Das POLYLINE-Projekt bringt 15 Industrie- und Forschungspartner aus Deutschland zusammen, um eine digitalisierte Fertigungslinie der nächsten Generation zu entwickeln. Mit dieser sollen Kunststoffbauteile für die Automobilbranche hergestellt werden. Ziel ist es die konventionellen Fertigungstechniken (z. B. Zerspanen, Gießen, etc.) mit der additiven Fertigung (Additive Manufacturing, AM) in Form von durchsatzstarken Linienproduktions­systemen zu ergänzen. Gefördert wird das Projekt vom Bundesministerium für Bildung und Forschung (BMBF).

Hintergrund des Verbundprojekts POLYLINE
Beim Additive Manufacturing kann nahezu jede Geometrie und selbst komplexe Strukturen ohne wesentlichen Mehraufwand realisiert werden – ein großer Schritt in Richtung Massenfertigung individualisierter Produkte. Derzeit ist sowohl die vertikale als auch die horizontale Integration additiver Fertigungsverfahren in konventionelle Linien jedoch nur in einem begrenzten Rahmen umsetzbar. Dies liegt an AM-spezifische Produktionsschritten (z. B. Produktionszeit im „Batch-Prozess“) und den allgemein niedrigen Automatisierungsgrad der physischen Handling- und Transportprozesse. Dies führt bisher zu sehr diskreten Produktionsintervallen und manuellen Aufwänden. Zum anderen ist die digitale Datenkette entlang der horizontalen Prozesskette an vielen Schnittstellen nicht durchgängig, was gegenwärtig zu Intransparenz, Fehleranfälligkeit und eingeschränktem Monitoring entlang der Prozesskette führt und eine Einbindung in relevante Produktionssteuerungen erschwert. Diese Hemmnisse schränken das offensichtlich hohe Potenzial additiver Fertigungsverfahren in bestehende Serienproduktions- und Montagelinien ein.

Von flexibler Lösung für den Prototypenbau zur skalierbaren additiven Produktionskette
Um das Projektziel zu erreichen, wird im Projekt ein digitaler und physischer Systemdurchstich angestrebt. Das bedeutet, dass vom CAD-Modell bis zum fertigen Bauteil alle zentralen Kennwerte und Qualitätskriterien (inkl. Kennzeichnung, Historie und Messwerten) erfasst und dokumentiert werden. Die einzelnen Teilprozesse der Fertigung – von der Prozessvorbereitung über den Selektiven-Laser-Sinter-Prozess, das Abkühlen und Auspacken sowie die Reinigung und Nachbearbeitung der Teile – werden automatisiert und in die geplante Fertigungslinie eingebracht, wo alle Gewerke einer SLS-Fertigungskette erstmalig vollumfänglich verknüpft werden.

POLYLINE nutzt einen neuen Lösungsansatz, der alle benötigten Prozesse ganzheitlich betrachtet und implementiert – und zwar im Sinne des Systemdurchstichs der gesamten Wertschöpfungskette (physisch und informationstechnisch). Die angestrebte Fertigungslinie soll dabei entsprechend der Anforderungen seitens des Anwendungspartners mit einem hohen Reifegrad umgesetzt werden. Die Anwendungsfälle umfassen personalisierte Komponenten sowie Serienbauteile in großen Stückzahlen. Das Projektziel spiegelt sich in der Bekanntmachung "Line Integration of Additive Manufacturing Technologies" im Rahmen des Förderprogramms "Photonik Forschung Deutschland" wider, die am 27. September 2017 im Bundesanzeiger veröffentlicht wurde.

Um die additive Fertigung als echte Verfahrensalternative für die Serienproduktion zu etablieren, fördert das Bundesministerium für Bildung und Forschung (BMBF) das Projekt mit insgesamt 10,7 Millionen Euro. Die Federführung bei POLYLINE liegt bei EOS, dem weltweiten führenden Technologieanbieter im industriellen 3D-Druck von Metallen und Kunststoffen.

Der Lehrstuhl für Computergraphik (Arbeitsgruppe Intelligente Sensorik) wird u. a. dazu beitragen, dass Methoden des Deep-Learnings und der impliziten geometrischen Modellierung zur Datenaufbereitung/-analyse und zum Online-Monitoring/Qualitätsmanagement zum Tragen kommen. Zudem werden hoch innovative Geometric-Deep-Learning-Ansätze erarbeitet aber auch multikriterielle Verfahren zur Optimierung der Prozessschritte und der kompletten POLYLINE unter abweichenden und gleichzeitig zu berücksichtigenden Kriterien. Die TU Dortmund wird somit übergeordnete Methoden und Konzepte zur nachhaltigen Automatisierung und Effektivierung der POLYLINE entwickeln.

