Forschung

Künstliche Intelligenz und Maschinelles Lernen

 

Definition

Im Zuge der Digitalisierung generieren vernetze Anlagen und intelligente Produkte immer größer werdende Datenmengen. Mit Methoden der Künstlichen Intelligenz, insb. dem Maschinellen Lernen, ist es möglich, diese Daten gewinnbringend zu analysieren und daraus Wissen zu generieren. Das Wissen muss wiederum so repräsentiert und vernetzt werden, dass bestehende Datensilos aufgebrochen, eine durchgängige Datenintegration hergestellt und benutzerfreundliche Anwendungen realisiert werden können.

Vision

Das Technologiefeld unterstützt die Industrie dabei, die verschiedenen Potentiale der KI, insb. des Maschinellen Lernens, zu identifizieren und zu erschließen. Darüber hinaus dient es dem lehrstuhlinternen Wissenstransfer.

Schwerpunktthemen

  • Smarte Sensorik und Signalverarbeitung
  • Kommunikationsstandards (u.a. OPC UA, MQTT)
  • Datenmanagement und Datenbanksysteme (u.a. SQL, NoSQL)
  • Edge-Cloud-Architekturen und IIoT-Plattformen
  • Datenaufbereitung und explorative Datenanalysen
  • Machine Learning, Deep Learning (u.a. Convolutional Neural Networks) und Reinforcement Learning
  • Generative AI (u.a. Large Language Models wie ChatGPT, GANs)
  • Semantische Technologien (u.a. Knowledge Graphs, Semantic Web)

Anwendungsfelder

  • Datengetriebene Optimierung im Industrie 4.0-Umfeld (z.B. Predictive Maintenance, Predictive Quality, Machine Vision)
  • Wissensbasierte Assistenzsysteme im Engineering (z.B. constraintbasierte Konfiguratoren)
  • KI-Systeme im Smart Home und medizintechnischen Anwendungen (z.B. Objekterkennung und Umgebungssegmentierung)

Technologiefeldleitung

Mitglieder