Die Digitalisierung der Produktion gehört aktuell zu den wichtigsten Handlungsfeldern, um Wachstum und Beschäftigung am Wirtschaftsstandort Deutschland auch zukünftig zu sichern. Ein zentraler Zweig ist die Karosseriefertigung sowie damit verbundene Technologien. Sächsische Akteure leisten dazu einen Beitrag.

In dem vom Bundesforschungsministerium geförderten Projekt „Maschinelles Lernen zur Prognose von Prozessparametern und Bauteilqualität in der automobilen Karosserieproduktion“ (ML@Karoprod) kooperieren die Professur für Künstliche Intelligenz (Prof. Dr. Fred Hamker) und das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU in Dresden (Dr. Mathias Jäckel) sowie die Scale GmbH (Dr. Ingolf Lepenies). Ziel der Kooperation ist die Entwicklung eines Modells auf der Basis Maschinellen Lernens (ML). Dieses ML-Modell soll zur Beschleunigung des Planungs- und Serienanlaufs bei der Karosseriefertigung beitragen. Die Gesamtförderung beträgt rund 1,2 Millionen Euro. Davon entfallen rund 257.000 auf die TU Chemnitz.

Der Arbeitsplan der TU Chemnitz sieht drei Hauptphasen vor: In der ersten Phase wird ein Vorwärtsmodell trainiert, um die Folgen einer Handlung mit unüberwachtem Lernen vorherzusagen. Dieses trainierte Modell wird in der zweiten Phase zur Beschleunigung des modellbasierten Deep-Reinforcement-Learning-Algorithmus verwendet. Dessen Aufgabe besteht darin, eine Sequenz von Produktionsparametern zu finden, die die Qualität des Endprodukts optimiert. In der dritten Phase wird der entwickelte Algorithmus am realen Produktionssystem getestet. Dabei soll seine Robustheit gegenüber fehlenden sensorischen Informationen überprüft und bewertet werden.