Infos und Kontakt: Priv.-Doz. Dr. Frank Weichert

Eine der übergeordneten Herausforderungen im Kontext der Künstlichen Intelligenz (KI) ist die Transformation von universitärer Forschung in die industrielle Nutzung, um innovative Produkte und Dienstleistungen zu ermöglichen, welche den Industriestandort Deutschland stärken.

Daher liegt die Zielsetzung des Forschungsvorhabens KI-LiveS in der Konzeptionierung und im Aufbau von KI-Laboren, um neue Industrie-zentrierte KI-Hard- und Software Engineering-Methoden zu erforschen und zu erproben. Die Kombination von generischen KI-Methoden mit anwendungsspezifischem Domänenwissen und eine Fokussierung auf die Aus- und Weiterbildung von Master- und Promotionsstudierenden sowie Anwenderinnen und Anwendern von KI-Methoden aus der Unternehmenspraxis stellt den strategischen Vorhabenskern dar.

Ausgangspunkt der anwendungsgetriebenen Forschungsarbeiten sind Datenbestände, die sich in betriebliche und medizinische/epidemiologische Anwendungsszenarien einordnen lassen. Entsprechend konnten assoziierte Unternehmenspartner aus den Anwendungsgebieten Digitalisierungs-Consulting, IT- Projektmanagement, Logistik, Gesundheitswesen und berufliche Weiterbildung für das Forschungsprojekt gewonnen werden, welche umfangreiche heterogene Datenbestände zur Verfügung stellen und die Forschung begleiten.

Im Zentrum der Forschung stehen vier Betrachtungsebenen. Im Bereich des adaptiven Deep-Learnings ist die Entwicklung von robusten Modellen für selbstadaptive und ressourceneffiziente differenzierbare Datenanalysealgorithmen unter dem Fokus Adaptivität und Effizienz leitend. Der Themenkomplex der KI-Hardwarebeschleunigung beschäftigt sich mit der Fragestellung, wie anwendungsspezifische dezentrale KI-Lösungen für ressourcenbeschränkte Geräte mit Hilfe eingebetteter Hardwarebeschleuniger effizient und einfach entwickelt werden können. Ziel der Ebene KI-Softwareentwicklung ist es, die iterative Entwicklung verteilter eingebetteter KI analog zu aktuellen Ansätzen für Server-basierte KI zu ermöglichen. Schließlich erarbeitet die KI-Brainwareentwicklung KI-Methoden aus den Bereichen „Ontologien“ und „Case-based Reasoning“ für den „produktiven“ Unternehmenseinsatz.

Auf Basis der neuen Forschungsarbeiten werden somit Lösungen zur Verfügung stehen, die von „intelligenten“ Online-Auswertungen, einer Orchestrierung von Sensordaten über Planungswerkzeuge des Projektmanagements bis hin zur berufsbegleitenden Qualifizierung von Fach- und Führungskonzepten auf dem Gebiet von KI-Systemen und -Methoden reichen.

Langfristiges Ziel des Teilprojekts B2 „Ressourcen-optimierte Echtzeitanalyse stark Artefakt-behafteter Bildsequenzen zur Detektion von Nanoobjekten“ im Rahmen des SFBs 876 ist es, Methoden zur Detektion spezifischer Nanoobjekte in datenintensive, verrauschte und artefaktbelastete Bildsequenzen aus Sensorsystemen zu entwickeln.

Im Mittelpunkt des Projekts, welches durch Dr. Roland Hergenröder (Leibniz-Institut für Analytische Wissenschaften -ISAS- e.V.) und Dr. Frank Weichert (Arbeitsgruppe "Intelligente Sensorik", Lehrstuhl Informatik 12) geleitet wird, steht der Nachweis und die Quantifizierung biologischer Nanopartikel mit der plasmonenunterstützten Mikroskopie von PAMONO-Sensoren.

In Zusammenarbeit mit den Anwendungspartnern ARTES Biotechnology GmbH (ARTES) und Paul-Ehrlich-Institut (PEI) soll die PAMONO-Technologie in der dritten Förderphase des SFBs 876 zur Qualitätskontrolle von Arzneimitteln ausgebaut werden. Es sind hierzu Methoden zur Adaptivität von Deep-Feature-Learning-Ansätzen und für hochspezialisierte, effiziente Architekturen für DNNs (differentiable programming) zu entwickeln. Auf technischer Ebene sind eine adaptive Biosensor/Aktoreinheit auf Basis des PAMONO-Sensors zu erarbeiten und algorithmische Lösungen zur automatischen Überwachung des Sensorverhaltens.

Die DFG fördert im Rahmen des Projekts "Computer-unterstützte Keilschriftanalyse" (CuKa) für drei Jahre ein kooperatives Forschungsprojekt zur Repositoriums- und Domänen-übergreifenden Analyse von Keilschrifttafeln zur kollaborativen benutzerzentrierten Operationalisierung philologischer Arbeitsweisen.

In dem gemeinsamen Projekt des Instituts für Altertumswissenschaften der Julius-Maximilians-Universität Würzburg (Projektleitung: Prof. Dr. Gerfrid G.W. Müller), der Arbeitsgruppe "Mustererkennung in Eingebetteten Systemen" (Projektleitung: Prof. Dr.-Ing. Gernot A. Fink) und der Arbeitsgruppe "Intelligente Sensorik" (Projektleitung: Dr. Frank Weichert), beide Lehrstuhl Informatik 12 an der Technischen Universität Dortmund, sollen Methoden zur automatischen Suche nach Keilschriftzeichen und -konstellation auf Fotografien und 3D-Modellen erarbeitet werden.

Die übergeordnete Zielsetzung des Projekts ist die Bereitstellung eines kooperativen Online-Visualisierungs- und Analysesystems, welches unter Einsatz tiefer neuronaler Netzwerke sowie Methoden zur zwei- und dreidimensionalen Datenprozessierung Zeichen und Wörter unabhängig von Transliterationen und ihren Interpretationen findet und gleichzeitig die individuellen Zeichenformen zur Verfügung stellt. Dies ist sowohl für Zeichenlisten, Paläographie, Autorenidentifikation und Joins in der Keilschriftforschung von nachhaltiger Bedeutung.

Im Rahmen des durch das Förderprogramm AiF-ZIM geförderten Projekts des Bundesministeriums für Wirtschaft und Energie (BMWi) werden methodische und technische Konzepte zur Realisierung eines automatisierten zerstörungsfreien Prüfungsassistenten entwickelt. Das Projekt erfolgt in Kooperation mit dem Institut für Kunststofftechnik der Universität Stuttgart, der Boll Automation GmbH und der Arbeitsgruppe "Intelligente Sensorik", Lehrstuhl Informatik 12 (Projektleitung: Dr. Frank Weichert) an der TU Dortmund.

Das durch Kombination von Geometrieerfassung, zerstörungsfreier Bauteilprüfung und Automatisierungstechnik soll es ermöglicht werden, Leichtbauteile aus Faserkunststoffverbunden automatisiert in regelmäßigen Intervallen oder nach Schadensereignissen zerstörungsfrei auf ihre strukturelle Integrität zu untersuchen. Durch die Entwicklung eines selbstjustierenden Luftultraschallprüfkopf und den Einsatz eines Mensch-Roboter-Kollaborationssystems werden keine Schutzeinrichtungen benötigt und der Prüfer kann sich in der direkten Umgebung des Prüfroboters aufhalten.

Über die Entwicklung adaptiver Methoden zur Erstellung kollaborativer Bewegungsbahnen und Datenfusion/-analyse, sowie eines flexiblen Sicherheitskonzepts als auch maschinellen Lernverfahren wird zur Automatisierung der Prüfung beigetragen.

Gegenstand des Forschungsvorhabens ist die erstmalige Modellierung einer objektiven, multikriteriellen Bewertungsfunktion für (Strom-)Netztopologien mit dem Ziel, nachhaltige Netze und auf einer höheren Detailebene optimale Trassenverläufe zu identifizieren. Dabei sollen topologische, raumplanerische, technische, wirtschaftliche, ökologische und sozioökonomische Anforderungen in einer parametrisierbaren Bewertungsfunktion integriert werden, um zu gewährleisten, dass alle Anforderungen gleichzeitig (multikriteriell) beachtet werden.

In enger interdisziplinärer Verknüpfung von Informatik, Mathematik und Raumplanung sowie übergeordnet in Kooperation mit dem Übertragungsnetzbetreiber, der Amprion GmbH, werden neue Algorithmen und Verfahrensmechanismen entwickelt, welche die angestrebte Energiewende und Netzplanung nachhaltig unterstützen. Die „Netze für die Stromversorgung der Zukunft“ (gemäß BMWi) benötigen „erweiterte Werkzeuge mit hoher Varianzvielfalt und unter Berücksichtigung der Kompatibilität von Dreh- und Gleichstromnetzen“. Innerhalb des Forschungsvorhabens sind unterschiedliche (Strom-)Netztopologien zu bewerten und neue optimierte zu identifizieren sowie die Netzstrukturen zu prädestinieren und adaptiv zu visualisieren.