FLInK - Föderierte Lernverfahren und Schwarmintelligenz in der fertigenden Industrie zum beschleunigten Transfer vortrainierter KI-Modelle

Das Projekt "FLlnK" erforscht KI-Methoden des verteilten Lernens und den Transfer vortrainierter KI-Modelle zwischen Fertigungsverfahren und Produkten. Maschinelles Lernen (ML) bietet wirtschaftliche und ökologische Vorteile, z.B. durch Optimierung von Material- und Energieeinsatz. Für Firmen mit wechselnden Prozessanforderungen ist ML jedoch herausfordernd, da umfangreiche Daten und Zeit für spezifische KI-Modelle benötigt werden. Das Projekt reduziert diesen Aufwand durch verteiltes Lernen und Transfer Learning. Methoden werden anhand von spanenden, umformenden und trennenden Fertigungsverfahren bei Felss Systems GmbH und Hoerbiger Antriebstechnik Holding GmbH entwickelt und erprobt. Durch Modelltraining in einem Wertschöpfungsnetzwerk können mit Schwarmintelligenz Daten und Modelle erzeugt und auf neue Anwendungen übertragen werden. Dies ermöglicht Unternehmen, ML effizient für neue Produkte oder Anlagen zu nutzen und Zeit beim Erlernen neuer Modelle zu sparen.