Schlie\u00dflich sorgen sie daf\u00fcr, dass die Eigenschaften, Qualit\u00e4t und damit auch Sicherheit einzelner Produkte und Herstellungsprozesse stets hochwertig, einwandfrei und wirtschaftlich bleiben. F\u00fcr gew\u00f6hnlich werden diese Kontrollen jedoch durch einen menschlichen Pr\u00fcfer stichprobenartig, manuell und visuell durchgef\u00fchrt. Dabei kann die Qualit\u00e4t der Untersuchung je nach Pr\u00fcfer schwanken und oftmals bleiben Produktfehler unentdeckt.<\/p>\n
Selbst in Unternehmen, die bereits unterst\u00fctzende 3D-Aufnahmetechniken \u2013 wie etwa Computertomographie \u2013 verwenden, sind die erzeugten enormen Datenmengen schwer zu bew\u00e4ltigen und ihr Potential bleibt h\u00e4ufig ungenutzt. Hier setzt das an der Hochschule Aalen vor wenigen Wochen gestartete Forschungsprojekt \u201eNextGenNDT\u201c (Titel:\u00a0Hochpr\u00e4zises Non-Destructive Testing in der Industrieproduktion mittels neuer KI-Verfahren<\/em>) an.<\/p>\n Das Verfahren, das derzeit das Aalener Forschungsteam rund um Prof.\u00a0<\/span>Dr. Ricardo B\u00fcttner, Machine Learning Research Group, sowie Prof. Dr. Gerhard Schneider<\/a>\u00a0<\/span>und\u00a0<\/span>Dr. Timo Bernthaler<\/a>, Institut f\u00fcr Materialforschung (IMFAA), entwickelt, wird vom Bundesministerium f\u00fcr Bildung und Forschung (BMBF) im Programm FH-Kooperativ mit rund einer Million Euro gef\u00f6rdert. Partner in diesem Projekt sind die Unternehmen Carl Zeiss Microscopy GmbH, PVA TePla Analytical Systems GmbH sowie die BMW AG. Die Forscher arbeiten\u00a0bereits seit 2019 im Rahmen des Kooperationsnetzwerks SmartPro erfolgreich bei \u00e4hnlichen Projekten zusammen.<\/p>\n Vereinfacht gesagt geht es dabei um die Entwicklung eines modernen Verfahrens zur Auswertung von Bild- und Videodaten in der industriellen Fertigung aufbauend auf verschiedene, mikroskopische und r\u00f6ntgentomographische Systeme. \u201eNDT\u201c steht dabei f\u00fcr \u201eNon-Destructive Testing\u201c und bedeutet, dass die Pr\u00fcfung zerst\u00f6rungsfrei abl\u00e4uft und das gepr\u00fcfte Bauteil weiterhin benutzt oder verkauft werden kann.<\/p>\n Die angestrebte, neue Methode der automatisierten und hochpr\u00e4zisen Fehlersuche greift auf Verfahren des Maschinellen Lernens zur\u00fcck und soll leicht auf verschiedene Anwendungsf\u00e4lle wie Batterien, Halbleiter oder Elektronikbauteile adaptierbar sein. Sp\u00e4ter kann es beispielsweise in den Bereichen der Elektromobilit\u00e4t oder Mikroelektronik f\u00fcr autonomes Fahren zum Einsatz kommen. Das mit rund einer Million Euro gef\u00f6rderte Projekt l\u00e4uft noch bis Ende September 2023.<\/p>\n \u201eUnser Ziel ist es, ein Verfahren zu entwickeln, mit dessen Hilfe pr\u00e4zise, schnell und industriell integrierbar eine zerst\u00f6rungsfreie 3D-Materialpr\u00fcfung durchgef\u00fchrt werden kann\u201c, erkl\u00e4rt Timo Bernthaler. \u201eDaf\u00fcr entwickeln und trainieren wir leistungsf\u00e4hige Deep-Learning-Verfahren und wenden modernste Machine-Learning-Algorithmen an.\u201c<\/p>\n Die automatische Defekterkennung soll die Arbeit des menschlichen Pr\u00fcfers um moderne Methoden der K\u00fcnstlichen Intelligenz erweitern und unterst\u00fctzen: \u201eSo k\u00f6nnen Fehler in Produkten oder Bauteilen reproduzierbarer und schneller identifiziert werden als mit dem menschlichen Auge\u201c, erg\u00e4nzt Ricardo B\u00fcttner. \u201eDenn w\u00e4hrend die Menschen Schwierigkeiten haben, die Beziehungen zwischen mehr als zwei oder drei Parametern zu verstehen, sind Machine-Learning-Algorithmen in der Lage, viel komplexere Zusammenh\u00e4nge in den ihnen pr\u00e4sentierten Daten zu erkennen und daraus Modelle zu bilden.\u201c<\/p>\n Ein fl\u00e4chendeckender Einsatz der NDT-Pr\u00fcfung w\u00e4re in der Massenproduktion eigentlich notwendig, um eine konstant hohe Produktqualit\u00e4t sicherstellen zu k\u00f6nnen. Innerhalb des Projekts \u201eNextGenNDT\u201c gilt ein gro\u00dfes Augenmerk auch einer einfachen Softwareschnittstelle. Dadurch soll eine m\u00f6glichst reibungslose Einbindung in bestehende Pr\u00fcfprozesse sowie eine einfache Adaptation an andere Bildquellen \u2013 etwa optische Systeme \u2013 gew\u00e4hrleistet werden.<\/p>\n [\/et_pb_text][et_pb_divider color=”#000000″ divider_position=”center” divider_weight=”3px” _builder_version=”4.14.4″ _module_preset=”default” width=”35%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.14.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n Weitere Informationen<\/strong><\/p>\n Das Institut f\u00fcr Materialforschung Aalen der Hochschule Aalen (IMFAA)<\/a> ist auf die Verarbeitung, Charakterisierung und Pr\u00fcfung von Werkstoffen und Bauteilen spezialisiert. Der Schwerpunkt liegt auf fortschrittlichen Materialien und Komponenten f\u00fcr ressourceneffiziente Mobilit\u00e4t, erneuerbare Energien, additive Fertigung sowie maschinelles Lernen in der Mikroskopie und Bauteilpr\u00fcfung. Mehr Infos zur Forschung am IMFAA gibt es hier<\/a> sowie auf LinkedIn<\/a>.<\/p>\n Die Machine Learning Research Group<\/strong> arbeitet an KI-basierten Anwendungen im Bereich der Bildqualit\u00e4t, Batterielebensdauer, Materialforschung und Medical Data Science. Gleichzeitig bildet sie den Kern des k\u00fcrzlich gegr\u00fcndeten Zentrums f\u00fcr Maschinelles Lernen (ZML)<\/strong>, das ebenfalls von Prof. Dr. Ricardo B\u00fcttner geleitet wird. Ziel des ZML ist die Erforschung, Entwicklung und der Transfer neuer Machine-Learning-Algorithmen, um hochkomplexe Aufgaben intelligent und automatisiert auszuf\u00fchren.<\/p>\n \u00a0Das Projekt wurde im Rahmen des Kooperationsnetzwerks SmartPro erm\u00f6glicht: Ziel der Forschungsaktivit\u00e4ten in SmartPro ist, Grundlagen f\u00fcr die Entwicklung zukunftsweisender smarter Produkte zu schaffen, die nachhaltig, energie- und ressourceneffizient sind.<\/span><\/p>\n [\/et_pb_text][et_pb_divider color=”#000000″ divider_position=”center” divider_weight=”3px” _builder_version=”4.14.4″ _module_preset=”default” width=”35%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.14.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n \u00dcbrigens:<\/strong> Qualit\u00e4tsbewertung und -sicherung sind auch Thema in den neuen SmartPro-Partnerschaftsprojekten Smart-BAT<\/a> und Smart-DATA<\/a>, die am 01.03.2021 gestartet sind beziehungsweise Ende 2021 starten werden. Die Projekte werden mit 740.000 Euro beziehungsweise 620.000 Euro bis 2025 gef\u00f6rdert, was die Wichtigkeit und Aktualit\u00e4t dieser Forschungsrichtung unterstreicht.