InDaS

Die Verbreitung moderner Informations- und Kommunikationstechnologien im Kontext von Industrie 4.0 sowie die technologische Befähigung zur systematischen, umfassenden Erfassung und Speicherung von Daten ermöglichen den Aufbau dynamischer Informations­speicher bisher unbekannter Größe und Güte. Die Interpretation und effiziente Nutzung des in diesen Datenspeichern implizit vorhandenen Wissens zur Entscheidungs- und Planungs­unterstützung rückt vermehrt in den Fokus produzierender Unternehmen.  Eine Auswahl an Verfahrensansätzen zur intelligenten und automatisierten Auswertung großer Daten­mengen stellen die Methoden des Maschinellen Lernens zur Verfügung. Diese ermöglichen es, bisher unbekannte Zusammen­hänge zu identifizieren, zu visualisieren sowie vor­handenes a priori Wissen zu überprüfen und zur frühzeitigen Prognose zu nutzen. Die so gewonnenen Erkenntnisse bilden in Kombination mit dem praktischen Erfahrungswissen der Mitarbeiter zukünftig einen wesentlichen Erfolgsfaktor für Unternehmen.

Vor diesem Hintergrund erfährt der unternehmensspezifische Einsatz und Gebrauch von Datenanalysemethoden zunehmende Aufmerksamkeit. Schwerpunkte in der industriellen Nutzung maschineller Lernverfahren bilden u.a. Anwendungsfälle wie die Produkt­familienbildung und Fertigungssegmentierung, die prozessbegleitende Prognose der Produktqualität sowie Problemstellungen im Bereich der prädiktiven Instandhaltung. Eine erfolgreiche und effiziente Bearbeitung dieser Anwendungsfälle setzt sowohl methodisches Know-How im Gebiet der Statistik und Informatik als auch aufgrund des oftmals technischen Bezugs der Anwendungsfälle ein fundiertes, ingenieurs­wissenschaftliches Domänenwissen voraus. Häufig mangelt es in Unternehmen jedoch an ausreichender Expertise, um diesen Herausforderungen begegnen zu können. Qualifiziertes Personal, welches sowohl den Einsatz maschineller Lernverfahren beherrscht als auch die speziellen Anforderungen von Unternehmen kennt sowie über ausreichendes Domänenwissen verfügt, um ingenieur­wissen­schaftliche Anwendungsfälle verstehen und erfolgreich lösen zu können, steht nur selten zur Verfügung.

In der Ausbildung des akademischen Nachwuchses sowie in der Weiterbildung von Fachkräften erhält diese Problemstellung nur selten oder unzureichend Aufmerksamkeit. Die Ausbildung im Bereich des Maschinellen Lernens erfolgt in der Regel fachspezifisch und fokussiert somit überwiegend die Vermittlung theoretischer Inhalte des Maschinellen Lernens, berücksichtigt jedoch nicht die praktische Umsetzbarkeit sowie die speziellen Rahmenbedingungen der industriellen Praxis.

Ziel des geplanten Forschungsvorhabens ist daher die Entwicklung eines innovativen Lehrkonzepts zur Qualifizierung des akademischen Nachwuchses und von Fachkräften aus der Industrie im Bereich des maschinellen Lernens. Insbesondere sollen die speziellen Herausforderungen produzierender Unternehmen berücksichtigt und den Teilnehmern so die notwendigen Kompetenzen zur Lösung maschineller Lernprobleme in der industriellen Praxis vermittelt werden.

Das Lehrkonzept soll dabei zwei wesentliche und innovative Merkmale integrieren. Einerseits eine praxisorientierte Wissensvermittlung im Bereich des maschinellen Lernens zur Lösung realer Problemstellungen in produzierenden Unternehmen und andererseits das Lernen in heterogenen Gruppen aus Studierenden der Statistik, Informatik und Ingenieurwissenschaft sowie Fachkräften der Industrie. Das Konzept wird damit dem Anspruch des höchstmöglichen Praxisbezugs gerecht sowie einen intensiven, fachüber­greifenden Austausch fördern. Zur Realisierung der geplanten Forschungsziele soll ein zweiteiliges Ausbildungsprogramm entwickelt werden, welches zunächst die Vermittlung theoretischer Inhalte des Maschinellen Lernens sowie des Datenmanagements fokussiert und im weiteren Verlauf die Anwendung dieser am Beispiel praktischer Anwendungsszenarien aus der Industrie evaluiert.

• Lehrstuhl für Computergestützte Statistik, Technische Universität Dortmund
• Lehrstuhl VI Datenbanken und Informationssysteme, Technische Universität Dortmund
• Institut für Produktionssysteme, Technische Universität Dortmund
• Fachbereich Maschinelles Lernen, Technische Universität Darmstadt

Dieses Forschungs- und Entwicklungsprojekt wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) im Rahmen des Programms "IKT 2020 - Forschung für Innovationen" gefördert und vom Projektträger Deutsches Luft- und Raumfahrtzentrum e.V. (DLR) betreut.

Bundesministerium für Bildung und Forschung (BMBF)

Deutsches Luft- und Raumfahrtzentrum e.V. (DLR) - Projektträger