KI zur Stärkung der Metallindustrie in NRW

Förderzusage für Projekt GenSATIOn-Edge - KI für industrielle Edge-Sensorsysteme

Anfang Juli überreichte NRW-Staatssekretärin Silke Krebs die offizielle Förderzusage im Innovationswettbewerb NEXT.IN.NRW an das Team von »GenSATIOn-Edge«. Damit fiel zugleich der Startschuss für das NRW-Projekt, bei dem das Fraunhofer IMS gemeinsam mit starken Partnern aus Wissenschaft und Industrie arbeiten wird.

Die Echtzeit-Ausfallvorhersage für industrielle Anwendungen wie Fräsmaschinen mittels KI: So lässt sich das übergeordnete Ziel des Projekts GenSATIOn-Edge zusammenfassen. Mit dieser Idee erhielt das Projekt-Team Anfang Juli die offizielle Förderzusage des Projektträgers Jülich. Mit dem Wettbewerb »NEXT.IN.NRW« unterstützt die Landesregierung innovative und zukunftsweisende Vorhaben von Unternehmen und Forschungseinrichtungen aus den Bereichen Kultur, Medien, Kreativwirtschaft, KI und IKT.

In den kommenden drei Jahren und mit einer Gesamtförderung von 1,7 Millionen Euro wird das Fraunhofer IMS als Projektkoordinator zusammen mit der GED Gesellschaft für Elektronik und Design mbH, der Hochschule Ruhr-West, der R&R-Formentechnik und Formtec GmbH ein intelligentes Sensorsystem mit lokaler Datenanalyse entwickeln. Dieses wird direkt an industriellen Anwendungen wie beispielsweise einer Fräsmaschine angebracht werden. 

Effiziente Produktionsüberwachung durch selbstlernende KI-Algorithmen

Das System soll in der Lage sein, die Produktionsprozesse mittels Fehlerdiagnose und -prognose mit Hilfe von Deep-Learning-Algorithmen zum selbstüberwachten Lernen zu überwachen. Eine der größten Herausforderungen wird es sein, Merkmale zu identifizieren, die während der Produktion zu erhöhtem Verschleiß führen. Daher wird regelmäßig auch das Expertenwissen der Maschinenoperatoren in die Algorithmen einfließen (Human-in-the-Loop-Pipeline).

Ziel des Projektes ist es auch, diese speicher- und rechenintensiven neuronalen Netze besonders ressourceneffizient und auf kleinsten Mikrocontrollern ausführbar zu machen. Die Optimierung solcher selbstlernender KI-Modelle hat ein CO2-Einsparungspotenzial in Höhe des Faktors 400. [1]

Weitere Infos zu ersten Projektergebnissen folgen.

[1] Hao, Training a single AI model can emit as much carbon as five cars in their lifetimes: Deep learning has a terrible carbon footprint. Abgerufen am [08.08.2022], von https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes.