Index

Um die Produktqualität in komplexen, verketteten Fertigungsprozessen nachhaltig zu optimieren, werden datengetriebene Ansätze benötigt, die über reine Mustererkennung hinausgehen und tatsächliche Ursache-Wirkungs-Beziehungen identifizieren können. Konventionelle KI-Modelle stoßen hierbei oft an ihre Grenzen, da sie umfangreiche, hochwertige Datensätze voraussetzen und anfällig gegenüber Daten- und Konzeptdrift sind. Gleichzeitig erschwert die funktionale Trennung zwischen Datenwissenschaftlern und Domänenexperten eine effektive Nutzung vorhandener Analysemethoden.

Das Forschungsprojekt AQuIS erforscht eine Methodik zur datengetriebenen Qualitätsoptimierung durch die synergetische Kombination lokaler Open-Source-Sprachmodelle mit autonomen Agentensystemen. Im Kern steht die Entwicklung eines Multiagentensystems, das durch domänenspezifisch trainierte LLM-Agenten qualitätsbezogene Fragestellungen selbstständig analysiert und Six-Sigma-Verfahren auf Prozessdaten anwendet. Halluzinationen und Verzerrungen werden dabei systematisch durch Ensemble-Modelle, Self-Consistency-Checks und kontinuierliches Feedback minimiert. Eine ereignisgesteuerte Architektur ermöglicht die skalierbare Echtzeit-Verarbeitung heterogener Produktionsdaten, während eine intuitive Schnittstelle zur natürlichsprachlichen Qualitätsanalyse die Brücke zwischen Datenwissenschaftlern und Domänenexperten schlägt. Das interdisziplinäre Konsortium validiert das System in drei komplementären Anwendungsfeldern (Medizintechnik, Automotive-Elektronik und Zerspanungssoftware), wodurch branchenübergreifend übertragbare Methoden zur KI-gestützten Qualitätsoptimierung etabliert werden.

Die fortschreitende Miniaturisierung und die steigenden Anforderungen an Ressourceneffizienz, Leistungsfähigkeit und Variantenvielfalt stellen die Elektronikindustrie vor Herausforderungen. Traditionelle Leiterplattentechnologien stoßen hinsichtlich Materialeinsatz, Prozesskette und Umweltverträglichkeit dabei an ihre Grenzen. Hier kommen Mechatronic Integrated Devices (3D-MID) ins Spiel, die durch räumliche Integration auf Leiterplattenebene kompakte elektronische Systeme mit hoher Funktionsdichte ermöglichen. Die dreidimensionalen, elektrisch isolierenden Grundköper werden im Stand der Technik über Metallisierungsverfahren wie die Laser Direk Strukturierung oder Prozessen der additiven Fertigung mit Leiterbahnen versehen und anschießend mittels Bestück- und Fügeprozesse zu funktionalen Baugruppen aufgebaut. Während die Anforderungen an elektronische Baugruppen zu höhere Strömen und Temperaturen steigen,  ist die 3D-MID Technologie aktuell noch auf temperatursensitive Kunststoffe und Verfahren mit geringen Metallisierungsstärken beschränkt. Durch das Projekt CeraClad soll diese Lück durch die Qualifizierung des Laserpulverauftragschweißen (LPAS) für die schnelle, flexible und direkte Erzeugung leitfähiger Strukturen auf dreidimensionalen Keramiksubstraten geschlossen werden.

Im Projekt CeraClad (FKZ 01IF23410N) beforscht der Lehrstuhl FAPS in Kooperation mit dem Laserzentrum Hannover (LZH) und einem aus 14 Unternehmen, davon 8 KMUs, bestehenden projetbegleitenden Ausschuss (PbA) im Rahmen der industriellen Gemeinschaftsförderung (IGF) über 2 Jahre die Metallisierung keramischer Substrate, wobei im ersten Schritt ein zweistufiger Metallisierungsprozess mit niedrigschmelzender Kupfer-Phosphor-Haftvermittlungsschicht und elektrisch funktionalisierender Kupferschicht etabliert werden soll. Aufbauend wird im zweiten Schritt die Bestückung der resultierenden Schaltungsträger mit elektronischen Bauelelementen betrachtet, sodass zum Ende des Projektes ein Technologiedemonstrator resultiert.

