Methoden der künstlichen Intelligenz
Im Bereich „Künstliche Intelligenz“ konzentrieren wir uns insbesondere auf Softwaresysteme, die ihr Verhalten nicht klassisch regelbasiert einprogrammiert bekommen, sondern Zusammenhänge aus Daten und Erfahrung extrahieren und lernen. Unsere Gruppe "Methoden der Künstlichen Intelligenz" konzentriert sich insbesondere auf Techniken, die es uns ermöglichen, kommerzielle und industrielle Anwendungsfälle der Künstlichen Intelligenz zu adressieren, wie z.B. Unterstützungssysteme für die maschinenbauliche CAD-Konstruktion, Lernen von Parametern für CFK-Anwendungen (carbonfaserverstärkte Kunststoffe) aus Simulationen und Beobachtungen und Optimierung nach Nutzerwünschen, z.B. in intelligenten Energiesystemen. Um diese Ziele zu erreichen, bedarf es einer Mischung aus maschinellem Lernen und Optimierungstechniken, die wir als unsere beiden zentralen Säulen aktiv beforschen.
Aktuelle studentische Arbeiten (Abschlussarbeiten, Projektmodule, wissenschaftliche Hilfskraft) finden Sie hier.
- Telefon: +49 821 598 2211
- E-Mail:
- Raum 3051 (Gebäude N)
Aktuelle Themen
Maschinelles Lernen für CFK
Die Herstellung von kohlenstofffaserverstärktem Kunststoff (CFK) ist mit einer hohen Varianz der Einsatzstoffe konfrontiert. Wir nutzen maschinelles Lernen, um Qualitätssicherung und Prozesskontrolle für z.B. Harzinjektionsverfahren zu gewährleisten.
Transferlernen
Da in industriellen Anwendungen des maschinellen Lernens ein großes Datenvolumen fehlt, kombinieren wir simulierte und reale Daten mittels Transferlernen.
Intelligente Prozessautomatisierung
Viele wiederkehrende Aufgaben während der Fertigung können mit datengesteuerten Methoden automatisiert und unterstützt werden. Wir untersuchen neue Ansätze zur Analyse von Artefakten aus der Konstruktion.
Lernen im Umfeld Industrie 4.0
Wir untersuchen zeitreihenbasierte Ansätze zur Klassifizierung und Regression, die für Anwendungsfälle im Bereich Industrie 4.0 wie beispielsweise Condition Monitoring, Predictive Maintenance und Predictive Control entscheidend sind.
Optimierung unter Einschränkungen
Diskrete Optimierungsprobleme können oft formalisiert und mit hohem Abstraktionsgrad modelliert werden, bevor sie an konkrete Löser gesendet werden. Die Gruppe entwickelt eine Modellierungssprache für weiche Einschränkungen, sogenannte Soft Constraints.
DIENSTLEISTUNGEN
- Design, Entwicklung und Optimierung von maschinellen Lernsystemen
- Gemeinsame Forschungsprojekte in neuartigen Anwendungsbereichen der KI
- Einführungsvorträge zu Künstlicher Intelligenz und maschinellem Lernen
- Optimierung unter weichen Einschränkungen
Team
- Telefon: +49 821 598 2211
Institut für Software & Systems Engineering
Das Institut für Software & Systems Engineering, geleitet von Prof. Dr. Wolfgang Reif, ist eine wissenschaftliche Einrichtung in der Fakultät für Angewandte Informatik an der Universität Augsburg. Das Institut unterstützt sowohl Grundlagen- als auch angewandte Forschung in allen Bereichen der Software & Systems Engineering. In der Lehre ermöglicht es die weitere Entwicklung des relevanten Kursangebots von Fakultät und Universität.