<\/span><\/p>\n [\/et_pb_text][et_pb_divider color=”#000000″ divider_position=”center” divider_weight=”3px” _builder_version=”4.14.4″ _module_preset=”default” width=”35%” module_alignment=”center” global_colors_info=”{}”][\/et_pb_divider][et_pb_text _builder_version=”4.8.2″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n Fotohinweis:<\/strong> Virtueller Schnitt durch die innere Struktur einer Lithium-Ionen Batterie f\u00fcr den Consumer-Bereich | \u00a9 Hochschule Aalen | Sven D\u00f6ring<\/span><\/span><\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Selbst in Unternehmen, die bereits 3D-Aufnahmetechniken verwenden, sind die erzeugten Datenmengen schwer zu bew\u00e4ltigent. Hier setzt das an der Hochschule Aalen vor wenigen Wochen gestartete Projekt \u201eNextGenNDT\u201c an, in dem SmartPro-Forschende der Hochschule Aalen neue Pr\u00fcfverfahren auf KI-Basis entwickeln.<\/p>\n","protected":false},"author":5,"featured_media":4706,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_et_pb_use_builder":"on","_et_pb_old_content":"Technologietag Leichtbau Regional in Schw\u00e4bisch Gm\u00fcnd<\/em>\r\n\r\n\u00a0\r\n\r\nFr, 26. Oktober 2018<\/strong>\u00a0\u2192<\/span>\u00a0Wie wichtig der Technologietag Leichtbau Regional als lokale Veranstaltung neben einer zentralen Konferenz in Stuttgart sei, betonte Dr. Wolfgang Seeliger, Gesch\u00e4ftsf\u00fchrer der Landesagentur Leichtbau BW, in seiner Begr\u00fc\u00dfung. Das Thema Leichtbau m\u00fcsse in die Fl\u00e4che getragen werden, um das gro\u00dfe Potential f\u00fcr die Herausforderungen der Zukunft wie den Klimawandel auszusch\u00f6pfen und Wettbewerbsf\u00e4higkeit und Wohlstand in der Region zu sichern.\r\n\r\n\u00a0\r\n\r\n[caption id=\"attachment_1022\" align=\"alignnone\" width=\"768\"]Starke Partnerschaft aus Forschung und Wirtschaft<\/strong><\/h4>\n
Automatisierte Defekterkennung erleichtert die Arbeit des Pr\u00fcfers<\/strong><\/h4>\n
![\"\"](\"https:\/\/smart-pro.org\/en\/wp-content\/uploads\/sites\/2\/2018\/10\/181026_PM_Technologietag_Leichtbau_Regional_FotoKristinaLakomek-e1545054488606-768x1024.jpg\")
Hintere Reihe: Wolfgang Stoll, Prof. Dr. Markus Merkel\/HSA, Dr. Wolfgang Seeliger \/ Leichtbau BW; mittlere Reihe: J\u00f6rg Egelhaaf, Peter Schmidt\/IHK, vorne: Sarah W\u00f6rz\/IHK, Jan Grasmannsdorf, Dr. Wolfgang Rimkus\/HSA, Julian Schlosser\/HSA).[\/caption]\r\n\r\n\u00a0\r\n\r\nBildnachweis\/Quelle:","_et_gb_content_width":"","iawp_total_views":0,"footnotes":""},"categories":[237,240,20],"tags":[101,86,108,48,132,146,175,66,25,23,174,47,82,161,212,44,45,42,115,150,49,79,22],"class_list":["post-4693","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-energy-storage","category-machine-learning","category-news","tag-bauteileigenschaften","tag-bauteilentwicklung","tag-bauteilpruefung","tag-bernthaler","tag-bmbf","tag-buettner","tag-deep-learning","tag-fh-impuls","tag-forschung","tag-hochschule-aalen","tag-hsa","tag-imfaa","tag-institut-fuer-materialforschung","tag-ki","tag-ki-kuenstliche-intelligenz","tag-kuenstliche-intelligenz","tag-machine-learning","tag-materialforschung","tag-materialwissenschaften","tag-produktion","tag-schneider","tag-smarte-produkte","tag-smartpro"],"acf":[],"yoast_head":"\n