BMBF fördert Forschungsprojekt zu Künstlicher Intelligenz in der Konstruktion

Das Bundesministerium für Bildung und Forschung (BMBF) fördert mit rund 1,8 Millionen Euro ein Projekt zur Erforschung der Grundlagen einer digitalisierten Produktentwicklung. Geleitet wird das Projekt, das zunächst auf drei Jahre angelegt ist, von der Daimler AG; beteiligt mit einer Fördersumme von rund 630 000 Euro ist das Team von Prof. Dr. Klaus-Robert Müller, Professor für Maschinelles Lernen an der Technischen Universität Berlin.

Mit der zunehmenden Digitalisierung der Industrie ermöglichen digitale Prototypen im Computer Aided Design (CAD), Computer Aided Engineering (CAE) oder auch Computer Aided Manufacturing (CAM) die Analyse eines neuen Produkts anhand von Simulationen. So lassen sich bestimmte Tests schon vor dem Bau eines ersten Prototypen ausschließlich am Rechner durchführen. Dies ermöglicht zum Beispiel das Ausprobieren verschiedener Design Alternativen – ohne dass ein physikalisches Modell gebaut werden müsste.

Das neue Forschungsprojekt Artificial Intelligence Aided x (AIAx) soll helfen, die Digitalisierung des Produktentwicklungsprozesses mit großen, komplexen Datenmengen beherrschbar zu machen und Konstrukteure und Konstrukteurinnen von zeitaufwändigen Routinetätigkeiten zu entlasten. Die zentrale Forschungsfrage lautet: Wie können bestehende Verfahren der künstlichen Intelligenz weiterentwickelt werden, um die traditionelle Stärke der Industrie in der Entwicklung von qualitativ hochwertigen technischen Produkten zu unterstützen? Das Forschungsvorhaben zielt darauf ab, dass mittelfristig aus den heute in der Industrie bekannten Begriffen CAD, CAE und CAM das Artificial Intelligence Aided Design/Engineering/Manufacturing – kurz AIAx wird.

Im Konstruktionsprozess sind Erfahrungswerte ein wertvolles Know-how. Diese Erfahrungswerte lassen sich jedoch schwer formalisieren und können daher auch nur bedingt an Nachwuchskräfte weitergegeben werden. Durch den Einsatz bestimmter Maschineller Lernverfahren könnten jedoch – zum Beispiel – Muster in den Daten einer CAD-Konstruktion erkannt und diese effizienter genutzt werden.

Jede Simulation liefert riesige Datenmengen, die zurzeit noch von Ingenieurinnen und Ingenieuren ausgewertet werden müssen, um Mängel und Defizite in der Konstruktion zu erkennen und diese nach und nach zu verbessern. Speziell entwickelte Maschinelle Lernverfahren sollen diese Daten automatisch intelligent analysieren und auch eventuelle Verbesserungen vorschlagen. So eine Automatisierung des Analyseprozesses würde die Konstruktion nicht nur beschleunigen, sondern den Ingenieurinnen und Ingenieuren mehr Zeit für die Entwicklung innovativer Designs und Ideen einräumen.

Die TU Berlin bringt als starke Forschungspartnerin ihre langjährige Erfahrung in der Grundlagenforschung zu Maschinellen Lernverfahren (ML) und AI in das neue Projekt AIAx ein. Die Arbeitsgruppe um Klaus-Robert Müller hat wesentliche Beiträge zu Support-Vektor Maschinen sowie der sogenannten „Explainable Artificial Intelligence“ (Erklärbare künstliche Intelligenz) geleistet und die Etablierung von ML-Verfahren in der Quantenchemie vorangetrieben. Wir werden uns in dem Projekt vor allem um Themen wie „Effizientes Deep Learning“ und die „Erklärbarkeit und Robustheit“ der zu entwickelnden ML-Verfahren kümmern“, so Klaus-Robert Müller.

Die Entscheidungsprozesse von ML-Verfahren transparent – also erklärbar – zu gestalten, soll deren Akzeptanz in der Praxis steigern und damit eine industrielle Anwendung überhaupt erst möglich machen. Wieso trifft das Maschinelle Lernverfahren welche Entscheidung? „Hier wollen wir mit einer Probandenstudie unterschiedliche Darstellungsformen des Entscheidungsprozesses untersuchen. Wie soll die Erklärung dargestellt werden? Welche Informationen sind sinnvoll? Hinsichtlich der Akzeptanz von ML-Verfahren ist Erklärbarkeit ein wichtiger Aspekt. Denn die letztendliche Verantwortung obliegt dem Konstrukteur“, erläutert Klaus-Robert Müller.

AIAx vereint als Verbundprojekt Partner aus der Industrie und verschiedene Forschungsinstitute. Der interdisziplinäre Charakter des Projekts spiegelt sich in der Zusammensetzung des Konsortiums wider. So sind neben der TU Berlin die Daimler AG, DYNAmore GmbH, Endress+Hauser Maulburg SE&Co.KG, das Karlsruher Institut für Technologie und die USU Software AG beteiligt.