Am Campus Grafenau startet ein neues Forschungsprojekt, das sich auf die Unterstützung kleinerer und mittlerer Unternehmen fokussiert. Unter der Leitung von Prof. Michael Scholz arbeiten deutsche und tschechische Wissenschaftler zusammen, um Unternehmen bei der Erkennung und Behebung von Problemen in ihren Daten zu helfen. Ziel des Projekts ist die Entwicklung eines auf Künstlicher Intelligenz (KI) basierenden Tools zur Überprüfung und Bereinigung von Unternehmensdaten. Besonders betont wird die zentrale Rolle der Datenqualität, wie Petra Troblova von der Firma aimtec treffend anmerkt: „Datenqualität ist das neue Gold“.
Parallel zu diesem Projekt wurden zwei weitere Forschungsprojekte von der FQS – Forschungsgemeinschaft Qualität ins Leben gerufen. Diese Projekte, die seit Anfang 2025 gefördert werden, zielen auf die Verbesserung der Datenqualität und die Effizienz in der Produktion ab. Das erste Projekt, AIDpro, befasst sich mit der Erkennung von Anomalien in KI-gestützten Produktionsprozessen. Unter der Mitwirkung von Fraunhofer-Instituten wird ein Datenvalidierungssystem entwickelt, das Prozessdatenströme in Echtzeit überwacht und Abweichungen erkennt, um den industriellen Einsatz von KI zu optimieren.
Projekt NaBeMi und die Herausforderung der Nachhaltigkeit
Das zweite Projekt, NaBeMi, beschäftigt sich mit der Nachhaltigkeit in der Betriebsmittelplanung für manuelle und hybride Montage. Wissenschaftler:innen des Bremer Instituts für Produktion und Logistik sowie des Instituts für Fabrikanlagen und Logistik analysieren, wie nachhaltige Betriebsmittel entwickelt werden können. Sie erstellen systematisch Anforderungen, die alle Dimensionen der Nachhaltigkeit berücksichtigen. Hierzu arbeiten sieben Unternehmen im projektbegleitenden Ausschuss zusammen, von denen vier kleinere und mittlere Unternehmen sind. Die Förderung dieser Projekte erfolgt durch das Bundesministerium für Wirtschaft und Klimaschutz.
In einer zunehmend digitalisierten Welt ist die Qualität der verwendeten Daten entscheidend. Wie die TÜV Nord-Experten in ihrer Analyse betonen, bergen verzerrte oder veraltete Datensätze erhebliche Risiken, darunter fehlerhafte Analysen und Fehlentscheidungen. Um das Vertrauen in KI-Systeme zu stärken, sind Strategien wie das Human-in-the-Loop-Prinzip sowie Explainable AI (XAI) unerlässlich. Diese Konzepte fördern die Transparenz sowie die Nachvollziehbarkeit von KI-Entscheidungen.
Die damit verbundenen Herausforderungen und Chancen zeigen, wie wichtig es ist, dass Unternehmen mit validen, konsistenten und aktuellen Daten arbeiten, um die Potenziale der Künstlichen Intelligenz voll ausschöpfen zu können. Die Projekte am Campus Grafenau und die Initiativen der FQS leisten einen bedeutenden Beitrag zur Verbesserung der Datenqualität und zur Förderung nachhaltiger Prozesse.