Vorgehensweise
Zu Beginn des Projekts werden die Anforderungen an vertrauenswürdige KI in der Qualitätsprüfung identifiziert. Dabei werden sowohl regulatorische Vorgaben aus dem Artificial Intelligence Act (AI-Act) als auch spezifische Anforderungen von Unternehmen und Monteuren systematisch erfasst. Experteninterviews und methodische Analysen wie das Kano-Modell helfen dabei, praxisrelevante Kriterien für eine vertrauenswürdige Gestaltung der KI-basierten Qualitätsprüfung zu definieren.
Darauf aufbauend wird eine digitale Infrastruktur zur Erfassung und Verarbeitung von Qualitätsdaten entwickelt. Hierbei entsteht ein hybrides Montagesystem, das Messdaten automatisiert erfasst und in ein intelligentes Prüfverfahren integriert. Diese Struktur bildet die Grundlage für eine zuverlässige und nachvollziehbare KI-gestützte Qualitätsbewertung.
Die Kernentwicklung des Projekts konzentriert sich auf die KI-basierte Qualitätsprüfung selbst. Dabei werden Algorithmen konzipiert, die eine hohe Präzision und Prüfabdeckung ermöglichen, gleichzeitig aber auch Erklärbarkeit und Transparenz gewährleisten. Ziel ist es, nicht nur technische Genauigkeit zu erreichen, sondern auch das Vertrauen der Anwender in die Systementscheidungen zu stärken.
Ein weiterer Schwerpunkt liegt auf der humanzentrierten Gestaltung der Mensch-Maschine-Interaktion. Die Benutzeroberfläche wird so entwickelt, dass Anwender die KI-Entscheidungen nachvollziehen und bei Bedarf eingreifen können. Dies stellt sicher, dass die Prüfsysteme intuitiv bedienbar sind und sich nahtlos in bestehende Arbeitsabläufe integrieren lassen.
Anschließend wird das entwickelte System in einer experimentellen Validierung getestet. In realitätsnahen Szenarien wird überprüft, ob die KI-basierte Qualitätsprüfung die geforderten Standards an Vertrauenswürdigkeit, Transparenz und Akzeptanz erfüllt. Die Ergebnisse aus diesen Tests fließen in eine iterative Optimierung der Methode ein.
Zum Abschluss wird das entwickelte Konzept in ein branchenneutrales IT-Tool überführt, das eine einfache und sichere Implementierung in der industriellen Praxis ermöglicht. Schulungen und Workshops unterstützen KMU dabei, die Technologie eigenständig zu nutzen und die digitale Souveränität im Umgang mit KI-basierten Qualitätssicherungssystemen zu stärken.