Eine der größten Herausforderungen bei der Entwicklung interdisziplinärer Systeme ist die Komplexität, die mit der Anzahl der Teilsysteme, Disziplinen, Technologien sowie deren Verknüpfungen und Abhängigkeiten zunimmt. Bei mechatronischen Systemen ist der Abstimmungs- und Synchronisationsaufwand zwischen den Entwicklungsarbeiten der verschiedenen Fachdisziplinen wie Mechanik, Elektronik und Software besonders ausgeprägt. Modelbasiertes Systems Engineering (engl.: „Model-based Systems Engineering”, MBSE) stellt einen ganzheitlichen Ansatz zur umfassenden Modellierung, Koordination und Parallelisierung dar, der zur Beherrschung der Komplexität beiträgt und damit das Ziel einer verbesserten Ressourcennutzung im Engineeringprozess unterstützt. Der Entwurf von Systemen erfolgt dabei nicht wie traditionell über Dokumente, sondern auf Basis maschinenlesbarer Modelle, die typischerweise in Form der UML (Unified Modeling Language) oder SysML (Systems Modelling Language) erstellt werden. Trotz der zahlreichen Vorteile ist das MBSE in der Praxis noch nicht zureichend verbreitet. Dies liegt insbesondere an den hohen Einstiegshürden im Mittelstand, die u.a. durch die Vielzahl und Komplexität der Verwendbarkeit von Diagrammtypen, deren Erstellung, Verwaltung und kontinuierliche Weiterentwicklung notwendig sind, um ein entsprechendes System vollständig beschreiben zu können.

Das Forschungsprojekt LLM-SE sieht das Potenzial und verfolgt das Ziel, durch die Einführung von Large Language Models (LLM), die derzeit durch Bild- und Textverarbeitungsverfahren besondere öffentliche Aufmerksamkeit erfahren, Einstiegsbarrieren abzubauen und gleichzeitig die Entwicklungseffizienz und -qualität in der MBSE zu steigern. Dazu wird ein an der Philosophie und Struktur der MBSE orientiertes Assistenzsystem unter Anwendung von Large Language Modellen zur Teilautomatisierung des Engineeringprozesses mechatronischer Systeme von der Anforderungsanalyse bis zur virtuellen Inbetriebnahme entwickelt. Dieses soll Benutzereingaben wie Anforderungen und Anpassungen interpretieren, durch die Verfügbarkeit von unternehmensspezifischen Produktkatalogen, historischen Projektdaten und Best Practices in individuelle, modellbasierte Lösungen transformieren und diese durch geeignete Validierungs- und Verifizierungsmechanismen absichern. Dadurch werden eine deutliche Effizienzsteigerung der Planungsprozesse sowie eine frühzeitige Fehlerreduktion und -vermeidung durch automatisierte Verifikation und Validierung erreicht. Dies vereinfacht die Koordination und reduziert den operativen Aufwand in Engineering-Projekten und versetzt den bayerischen Mittelstand im Sondermaschinenbau in die Lage, die Transformation vom dokumentengetriebenen Engineering zum durchgängig digitalen MBSE zu bewältigen.

Motivation
Schaltschränke sind entscheidend für die sichere und effiziente Steuerung elektrischer Systeme. Sie werden individuell ausgelegt und gefertigt. Dabei erfolgen Auslegung und Montage der Einbauten sowie die Prüfung überwiegend manuell. Das ist zeitaufwendig und erfordert qualifiziertes Fachpersonal, das zunehmend knapp wird. Die Endkontrolle ist ein wesentlicher Schritt, um Qualität und Sicherheit von Schaltschränken zu gewährleisten und langfristige Zuverlässigkeit zu sichern. Bisher gibt es keine Möglichkeit, individuell konfigurierte Geräte automatisiert zu prüfen. Durch die Entwicklung eines automatisierten Prüfsystems könnten einzelne Schaltschränke zuverlässig, schnell und mit deutlich geringerem Personalaufwand geprüft werden.

Ziele und Vorgehen
Ziel des KMU-innovativ Projekts ProTekt ist die Entwicklung eines flexiblen, selbstlernenden Prüfsystems zur automatisierten End-of-line-Prüfung von Schaltschränken. Als Kernelemente sollen dazu ein System zur automatischen optischen Inspektion (AOI) basierend auf klassischer Bildverarbeitung und maschinellen Lernverfahren sowie ein System zur vollautomatischen Kontaktierungsprüfung mit einem kollaborativen Roboter entwickelt werden. Neben der elektrischen Kontaktierung soll mit dem Robotersystem auch geprüft werden, ob alle Elemente fest verbaut sind. Schließlich soll ein Softwaresystem entwickelt werden, das basierend auf den Projektdaten die anzuwendenden Normen und Vorschriften identifiziert, die Daten für die AOI bereitstellt und automatisiert ein Prüfprogramm für die Kontaktierungsprüfung generiert.

Innovationen und Perspektiven
Bei erfolgreicher Umsetzung des Projekts können künftig in Einzelstückfertigung hergestellte Schaltschränke automatisiert geprüft werden. Dies ist deutlich weniger personal- und zeitintensiv und trägt zur Steigerung der Produktqualität und -sicherheit bei. Die Technik ist auf andere elektrische Großgeräte übertragbar und bietet daher großes Potential für KMU in der Einzelstück- bzw. Kleinserienfertigung.

Projektpartner
Das dreijährige Projekt wird gemeinsam mit unseren Partnern Mangelberger Elektrotechnik GmbH und E. Braun GmbH durchgeführt. Projektträger ist der PTKA. Weitere Informationen zur Fördermaßnahme finden Sie hier: https://www.zukunft-der-wertschoepfung.de/projekte/kmu-innovativ-praezisionsrobotik-fuer-das-testen-von-elektrischen-grossgeraeten-protekt/

Mobilitätseinschränkungen haben weitreichende Folgen für den Alltag der Betroffenen und führen neben der körperlichen Einschränkung häufig auch zu psychischen Problemen. Der Rollstuhl stellt für die Betroffenen die einzige Möglichkeit dar, am täglichen Leben teilzunehmen. Aufgrund von Funktionseinschränkungen der oberen Extremitäten, beispielsweise durch eine Querschnittlähmung, können jedoch nicht alle Menschen mit Behinderung einen klassischen Rollstuhl bedienen. Auch die Bedienung eines elektrisch angetriebenen Rollstuhls ist davon betroffen. Neben körperlichen Einschränkungen können auch unzureichende motorische oder kognitive Fähigkeiten ein Hindernis für die selbstständige Nutzung eines Rollstuhls darstellen und damit die Teilhabe am täglichen Leben einschränken. 

Ziel von EMGRoll ist die Erforschung eines Sensorkits, das durch die Kombination von EMG-Signalen und Sensoren zur Umgebungserfassung eine intuitive und assistierte Steuerung von elektrisch angetriebenen Rollstühlen ermöglicht. Basierend auf der Erkenntnis, dass bei den meisten querschnittgelähmten Patienten noch eine neuronale Verbindung zwischen Gehirn und Muskeln besteht, hat das n-squared lab unter Leitung von Prof. Dr. Alessandro Del Vecchio ein Brain-Machine-Interface entwickelt. Dieses soll in EMGRoll auf die unteren Extremitäten erweitert werden, um die Bewegungsintention der Beine zu messen und an die Steuerung des Rollstuhls weiterzugeben. Um die Bewegungsintention intelligent an die Umgebung anzupassen, soll die vom Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) unter Leitung von Prof. Dr. Jörg Franke entwickelte autonome Navigation für Rollstühle genutzt werden, um eine geteilte Steuerung des Rollstuhls zwischen Nutzer und intelligenter Maschine zu erforschen. 

