Projektbeschreibung

Eine der größten Herausforderungen in der modernen Elektronikproduktion ist die steigende Komplexität von Fertigungsprozessen, insbesondere getrieben durch immer kleinere Dimensionen und zunehmende Funktionalitätsintegration. Zahlreiche Einflussparameter und deren Wechselwirkungen bestimmen die Produktqualität und werden durch konventionelle Methoden immer schwerer beherrschbar. Klassische Machine Learning-Ansätze, die auf reiner Mustererkennung und Korrelation basieren, stoßen hier an ihre Grenzen, wenn es um die Identifikation tatsächlicher Ursache-Wirkungs-Beziehungen geht. Causal Machine Learning (Causal ML) stellt hingegen einen ganzheitlichen Ansatz dar, der es ermöglicht, kausale Zusammenhänge präzise zu quantifizieren und gezielt zu beeinflussen.

Das Verbundvorhaben X|CausePro verfolgt einen innovativen Ansatz zur Überwindung dieser Herausforderungen. Durch die synergetische Kombination von Large Language Models (LLMs), kausalem maschinellen Lernen und einer eventbasierten Dateninfrastruktur sollen nicht nur die Einstiegsbarrieren für kausale Analysen in der Produktion gesenkt, sondern auch nachhaltige Verbesserungen in Produktqualität und Prozesseffizienz erzielt werden.

Im Zentrum des Forschungsvorhabens steht die Entwicklung  Methodik, die das Domänenwissen der Elektronikproduktion mithilfe von LLMs automatisiert in Kausalgraphen transformiert. Dieser innovative Ansatz ermöglicht es, verteiltes Expertenwissen aus verschiedenen Quellen zu zentralisieren und formalisieren und durch die Analyse von Produktionsdaten bisher unentdeckte Kausalzusammenhänge zu erschließen. Die Integration in ein speziell für die Fertigung konzipiertes Causal ML-Framework mit Low-Code-Funktionalität und einem intelligenten LLM-Assistenzsystem wird auch Domänenexperten ohne tiefgreifende KI-Kenntnisse den Zugang zu fortschrittlichen kausalen Analysemethoden eröffnen.

Das dreijährige Projekt  wird in einem starken Konsortium aus Forschung und Industrie realisiert. Gemeinsam mit den Partnern Ancud IT-Beratung GmbH, PRÜFREX engineering e Motion GmbH & Co. KG und der Schäffler AG sowie den assoziierten Partnern embedded ocean GmbH und Valeo Schalter und Sensoren GmbH arbeiten wir an Lösungen, die Unternehmen helfen, den Paradigmenwechsel hin zu kausal fundierten, datengetriebenen Entscheidungsprozessen in der Produktion erfolgreich zu vollziehen.