMA) entwickelt – eine Softwarelösung, die maschinelles Lernen nutzt, um Spritzgießprozesse mit minimalem manuellem Aufwand zu optimieren.

‍

Wesentliche Elemente des Projekts:

• Erfassung experimenteller Daten: Importieren von Datensätzen aus ersten Experimenten oder Simulationen, die Maschineneinstellungen und die daraus resultierenden Qualitäts-Key Performance Indicators (KPIs) enthalten.
• Training von ML-Modellen: Verarbeitung der Daten zum automatischen Training verschiedener ML-Modelle, die die komplexen Beziehungen zwischen Einstellungen und Produktqualität abbilden.
• Integration eines Optimierungsmoduls: Nutzung der trainierten Modelle in einem Modul, das die optimalen Maschinenparameter basierend auf gewichteten Qualitätszielen ermittelt.
• Anwendung zur Qualitätsvorhersage: Nutzung der ML-Modelle zur Vorhersage der Komponentenqualität für neue, ungetestete Maschineneinstellungen, wodurch weitere kostspielige Experimente vermieden werden.

Dadurch können optimale Maschinenparameter mit dem KI-gestützten Assistenten wesentlich schneller und effizienter bestimmt werden. Die Software vereinfacht und standardisiert den Optimierungsprozess, senkt die Hürden für den Einsatz statistisch fundierter Methoden und fördert so eine breitere Anwendung im Unternehmen.

‍

Erhalten Sie weitere Einblicke zu AIMA

‍

Gemeinsam mit WIN.DN und Sihl haben wir einen KI-gestützten Fehlerbehebungsassistenten für das Produktionswerk „Frieda“ entwickelt, der es den Mitarbeitern in der Produktion ermöglicht, über Gespräche in natürlicher Sprache auf betriebliches Wissen zuzugreifen.

• KI-gestützte Fehlerbehebung: Bediener können Maschinenprobleme in natürlicher Sprache beschreiben und erhalten prägnante, handlungsorientierte Empfehlungen zur Problemlösung.
• Wissensintegration: Die Lösung bündelt Informationen aus Schichtberichten, FMEA-Unterlagen, Fachliteratur und Projektdokumenten in einer einzigen dialogorientierten Benutzeroberfläche.
• Quellenbasierte Empfehlungen: Alle Antworten stützen sich auf dokumentierte Wissensquellen und enthalten Quellenangaben, um Transparenz und Glaubwürdigkeit zu gewährleisten.
• Kontinuierliches Lernen: Ein integrierter Lernzyklus ermöglicht es den Mitarbeitern, neues betriebliches Wissen einzubringen, das im Rahmen eines kontrollierten Governance-Prozesses geprüft und in die Wissensdatenbank aufgenommen wird.

Zusammen mit dem Hong Kong Industrial Artificial Intelligence & Robotics Centre (FLAIR) entwickelten wir in Zusammenarbeit mit verschiedenen Industriepartnern folgende KI-Lösungen:

• Chat mit Ihrem Dashboard: LLM-basierte Chat-Anwendung, die Fragen zu auf einem Dashboard visualisierten Daten beantworten kann. Zum Beispiel: Wie hoch war die durchschnittliche OEE in der letzten Woche? Gab es in der letzten Stunde eine Anomalie für Temperaturzone 1?
• KI-gestützte Ableitung von Produktionsparametern: Web-App, die das Training ausgewählter Modelle mit Daten aus einem Spritzgussprozess ermöglicht. Anschließend können die trainierten Modelle eingesetzt werden, um Produktqualitäts-KPIs aus den Einstellungen der Spritzgießmaschine vorherzusagen.
• Wartungsunterstützung: LLM-gestützte Anwendung, die ein allgemeines Verständnis von Verschleißkomponenten, deren Ausfallarten, Ursachen und den entsprechenden Wartungs- und Servicemaßnahmen besitzt, um Wartungspersonal anzuleiten und zu unterstützen.  
• KI-Assistent für Montageautomatisierungsingenieure: LLM-basierte Chat-Anwendung, die Automatisierungsingenieuren hilft, die richtige Maschinen- und Ausrüstungsauswahl beim Entwurf einer neuen Montagelinie zu treffen.