Knapp fünf Monate nach Projektstart – am 27. und 28. Mai 2020 – fand jeweils vormittags die erste Klausurtagung der Konsortialpartner von IIP-Ecosphere als virtuelles Treffen mit hoher Beteiligung und interessanten Diskussionen statt.
Am ersten Vormittag erhielten die rund 50 Teilnehmer unter anderem einen Einblick in den aktuellen Stand des Demonstrators „KI-basierte Assistenzsysteme zur Zyklenoptimierung“ beim Werkzeugmaschinenhersteller Gildemeister. Drehen, fräsen und schleifen: Was früher drei Maschinen erledigt haben, übernimmt jetzt eine einzige. Das Problem: Die Qualitätsüberwachung wird ebenfalls komplexer. Hier soll KI Abhilfe schaffen und die Qualitätskontrolle automatisiert unterstützen. Vorgestellt wurde auch der Demonstrator bei Sennheiser. Um unter anderem die Materialversorgung zu automatisieren, sollen autonome Roboterzellen zur Endprüfung in der Leiterplattenfertigung durch den Einsatz von KI weiterentwickelt werden. In zwei parallelen Workshops diskutierten die Teilnehmer anschließend das weitere Vorgehen in den IIP-Ecosphere-Komponenten „Best Practices“ unter Leitung von Dr. Claudia Niederée vom Forschungszentrum L3S und „Experimentierfeld“ unter Leitung von Daniel Kemp vom IFW. „Best Practices“ sammelt und analysiert bewährte Methoden und Erfahrungen für die Anwendung von KI in der Produktion und stellt diese bereit, um Unternehmen den Zugang zur KI zu erleichtern. Es wurde eine große Palette an Themen zusammengetragen, die für den erfolgreichen Einsatz eine Rolle spielen – von technischen Fragen, über die Datennutzung bis hin zur Einbindung der Mitarbeiter. Das Experimentierfeld ist ein niedrigschwelliges Angebot, um KI auszuprobieren. Gesucht wurden konkrete Use Cases, zum Beispiel für die Erprobung von Komponenten. Auch hier diskutierten die Teilnehmer angeregt und brachten neue Perspektiven ins Spiel.
Der zweite Vormittag begann mit einem Vortrag von Prof. Marius Lindauer vom Institut für Informationsverarbeitung der Leibniz Universität Hannover. Sein Thema war das autonome maschinelle Lernen (Auto-ML). Beim herkömmlichen maschinellen Lernen ist immer noch ein zeitaufwändiger Optimierungsprozess durch ML-Experten notwendig, was den Prozess in die Länge zieht. Auto-ML soll das optimale ML-Design finden und wesentlich effizienter arbeiten. Es gibt bereits einige Open-Source-Lösungen und auch etliche Unternehmen arbeiten an Auto-ML-Lösungen. Die Vision ist, maschinelles Lernen deutlich zu vereinfachen, sodass es einfacher anzuwenden ist.
Im Anschluss stellte Max Jalowski von der Universität Nürnberg-Erlangen den Think Tank zum Thema KI-Geschäftsmodellen vor. Ein virtueller Workshop zum Thema Geschäftsmodellentwicklung ist für den 25. Juni geplant. Ein weiteres Thema war die Innovationsförderung. Die beiden Regional Innovation Hubs in Nürnberg und Hannover haben ihre Arbeit aufgenommen und planen die ersten Veranstaltungen, um Unternehmen in beiden Regionen an KI heranzuführen. In Hannover wird es zum Beispiel ein Matchmaking-Event geben, um Unternehmen mit Startups, die KI-Lösungen anbieten, zusammenzuführen.
Abschließend gab Dr. Holger Eichelberger von der Universität Hildesheim ein Update zum KI-Accelerator, der auf unterschiedliche Digitalisierungsgrade abgestimmte Maßnahmen entwickelt, dazu gehört der KI-Lösungskatalog, eine Umfrage unter Unternehmen zu projektrelevanten KI-Themen sowie Referenzimplementierungen.
