Predictive failure management with AI in production [PrePAIR]; Anwendungsfall A4: Fehlererkennung und Echtzeit-Analyse durch Bildverarbeitung zur Reduzierung von Nacharbeit (Befähiger)

Abstract

Im Rahmen des Verbundprojektes PrePAIR (Predictive Failure Management with AI in Production) adressierte das Teilvorhaben A4 der DATAbility GmbH die KI-gestützte Fehlererkennung und Echtzeitanalyse mittels multimodaler Bild- und Textverarbeitung. Ziel war die Digitalisierung und Automatisierung manueller, erfahrungsbasierter Prüf- und Befundungsprozesse in der Nutzfahrzeugindustrie sowie die Schaffung wertschöpfungsübergreifender Transparenz. In enger Kooperation mit dem Anwendungspartner KRONE und den Forschungseinrichtungen PTW (TU Darmstadt) sowie WZL (RWTH Aachen) wurden drei domänenspezifische KI-Demonstratoren entwickelt und evaluiert:

Automatisierte Schadenerkennung (Use Case 1): Einsatz von Vision-Language-Models (VLMs) und Explainable-AI-Ansätzen (XAI) zur Identifikation, Klassifikation und Begründung von Fahrzeugschäden bei Vermietrückgaben

Bestellmailanalyse im Kundenservice (Use Case 2): Multimodale Assistenzlösung zur automatisierten Extraktion von Bauteil-, Kunden- und Fahrzeugdaten aus unstrukturierten E-Mail-Texten und Bildanhängen zur Materialidentifikation

Kommissionier- und Revisionssystem (Use Case 3): Bild- und videobasierte Nachweisdokumentation zur Reklamationsabwehr sowie KI-gestützte Kartonagen-Optimierung

Ein wesentlicher Schwerpunkt lag auf der Erforschung von Transformationslogiken zur Anbindung unstrukturierter Multimediadaten an standardisierte Datenräume (Catena-X/Cofinity-X). Hierzu wurden Aspect Model Extension Proposals erarbeitet, um KI-Inferenzparameter und Bilddaten herstellerübergreifend unter Wahrung der Datensouveränität nutzbar zu machen. Die Ergebnisse wurden auf TRL 5 bis 6 überführt und dienen DATAbility zukünftig als Basis zur Weiterentwicklung der eigenen Softwareplattformen für den Einsatz im Maschinen- und Fahrzeugbau.