Forschungsschwerpunkte
Im Rahmen des KI-Produktionsnetzwerkes sollen verschiedene thematische Schwerpunkte durch die beteiligten Partner erforscht werden. Diese Schwerpunkte stellen Schlüsselelemente der übergeordneten Vision einer KI-basierten Produktion dar. Die Forschungsschwerpunkte des KI-Produktionsnetzwerks lassen sich in die zwei Bereiche „Werkstoffe & Produktionstechnologie“ (verantwortet durch die Mathematisch-Naturwissenschaftlich Technischen Fakultät) sowie „Digitalisierung & Selbstorganisation“ (verantwortet durch die Fakultät für Angewandte Informatik) unterteilen.
Werkstoffe und Prozesstechnik
Der Bereich Werkstoffe & Produktionstechnologie umfasst den Einsatz von KI für werkstoff- und prozessnahe Themen. Dies beinhaltet die ganzheitliche Betrachtung von Produktionsprozessen und Wertschöpfungsnetzwerken angefangen bei Werkstoffentwicklung und Design. Durch den Einsatz künstlicher Intelligenz sollen Prozesse resilient gestaltet und datenbasiert optimiert werden.
Digitalisierung und Selbstorganisation
Der Bereich Digitalisierung & Selbstorganisation setzt den Fokus auf Methoden der künstlichen Intelligenz zur Digitalisierung von Werkstoffen, Produkten, Prozessen und Produktionsnetzwerken. Neben dem Konzept des Digitalen Zwillings sollen Methoden zur Selbstorganisation von Prozessen sowie die die Rolle des Menschen in einer KI-basierten Produktion erforscht werden.
Interdisziplinäre Modellierung
Ein interdisziplinäres Team erforscht Methoden, Technologien und Tools von der multiphysikalischen Simulation bis hin zu datenbasierten und hybriden Modellen gestützt durch maschinelles Lernen.
Resiliente Werkstofftechnologien und Wertschöpfungsnetzwerke
Um die Werkstoffe der Zukunft reproduzierbar und standortübergreifend in gleichbleibender Qualität herstellen zu können sind widerstandsfähige und anpassungsfähige technische Systeme notwendig.
Generative Designmethoden und Werkstoffentwicklung
Um das Potential generativer Designmethoden komplexer Materialien ausschöpfen zu können, werden Methoden der künstlichen Intelligenz genutzt. Diese helfen beim Verständnis komplexer Wirkzusammenhänge basierend auf Prozess- und Charakterisierungsdaten.
Lernende Fertigungsprozesse & Closed-Loop Produktion
Basierend auf Daten aus Prozess- oder Zustandsüberwachungssystemen sollen Fertigungsprozesse durch Methoden des maschinellen Lernens optimiert und darüber hinaus in Echtzeit selbstadaptiv geregelt werden.
Digitale Zwillinge für Produkt, Werkstoff, Prozess und Produktionsnetzwerk
Für die Umsetzung digitaler Technologien ist eine datengestützte Beschreibung von Objekten, Ressourcen und Prozessen notwendig. Digitale Zwillinge bilden die digitale Repräsentation des physischen Bauteil-, Anlagen- und Prozesszustands.
Human Centered Production Technologies
In einer KI-gestützten Produktionsumgebung ändert sich die Rolle des Menschen. Dabei soll die Souveränität des Menschen gesichert und seine Expertise sowie sein Potential zur Optimierung komplexer Vorgänge genutzt werden um so optimal mit den Produktionstechnologien zusammenzuarbeiten.
Selbstorganisierende Prozessroutenplanung
Vernetzte, modulare Fertigungszellen bilden die Infrastruktur eines Produktionsnetzwerks. Für eine optimale Auslastung sollen sich Anlagen selbst konfigurieren und autonome Systeme die Planung von Prozessrouten übernehmen.
Beteiligte Institutionen der Universität Augsburg
Institut für Mathematik
Das Institut für Mathematik entwickelt und verbessert Modelle zur Beschreibung industrieller Prozesse durch neue Algorithmen und Maschinelles Lernen.
Institut für Materials Resource Management
Mittels KI das Potential neuer nachhaltiger Werkstoffe auszuschöpfen und Prozesse intelligent zu überwachen – an diesen Lösungen arbeitet das Institut für Materials Resource Management.
Institut für Informatik
Das Institut für Informatik widmet sich der Verbesserung von digitalen Zwillingen und schafft menschenzentrierte Arbeitsplätze für die digitalisierte Welt der Industrie 4.0.
Institut für Software und Systems Engineering
Das Institut für Software and Systems Engineering entwickelt Verfahren der künstlichen Intelligenz für die Selbstorganisation von hochautomatisierten Anlagen.
Anwenderzentrum Material- und Umweltforschung
Mit seiner langjährigen Erfahrung im Wissenstransfer macht das Anwenderzentrum Material- und Umweltforschung das Know-how der Universität für Gesellschaft und Industrie als Ganzes nutzbar.