Logo Rocketeer

KI-Projekt

KI-Forschung: Maschinen voneinander lernen lassen

Spritzgießmaschinen
Im SKZ-Technikum in Würzburg laufen die Versuche zum Forschungsprojekt DarWIN auf verschiedenen Spritzgießmaschinen.
Das Kunststoff-Zentrum SKZ in Würzburg führt aktuell mit dem Fraunhofer KI-Spin-off plus10 mehrere Versuchsreihen durch. Ziel ist es, Machine Learning Modelle zu entwickeln, bei denen auch Maschine untereinander voneinenader lernen können

plus10 ist ein Fraunhofer KI-Spin-Off zur automatisierten Produktionsoptimierung mit Standorten in Augsburg und Stuttgart. Das Unternehmen entwickelt selbstlernende Software speziell für vollautomatisierte Maschinen und Anlagen. Also komplexe Maschinen jeglicher Branche. Die Algorithmen reduzieren Fehler bei großen Anlagen. Sie können sogar Anpassungen vorschlagen, die auf akute Situationen reagieren. Dazu setzt das junge Unternehmen auf künstliche Intelligenz, die dabei hilft, den Datenstrom der Maschinen auszuwerten und Optimierungen vorzuschlagen. Auch Teamwork soll helfen: In einem aktuellen Projekt gemeinsam mit dem Kunststoff-Zentrum SKZ in Würzburg testet plus10 auch, wie Maschinen untereinander voneinander lernen können.

Forschungsprojekt von Interesse

Bereits seit Ende des Jahres 2020 laufen die Versuchsreihen. Der Rahmen ist das Forschungsprojekt DarWIN, das auch vom Bundesministerium für Bildung und Forschung (BMBF) gefördert wird. Das SKZ stellt die für die Forschung nötigen Maschinen zur Verfügung, während plus10 Expertise zur intelligenten Datenverarbeitung und automatisierten Produktionsoptimierung in das Projekt einbringt.

Übertragbares Machine Learning

Ziel des KI-Projekts ist es unter anderem, zu untersuchen, wie vortrainierte Machine Learning Modelle von einer Maschine auf ähnliche Maschinen übertragen werden können. Dafür werden Spritzgießmaschinen unterschiedlicher Hersteller genutzt, die im Laufe der Zeit ähnliche Teile produzieren. So sollen die auf einer Maschine gelernten Verhaltensmodelle auch auf andere Maschinen übertragbar sein.  Und das, ohne die Modelle für jede Maschine wieder komplett neu zu lernen. Die zweite Maschine muss sich also ihr Verhaltensmodell nicht mehr komplett selbst beibringen, sondern kann auf die Ergebnisse der Vorgängermaschine zurückgreifen. Dabei hilft ein „Evolutionslerner“ von plus10, der basierend auf dem Verhaltensvergleich Optimierungsvorschläge generiert.

Lies auch: