Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Projekte › KIProQua: Mensch-KI-Partnerschaft für die proaktive Qualitätskontrolle in der industriellen Fertigung am Beispiel der Wertschöpfungskette der Produktion des elektrischen Antriebsstrangs für die E-Mobilität

Projekt

KIProQua: Mensch-KI-Partnerschaft für die proaktive Qualitätskontrolle in der industriellen Fertigung am Beispiel der Wertschöpfungskette der Produktion des elektrischen Antriebsstrangs für die E-Mobilität

Abgeschlossen

Information

Projektdaten

Titel
KIProQua: Mensch-KI-Partnerschaft für die proaktive Qualitätskontrolle in der industriellen Fertigung am Beispiel der Wertschöpfungskette der Produktion des elektrischen Antriebsstrangs für die E-Mobilität
Projektleitung
Scheele, Stephan M.
Einrichtung
Beteiligte Personen
Scheele, Stephan M.
Eirich, Joscha
Beginn
01.11.2021
Ende
30.04.2025
Kategorie
Sonstiges

Projektbeschreibung

Akronym
KIProQua
Beschreibung

Mit einem human-in-the-loop Ansatz des maschinellen Lernens soll die Identifikation komplexerer Wirkzusammenhänge für die Produktqualität ermöglicht werden, die über aktuelle Ansätze der rein statistischen Anomalieerkennung in einzelnen Prozessabschnitten (Datensilos) hinausgehen. Durch explizite Nutzung von Expertenwissen sowie interaktive Korrekturen sollen adaptive Qualitätsmodelle generiert werden, die nicht nur lokale Informationen verwenden, sondern auch komplexe relationale Abhängigkeiten abbilden und so zur globalen Optimierung der Prozesssteuerung beitragen. Durch Ansätze der erklärbaren KI (XAI) wird somit Transparenz und Nachvollziehbarkeit der gelernten Modelle gewährleistet. Somit wird ein Beitrag zur Akzeptanz und gerechtfertigtem Vertrauen in das KI-System geschaffen. Als exemplarischer Anwendungsfall wird die Produktionskette des elektrischen Antriebsstrangs betrachtet. Ziel ist die Entwicklung eines interaktiven Dashboards, das auf innovativen Methoden des erklärenden interaktiven Lernens basiert. Damit wird die Erkennung komplexer Wirkbeziehungen in der Qualitätsbeurteilung ermöglicht und in Konsequenz die Produktionseffizienz gesteigert sowie Ausschüsse minimiert.

Forschungsgebiet
Interactive Learning
Anomaly detection
AI
XAI
Kowledge Graph
Machine Learning
Root-Cause Analysen
Stichwörter
Interactive Learning
Anomaly detection
Cooperation
AI
XAI
Kowledge Graph
Machine Learning
Root-Cause Analysen

Förderung

ForschungsfördererProgrammFördersummeFörderdauerFörderkennzeichen
Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und EnergieBayVFP Förderline Digitalisierung274,11 €01.11.2021 - 31.10.2024DIK-2104-0028// DIK0382/02

Partnerschaften

Projektpartner*innenProjektnameArt der Partnerschaft
BMW AG - MünchenKIProQuaKooperationspartnerschaft

Publikationen

Permalink: https://fis.uni-bamberg.de/handle/uniba/60573 · Daten als JSON

Datenstand: 16.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.