Veranstaltungsreihe "Aux Industry Insights" - Predictive Quality & Certification

Das KI-Produktionsnetzwerk an der Universität Augsburg organisierte für die Industrie der Region Augsburg Schwaben am 13. November einen Austausch über Predictive Quality & Certification.

Zu Gast bei AIRBUS: Die Fachvorträge

Die Fachvorträge aus dem Themenkomplex "Predictive Quality and Certification".

Praxiseinblicke: Einsatz generativer KI bei Airbus Aerostructures

Die Fertigung von Flugzeugkomponenten unterliegt strengen Normen und komplexen Anforderungen. Die schnelle und präzise Suche nach relevanten Informationen in einer Vielzahl von Dokumenten ist dabei eine zentrale Herausforderung. Generative KI bietet hier neue Lösungsansätze, birgt jedoch auch Risiken wie das bekannte "Halluzinieren".

Als Data Scientist bei Airbus Aerostructures verantwortet Olaf Beesdo die Entwicklung, Validierung und den sicheren Betrieb von KI-Systemen. In seinem Vortrag teilt er praxisnahe Erfahrungen aus der Entwicklung KI-basierter Assistenten für die Flugzeugfertigung. Er beleuchtet konkrete Hürden und Lösungsstrategien und gibt einen Ausblick auf die zukünftige Rolle von KI in der Flugzeugindustrie.

Porträtfoto Olaf Beesdo

Qualitätssicherung mit Vision-Systemen in der vollautomatisierten Produktion von Triebwerksteilen

Bei hochautomatisierten Produktionssystemen in der Luftfahrt ist eine adäquate Qualitätssicherung unabdingbar. Wo bisher Menschen auf Prozessabweichungen achten, müssen in der mannlosen Fertigung neue Lösungen gefunden werden. Inwiefern dabei KI-gestützte Vision-Systeme eingesetzt werden können, soll beispielhaft anhand der modernsten Scheibenfertigung der Welt bei der MTU Aero Engines AG aufgezeigt werden.

Benjamin Hofmann arbeitet bei der MTU Aero Engines AG als Projektmanager in der Rotorfertigung an verschiedenen Projekten: Themengebiete sind Neuplanung Produktionssysteme, FTS, Erfassung und Analyse von Maschinen- und Prozessdaten sowie MES-Implementierung. Davor hat er ein Duales Maschinenbaustudium mit Fachschwerpunkt Produktionsmanagement absolviert.

Porträt Benjamin Hofmann, Referent von MTU Aero Engines

Zustandsüberwachung und vorausschauende Instandhaltung in Werkzeugmaschinen

Wie viel Domänenwissen braucht ein Modell zur Vorhersage der Restlebensdauer von Maschinenkomponenten – und was kann Machine Learning ersetzen?
Wir zeigen unseren Weg vom analytischen Vorgehen hin zur datengetriebenen Zustandsüberwachung mit zentralen Herausforderungen und Erkenntnissen.

Michael Nierlich studierte Maschinenwesen an der TU München, wobei er effiziente Dynamik-Simulation von achsenflexiblen Maschinen vertiefte. Bei der GROB-WERKEN GmbH & Co. KG fokussiert er in der Abteilung "Versuch" die Messdatenauswertung sowie FEM-Simulation und gründete das Team Advanced Analytics mit Schwerpunkt auf Simulation, mechatronischer Optimierung und Data Science.

Porträt Michael Nierlich (GROB)

Ansprechpartner

Stephan Schlüter
Wissenschaftlicher Mitarbeiter, Kontakt für Firmen
KI-Produktionsnetzwerk Augsburg

E-Mail:

Director Centre for Future Production
Mechanical Engineering

Startseite:

E-Mail:

Medienkontakt

Teresa Grunwald M.A.
Mitarbeiterin für Kommunikation und Öffentlichkeitsarbeit
KI-Produktionsnetzwerk Augsburg

E-Mail:

Suche