Verbundprojekt: value chAIn - Realisierung eines AI-basierten Fehlermanagements in Wertschöpfungsketten zur Optimierung der Produktion und des Betriebs von Nutzfahrzeugen; Teilvorhaben: Entwicklung KI-Modelle und Entscheidungsunterstützungssysteme

Abstract

Das Projekt hatte das Ziel, ein fortschrittliches Fehlermanagement für Nutzfahrzeuge zu entwickeln, um Produktions- und Betriebsprozesse zu optimieren. Durch den Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) sollte die Effizienz der Wertschöpfungskette gesteigert werden. Ein zentraler Fokus lag auf Predictive Maintenance und Predictive Quality zur vorausschauenden Planung von Wartungen und zur Optimierung der Produktqualität. Das Fraunhofer IPT übernahm wesentliche Aufgaben, darunter die Bewertung des wirtschaftlichen Potenzials, die Analyse der Datengrundlage und die Entwicklung von Entscheidungsunterstützungssystemen. Es unterstützte die Integration von KI-Modellen und den Aufbau von Datenakquisekanälen für eine kontinuierliche Datengrundlage. Die Anwendungsunternehmen Krone und MAN bildeten ein Konsortium mit IT-Befähigern und Forschungseinrichtungen, um eine differenzierte Betrachtung der Anwendungsfälle vorzunehmen. Die iterative Vorgehensweise ermöglichte eine flexible Anpassung an Veränderungen. Die Integration KI-gestützter Lösungen in bestehende Infrastrukturen wurde als entscheidend für die Effizienzsteigerung im Fehlermanagement identifiziert.

The project aimed to develop advanced fault management for commercial vehicles in order to optimize production and operating processes. The use of artificial intelligence (AI) and machine learning (ML) was intended to increase the efficiency of the value chain. A central focus was on predictive maintenance and predictive quality for forward-looking maintenance planning and product quality optimization. The Fraunhofer IPT took on key tasks, including evaluating the economic potential, analyzing the data basis, and developing decision support systems. It supported the integration of AI models and the establishment of data acquisition channels for a continuous data basis. The application companies Krone and MAN formed a consortium with IT enablers and research institutions to take a differentiated look at the use cases. The iterative approach enabled flexible adaptation to changes. The integration of AI-supported solutions into existing infrastructures was identified as crucial for increasing efficiency in error management.