ViKIMon

Problemstellung

Die zunehmende Variantenvielfalt von Produkten und die steigende Komplexität der Arbeitsabläufe in der Montage stellen insbesondere kleine und mittlere Unternehmen (KMU) vor große Herausforderungen in der Qualitätssicherung. Konventionelle Qualitätsprüfverfahren zur Konformitätsbewertung der Produktqualität stoßen dabei an ihre Grenzen, da sie keine ausreichende Prüfabdeckung und -genauigkeit gewährleisten können. Die Integration von künstlicher Intelligenz (KI) bietet hier Potenzial zur Verbesserung, wird jedoch aufgrund fehlender Richtlinien zur Vertrauenswürdigkeit von KI-Systemen nur zögerlich adaptiert. Insbesondere die Unsicherheiten hinsichtlich Performanz, Zuverlässigkeit und Transparenz führen zu einem Vertrauensdefizit bei Anwendern, welches den Einsatz von KI-basierten Qualitätssicherungsmethoden in der Montage hemmt.

Zielsetzung

Das Forschungsvorhaben ViKIMon zielt darauf ab, die digitale Souveränität von kleinen und mittleren Unternehmen (KMU) bei der Anwendung von KI-basierten Qualitätsprüfungen im Anwendungsfeld der Montage signifikant zu erhöhen. Digitale Souveränität beschreibt in diesem Zusammenhang die Fähigkeit von Unternehmen, ihre Handlungs- und Gestaltungsfreiheit im Rahmen der digitalen Transformation zu bewahren. Um dies zu ermöglichen, wird eine Qualitätsmanagementmethode entwickelt, die die Anforderungen des europäischen Artificial Intelligence Act (AI-Act) als Grundlage nutzt und durch spezifische Stakeholder-Anforderungen (z. B. von Unternehmen und Monteuren) erweitert wird.

Vorgehensweise

Zu Beginn des Projekts werden die Anforderungen an vertrauenswürdige KI in der Qualitätsprüfung identifiziert. Dabei werden sowohl regulatorische Vorgaben aus dem Artificial Intelligence Act (AI-Act) als auch spezifische Anforderungen von Unternehmen und Monteuren systematisch erfasst. Experteninterviews und methodische Analysen wie das Kano-Modell helfen dabei, praxisrelevante Kriterien für eine vertrauenswürdige Gestaltung der KI-basierten Qualitätsprüfung zu definieren.

Darauf aufbauend wird eine digitale Infrastruktur zur Erfassung und Verarbeitung von Qualitätsdaten entwickelt. Hierbei entsteht ein hybrides Montagesystem, das Messdaten automatisiert erfasst und in ein intelligentes Prüfverfahren integriert. Diese Struktur bildet die Grundlage für eine zuverlässige und nachvollziehbare KI-gestützte Qualitätsbewertung.

Die Kernentwicklung des Projekts konzentriert sich auf die KI-basierte Qualitätsprüfung selbst. Dabei werden Algorithmen konzipiert, die eine hohe Präzision und Prüfabdeckung ermöglichen, gleichzeitig aber auch Erklärbarkeit und Transparenz gewährleisten. Ziel ist es, nicht nur technische Genauigkeit zu erreichen, sondern auch das Vertrauen der Anwender in die Systementscheidungen zu stärken.

Ein weiterer Schwerpunkt liegt auf der humanzentrierten Gestaltung der Mensch-Maschine-Interaktion. Die Benutzeroberfläche wird so entwickelt, dass Anwender die KI-Entscheidungen nachvollziehen und bei Bedarf eingreifen können. Dies stellt sicher, dass die Prüfsysteme intuitiv bedienbar sind und sich nahtlos in bestehende Arbeitsabläufe integrieren lassen.

Anschließend wird das entwickelte System in einer experimentellen Validierung getestet. In realitätsnahen Szenarien wird überprüft, ob die KI-basierte Qualitätsprüfung die geforderten Standards an Vertrauenswürdigkeit, Transparenz und Akzeptanz erfüllt. Die Ergebnisse aus diesen Tests fließen in eine iterative Optimierung der Methode ein.

Zum Abschluss wird das entwickelte Konzept in ein branchenneutrales IT-Tool überführt, das eine einfache und sichere Implementierung in der industriellen Praxis ermöglicht. Schulungen und Workshops unterstützen KMU dabei, die Technologie eigenständig zu nutzen und die digitale Souveränität im Umgang mit KI-basierten Qualitätssicherungssystemen zu stärken.

Diagramm zur Struktur eines KI-gestützten Prüfprozesses mit sechs Arbeitspaketen. Es zeigt drei vertikale Bereiche mit den Überschriften „Messmittel“, „Prüfeinrichtung“ und „Mensch“, jeweils mit einem zugehörigen Symbol. Darunter liegen sechs horizontale, grau hinterlegte Arbeitspakete. In der ersten Reihe befindet sich „AP1: Anforderungsdefinition“, das sich über alle drei Bereiche erstreckt. In der zweiten Reihe sind „AP2: Datenakquise“ unter „Messmittel“, „AP3: KI-System“ unter „Prüfeinrichtung“ und „AP4: Humanzentrierung“ unter „Mensch“ angeordnet. Die unterste Reihe zeigt „AP5/6: Experimentelle Validierung“ über alle Bereiche hinweg. Am unteren Rand des Diagramms befindet sich zusätzlich ein Kasten mit der Aufschrift „KI-Qualitätsmanagement“ und einem entsprechenden Symbol.

Forschungspartner

Förderhinweis

Das Vorhaben ViKIMon (Förderzeichen: Nr. 01IF23416N) der Gesellschaft für innovative Betriebsorganisation (GBO) e.V. – Joseph-von-Fraunhoferstraße 20, 44227 Dortmund - wird über den DLR im Rahmen des Programmes zur Förderung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) des BMWK gefördert.