ReliaTec - Digitalisierung von Entwicklungsprozessen

Digitalisierung von Entwicklungsprozessen mit Risikoabschätzung in der Automobilindustrie

Diese Arbeit beschäftigte sich mit den Entwicklungsprozessen eines Automobilherstellers und einer automatisierten Risikoabschätzung. Dazu wurde der Prozess einer bestimmten Abteilung detailliert analysiert. Die Untersuchung zielte darauf ab, Optimierungspotenziale aufzudecken und Lösungen dafür anzubieten. Es stellte sich heraus, dass Risikoabschätzungen aufgrund der vielen Einflussfaktoren zu dem Zeitpunkt nur unzureichend ausgeführt werden konnten, für die am Prozess Beteiligten jedoch eine große Hilfestellung gewesen wären.

Risiken rechtzeitig zu erkennen ist von entscheidender Bedeutung für den Projekterfolg, insbesondere aufgrund der Vielzahl der Prozessschritte und ihrer Abhängigkeiten. Im Rahmen dieser Arbeit wurden Methoden aus der Künstlichen Intelligenz auf ihre Eignung, als Hilfsmittel für eine realistische Risikoabschätzung zu dienen, untersucht. Dazu wurden selbstlernende Verfahren wie lineare Regression, Random Forest und neuronale Netze betrachtet. Bei der Konzepterstellung wurden geeignete Parameter ermittelt und definiert, die das Risiko beeinflussen und insbesondere in der Hardware-Entwicklung relevant sind.

Die Arbeit beschäftigte sich darüber hinaus mit dem Thema Daten, beziehungsweise mit der Frage, wie vorgegangen werden kann, wenn keine Lerndaten in ausreichendem Umfang vorhanden sind. Das Problem wurde durch ein speziell auf den Anwendungsfall ausgelegtes Verfahren zur künstlichen Erzeugung von plausiblen Daten gelöst. Die bereits genannten KI-Modelle wurden auf diesen künstlich generierten Daten angelernt und bewertet. Dabei konnte nachgewiesen werden, dass Random Forest und neuronale Netze theoretisch besser geeignet sind, da sie komplexe Sachverhalte besser erkennen können.

Das Lösungskonzept wurde prototypisch als prozessbegleitendes Projektmanagementtool in Plone umgesetzt. Der Prototyp integrierte die entwickelten KI-Modelle und diente zum Nachweis deren Eignung für den Arbeitsalltag und der Richtigkeit der Ergebnisse mittels einer Simulation. Dabei stellte sich heraus, dass ausschließlich das entwickelte neuronale Netz einen praktischen Nutzen hatte. Während der gesamten Simulation zeigte das neuronale Netz eine zu den generierten Testdaten passende und sinnvolle Risikoentwicklung an. In kritischen Situationen wäre dadurch eine frühzeitige Erkennung von Risiken gegeben gewesen.