Um Schäden an Maschinen zu vermeiden, ist heute vielfach die Analyse von Sensordaten hilfreich. Sobald sich eine Anlage verdächtig verhält, spiegelt sich das in ungewöhnlichen Datenmustern. So genannte Maschine-Learning(ML)-Algorithmen liefern derzeit allerdings nur Hinweise, „was“ ausgetauscht werden soll, jedoch nicht „warum“. Der für den Austausch des Maschinenstücks verantwortliche Servicetechniker muss jedoch auch wissen, warum der Algorithmus beispielsweise die Erneuerung einer Lüftung vorschlägt. Die mitgelieferte Begründung, z. B. Luftstrom nicht ausreichend oder Lebensdauer des Bauteils überschritten, unterstützt den Servicetechniker, adäquat zu reagieren.
Selbsterklärende Zustandsüberwachung von Maschinen für sichere Entscheidungen
Derzeit können die Ergebnisse der Algorithmen nur von Machine-Learning-Experten verstanden und interpretiert werden. Damit ist das Zustandekommen eines Ergebnisses für Servicetechniker nicht nachvollziehbar. Diese Nachvollziehbarkeit datengetriebener Vorhersagen ist aber gerade für den Maschinenbau notwendig, um sichere Entscheidungen treffen zu können und kostenintensive Fehlentscheidungen zu vermeiden. DAIKIRI wird daher erstmalig KI-Verfahren entwickeln, die selbsterklärend sind und das Zustandekommen der Ergebnisse von KI automatisch „versprachlichen“ und damit transparent machen.
Forschungsergebnisse bieten Mehrwert für USU-KI-Service-Innovationen
Als Innovationsführer für Softwarelösungen im Bereich Servicemanagement bringt USU in das Forschungsprojekt umfassende Fachexpertise und Erfahrungen im Aufbau von Service-Plattformen, KI-Technologien und Maschinendatenanalyse ein. Die Erweiterung durch erklärende KI-Verfahren und die Verbalisierung von Ergebnissen liefern hohen Mehrwert für den Service im Maschinen- und Anlagenbau und ergänzen die bestehenden USU-Lösungen in idealer Weise. Damit lassen sich außerdem neue Geschäftsfelder für den Einsatz von Maschine Learning erschließen, z.B. in der Medizintechnik.
Selbsterklärende Zustandsüberwachung von Maschinen für sichere Entscheidungen
Derzeit können die Ergebnisse der Algorithmen nur von Machine-Learning-Experten verstanden und interpretiert werden. Damit ist das Zustandekommen eines Ergebnisses für Servicetechniker nicht nachvollziehbar. Diese Nachvollziehbarkeit datengetriebener Vorhersagen ist aber gerade für den Maschinenbau notwendig, um sichere Entscheidungen treffen zu können und kostenintensive Fehlentscheidungen zu vermeiden. DAIKIRI wird daher erstmalig KI-Verfahren entwickeln, die selbsterklärend sind und das Zustandekommen der Ergebnisse von KI automatisch „versprachlichen“ und damit transparent machen.
Forschungsergebnisse bieten Mehrwert für USU-KI-Service-Innovationen
Als Innovationsführer für Softwarelösungen im Bereich Servicemanagement bringt USU in das Forschungsprojekt umfassende Fachexpertise und Erfahrungen im Aufbau von Service-Plattformen, KI-Technologien und Maschinendatenanalyse ein. Die Erweiterung durch erklärende KI-Verfahren und die Verbalisierung von Ergebnissen liefern hohen Mehrwert für den Service im Maschinen- und Anlagenbau und ergänzen die bestehenden USU-Lösungen in idealer Weise. Damit lassen sich außerdem neue Geschäftsfelder für den Einsatz von Maschine Learning erschließen, z.B. in der Medizintechnik.