Weltweit leiden 50 Millionen Menschen unter neuromotorischen Beeinträchtigungen der Hand aufgrund einer Rückenmarksverletzung oder eines Schlaganfalls. Infolgedessen sind diese Menschen in den Aktivitäten des täglichen Lebens enorm eingeschränkt. Es wurde bereits gezeigt, dass Neuroorthesen die Hände gesunder Menschen bewegen können. Allerdings gibt es noch Forschungs- und Entwicklungsbedarf, um einzelne Finger einer gelähmten Hand zu bewegen. Das Projekt GraspAgain zielt mit einer intelligenten Neuroorthese darauf ab, die Handfunktion von Menschen mit neuromuskulären Einschränkungen wiederherzustellen. Das Projekt umfasst zwei Forschungsschwerpunkte: ein nichtinvasives Brain-Machine-Interface und eine Mechatronik. Ein interdisziplinäres Projektteam mit hoher Fachexpertise kann bereits auf gemeinsame Vorarbeiten zurückgreifen. Wir sind der Überzeugung, mit GraspAgain ein revolutionäres Produkt erschaffen zu können, das Menschen mit Handbeeinträchtigungen wieder ein unabhängigeres Leben ermöglichen soll.

Das Forschungsprojekt „Kicks4Edge“ zielt darauf ab KMU dazu zu befähigen ihre Produktion und Prozesse mithilfe von Cloud-Edge-Technologien zu digitalisieren. Hierfür fördert das Projekt die Interoperabilität von heterogenen Produktions- und Steuerungssystemen sowohl durch Konnektivität und Schnittstellen als auch durch neue Software- und Serviceangebote für offene industrielle Edge-Systeme und digitale Geschäftsmodelle. Außerdem soll ein offenes „Industrial Edge Ökosystem“ gefördert und gepflegt werden.

Produzierende Unternehmen können sich für ein Starter Paket (Industrial Edge Test Kit) bewerben und bekommen im Rahmen von Workshops den Umgang mit dem Starter Paket beigebracht. Anschließend können die Unternehmen mit einem Starter Paket verschiedene Edge-Anwendungsfälle bei sich ausprobieren und valideren.

Im Anschluss an diese Testphase führt der Lehrstuhl FAPS in Kooperation mit dem Lehrstuhl Wi1 qualitative Interviews mit den Unternehmen durch. Basierend auf diesen Interviews wird im Zuge des Projekts ein „Edge Playbook“ erstellt, welches als Leitfaden zum Einsatz von Edge Devices in verschiedenen Anwendungsszenarien dienen soll, um Anwender bei der Identifikation, Entwicklung und Umsetzung ihrer eigenen Use Cases zu unterstützt.

Die Umsetzung der Kalksandstein-Roadmap erfordert u.a. Maßnahmen im Bereich der Digitalisierung. Hier ist eine Reduzierung des Energieverbrauchs und der CO2-Emissionen durch optimalen Betrieb von Autoklavensystemen möglich. Herzstück des Autoklavierungsprozesses ist in jedem KS-Werk das Dampfsystem. In den meisten KS-Werken sind Anlagentechnik und Steuerung prinzipiell ähnlich aufgebaut. Durch unterschiedliche Anlagendetails und Prozessspezifika ergibt sich jedoch ein anlagenspezifisches Verhalten des Dampfsystems. Aufgrund der hohen Prozesskomplexität und Systemdynamik – insbesondere bei Überleitvorgängen – ist eine vollständig algorithmische Modellierung nur mit hohem experimentellem Aufwand zu erreichen. In der Folge können die korrekten Betriebsparameter für die Anlagen nur aus Erfahrungswerten geschätzt werden. Häufig wird leider zugunsten des Durchsatzes auf Energieeffizienz verzichtet. Mit diesem Forschungsprojekt soll deshalb durch den Einsatz von künstlicher Intelligenz eine aufwandsärmere Methodik erforscht werden, wie ein energieoptimaler Betrieb von Autoklavensystemen erreicht werden kann. Dafür soll eine KI-Software aus vorliegenden Produktionsdaten das werksspezifische Verhalten der Dampfsysteme erlernen. Ein sog. „KI-Agent“ wird trainiert, der dann im Betrieb Empfehlungen zur energieoptimalen und prozesssicheren Systembedienung gibt. Als Projektziel entsteht eine Lösung, die Produzenten ohne kapitalintensive Anlagen oder Anlagenerweiterungen sowie Produktivitätsverlust zur Energieeinsparung befähigt. Am Ende steht für das einzelne Werk eine Software, die in Echtzeit die Autoklavenbedienung unterstützt. Neben der Vorhersage realer Härtezeiten werden Empfehlungen für die energieoptimale und prozesssichere Bedienung des Härteprozesses gegeben. Im Erfolgsfall kann das KS-Werk ohne Produktivitätsverlust Energie und CO2 bei der Autoklavierung einsparen. Ein formalisierter Prozess erlaubt die einfache Übertragung auf weitere Werke. Der Transfer erfolgt über mehrere Maßnahmenpakete (Seminare, Beratung, Fachveröffentlichungen, Tagungen und Kongresse, etc.).

Der Lehrstuhl FAPS bringt seine Kompetenzen insbesondere bei tiefgehenden Problemstellungen im Bereich des Machine Learnings ein und übernimmt die Führung in den zugehörigen Arbeitspaketen der Datenvorverarbeitung und der Entwicklung eines Optimierungsagenten zur Unterstützung einer energieoptimalen Autoklavierung.

Der Wunsch nach hochautomatisiertem Fahren erfordert intelligente und vernetzte Fahrzeuge, welche mittels präziser Sensorik ihre Umgebung detailliert und zuverlässig erfassen können. Neben Kameras, Ultraschall- und Lidarsensoren sind Radarsensoren von großer Bedeutung im Automobil der Zukunft. Höchste Genauigkeit und Zuverlässigkeit, z.B. für die Radar basierte Umfelderkennung auf weite Entfernungen von über 200 m, ist essentiell. Diese wird maßgeblich beeinflusst durch die Signalstreuung- und Dämpfung, Antennengüte und Auswerteelektronik, sowie Algorithmen. Aufgrund dieser Einflüsse müssen als wesentliche Voraussetzung für präzise Erfassung Antenne, (Sekundär-)Radom (Sensorabdeckung) und Auswerteelektronik perfekt aufeinander abgestimmt und als Gesamtsystem integriert sein. Dies schließt, um Test- und Auswertezeiten zu minimieren, auch neue Ansätze für die Funktionsprüfung durch den Einsatz Künstlicher Intelligenz für die Sensoralgorithmik und Sensortests mit ein.

Ziel des Projekts ist die Verbesserung eines automobilen Radarsystems entlang der Fertigungskette von der Elektronikarchitektur des Sensors, der Entwicklung einer KI-gestützten Prüfroutinenoptimierung der Winkelkalibration des Sensors und der Integration von resistiven Radomheizelementen mittels additiver Funktionalisierung auf Freiformgehäusen. Hierdurch soll die Zuverlässigkeit des Radarsystems erhöht werden. Dabei wird ein ganzheitlicher Ansatz verfolgt, der in Form eines Demonstratorsystems am Ende des Projekts validiert werden soll.

Projektziele

• Verbesserung automobiler Radarsysteme
• Ganzheitliche Betrachtung der Fertigungskette
• Optimierung der Hardwarearchitektur des Radars
• Sensor-Prüfzeitreduzierung durch KI-Algorithmen
• Integration resistiver Heizelementen mittels gedruckter Elektronik auf 3D-Geometrien