Datenzentrierte Künstliche Intelligenz für ein prädiktives Qualitätsmanagement in der Automobilindustrie

Im Zeitalter von Big Data und Künstlicher Intelligenz suchen Unternehmen im Bereich des Qualitätsmanagements nach innovativen Ansätzen zur Qualitäts- und Effizienzsteigerung in der Produktion. Dass derzeit das Potential von Künstlicher Intelligenz in der Produktion nicht vollumfänglich ausgeschöpft ist, liegt unter anderem an der eindimensionalen Fokussierung auf die Optimierung der Algorithmen. Aus diesem Grund wurde das neue Vorgehensmodell DZKI-PQ (Daten-Zentrierte Künstliche Intelligenz für ein Prädiktives Qualitätsmanagement) entwickelt. Ziel des Vorgehensmodells DZKI-PQ ist es, die Leistungsfähigkeit von Machine Learning Modellen durch den perfekten Dreiklang aus Anwendungsfall, Daten und Algorithmus zu steigern. DZKI-PQ ist eine Schritt-für-Schritt Anleitung zur Daten-zentrierten Entwicklung von Machine Learning Modellen, bei der Daten in Abhängigkeit des Anwendungsfalls ausgewählt und entwickelt werden. Anhand eines konkreten Fallbeispiels aus der Fahrzeugmontage wird nachgewiesen, dass sich die Leistungsfähigkeit von Machine Learning Modellen durch die Anwendung des Vorgehensmodells DZKI-PQ um bis zu 30 % steigern lässt.