Ausgangslage:

Künstliche Intelligenz (KI) gilt als eine der wesentlichen Schlüsseltechnologien unserer Zeit und birgt als solche ein erhebliches volkswirtschaftliches Potenzial. Obgleich die Potentiale von KI offensichtlich scheinen, gibt es bislang nur wenige wissenschaftliche Arbeiten, die versuchen, einen gesamtheitlichen Überblick über die verschiedenen Anwendungsmöglichkeiten von KI im Produktionsumfeld zu geben. Ferner fehlt es bestehenden Übersichten oftmals an Trennschärfe, Konsistenz und Vollständigkeit. Viele produzierende Unternehmen tun sich demnach immer noch schwer, die Fülle an potentiellen KI-Anwendungsmöglichkeiten und zugrundeliegenden algorithmischen Konzepten zu durchdringen und daraus nutzbringende Use Cases für das eigene Unternehmen abzuleiten. Im Rahmen eines aktuellen, vom BMBF geförderten Großprojekts soll daher u.a. eine strukturierte Übersicht über potentielle KI-Anwendungsfälle in der Produktion erarbeitet werden.

Aufgabenstellung:

Ziel dieser Projektarbeit ist es, eine systematische Literaturübersicht zu erstellen, die sämtliche existierenden KI-Anwendungen im Produktionsumfeld in strukturierter Form zusammenträgt und anhand geeigneter Kriterien analysiert. Dies bildet wiederum die Basis, um ein Klassifikationsschema sowie Rückschlüsse auf bestehende Forschungsschwerpunkte und -lücken abzuleiten.

Eine beispielhafte Aufgabenstellung wäre wie folgt:

  • Einarbeitung in die Grundlagen der Methoden der KI, insb. Verfahren des Maschinellen Lernens (ML)
  • Auswahl und ggf. Anpassung einer geeigneten Vorgehensweise zur Erstellung einer systematischen Literaturübersicht
  • Planung und Durchführung einer systematischen Literaturübersicht zu vorhandenen Anwendungen und potenziellen Einsatzmöglichkeiten von KI im Produktionsumfeld
  • Abhängig von Art und Umfang der Arbeit soll nicht nur zu KI-Anwendungsfällen in der Produktion recherchiert, sondern auch die Literaturanalyse selbst unter Anwendung von Python und passenden KI-Methoden effizienter gestaltet werden:
    • Verwendung von Python-Packages wie litstudy o.ä. zur teilautomatisierten, Python-Skript-basierten Literaturanalyse anstelle von Excel
    • Einbezug von geeigneten Text-Mining-Methoden oder Large Language Models (z.B. ChatGPT), um die Vielzahl an produktionsbezogenen KI-Publikationen zeiteffizient und (teil-)automatisiert auszuwerten
  • Ableitung eines allgemein anwendbaren Klassifikationsschemas zur Einordnung von KI-Anwendungen in der Produktion, ggf. in Form eines Knowledge Graphs
  • Auswertung und Diskussion der Ergebnisse sowie Ableitung von Handlungsempfehlungen für zukünftige Forschungsaktivitäten

Beginn, Umfang und genaue Schwerpunktsetzung erfolgen nach Absprache und persönlichem Interesse. Möglichkeit der Einarbeitung wird gegeben. Nähere Informationen gerne auf Anfrage via Webkonferenz.

Hinweise und Bewerbung:

  • Forschung im Trendthema Industrie 4.0, KI und ML
  • Begeisterung für IT-nahe Themen vorausgesetzt, zielgerichtete Einarbeitung anhand von Vorarbeiten und Online-Kursen möglich
  • Bearbeitung aus dem Homeoffice; regelmäßige Absprachen via Webkonferenz
  • Bewerbungen bitte mitsamt Lebenslauf und aktueller Fächerübersicht an andreas.mayr@faps.fau.de

Weiterführende Literatur:

  • Seifert, I., et al. Potenziale der Künstlichen Intelligenz im produzierenden Gewerbe in Deutschland: Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) im Rahmen der Begleitforschung zum Technologieprogramm PAiCE—Platforms| Additive Manufacturing| Imaging| Communication| Engineering. 2018. Verfügbar unter: https://www.bmwi.de/Redaktion/DE/Publikationen/Studien/potenziale-kuenstlichen-intelligenz-im-produzierenden-gewerbe-in-deutschland.pdf
  • Mayr, A., D. Kißkalt, M. Meiners, B. Lutz, F. Schäfer, R. Seidel, A. Selmaier, J. Fuchs, M. Metzner, A. Blank und J. Franke. Machine Learning in Production – Potentials, Challenges and Exemplary Applications [online]. Procedia CIRP, 2019, 86, 49-54. ISSN 22128271. Verfügbar unter: https://doi.org/10.1016/j.procir.2020.01.035
  • Heldens, S., Sclocco, A., Dreuning, H., van Werkhoven, B., Hijma, P., Maassen, J., & van Nieuwpoort, R. V. (2022). litstudy: A Python package for literature reviews. SoftwareX20, 101207.

Ansprechpartner:

Andreas Mayr, M.Sc., M.Sc.