Interaktives maschinelles Lernen für industrielle Datenwissenschaft
Das übergeordnete Ziel von INTERACTIVE ist es, Workflows und algorithmische Methoden zu entwerfen und zu entwickeln, die interaktives maschinelles Lernen in verteilten Edge-Computing-Umgebungen ermöglichen. Die daraus resultierenden Arbeitsabläufe und Algorithmen werden für zwei verschiedene Proof-of-Concept-Anwendungsfälle implementiert: Vorhersage der Produktqualität in der Hochleistungsautomatisierung und vorausschauende Wartung für Kühlanlagen.
Die erwarteten Ergebnisse und Innovationen sind:
- Arbeitsabläufe und Lebenszyklen für maschinelles Lernen, die für verteilte KI-Architekturen entwickelt wurden.
- Softwarebibliotheken, die das Problem fehlender Ground Truth durch Unterstützung der inkrementellen Datenbeschriftung und des Modelltrainings lösen.
- Föderierte Lernansätze, die das Trainieren und Aktualisieren von Modellen auf Endgeräten ermöglichen, ohne dass große Mengen an Rohdaten an zentrale Server übertragen werden müssen.
- PoCs für beide Anwendungsfälle, die eine Bewertung der Vorteile auf technischer, betrieblicher und geschäftlicher Ebene ermöglichen.
Partner: SIEMENS, STIWA, Hauser
Fakten:
- Projektbeginn: April 2021
- Projektdauer: 24 Monate
- Haushaltsmittel: ca. 700k EUR
- Förderung: FFG
