KI-gestützte Produktionsplanung für Mass Customization (KiMaC)

  Projektübersicht

Das KiMaC-Projekt ist eine bahnbrechende Initiative im Bereich der Mass Customization und vereint die Stärken der GRAUTHOFF Türengruppe GmbH und der Solarlux GmbH mit künstlicher Intelligenz, um die Produktion von Türen und Glas-Faltwänden zu revolutionieren. Dabei steht nicht nur die technologische Innovation im Vordergrund, sondern auch die Nachhaltigkeit und die Fähigkeit zur Individualisierung, die KI in die Fertigungsprozesse einbringt. GRAUTHOFF Türengruppe GmbH ist ein bedeutender Akteur in der Gebäudeindustrie und spezialisiert auf die Herstellung von Türen. Mit über 60 Jahren Erfahrung, die in einer kleinen Werkstatt begann, ist das Unternehmen zu einem der führenden Türenhersteller Deutschlands gewachsen. Solarlux GmbH ist seit über 35 Jahren führend in der Herstellung von Glas-Faltwänden, Wintergärten und Fassadenlösungen. Solarlux zeichnet sich durch außergewöhnliche Qualität, nachhaltiges Handeln und innovative Designs aus.

Das KiMaC-Projekt zielt darauf ab, mithilfe von KI den Individualisierungsprozess zu optimieren und eine effiziente Produktion maßgeschneiderter Produkte zu ermöglichen, die den individuellen Kundenpräferenzen entsprechen, ohne dabei die Effizienz der Massenproduktion zu beeinträchtigen. Durch die Integration von KI in die Produktkonfiguration und Produktionslogistik schafft das KiMaC-Projekt eine neue Dimension der Personalisierung bei der Herstellung von Türen und Glas-Faltwänden. Jedes Produkt wird nicht nur funktional überlegen, sondern auch individuell auf die Bedürfnisse und Geschmäcker der Kunden abgestimmt.

Einerseits wird die Produktkonfiguration mit einem Wissensgraphen (engl. Knowledge Graph) als neuer Datenbasis restrukturiert. Andererseits wird die Produktionsplanung so angepasst, dass individualisierte Produkte zu den Kosten der Massenproduktion hergestellt werden können. Dieser Teil des Projekts fokussiert sich auf KI-gestützte Lösungen in der realen Produktionsplanung. Das KiMaC-Projekt repräsentiert nicht nur einen Fortschritt in der Produktionseffizienz und Produktpersonalisierung, sondern unterstreicht auch das Engagement der teilnehmenden Unternehmen für Innovation, Nachhaltigkeit und Kundenzufriedenheit im modernen Zeitalter.

Aufgabenstellung

Studierende werden verschiedene Aspekte des Projekts erkunden und dazu beitragen, darunter:

• Daten (Vor-)Verarbeitung & Datenanalyse: Bearbeitung und Analyse von Unternehmensdaten aus der Praxis.

• Erstellung KI-basierter Assistenzsysteme: Unterstützung der Produktionslogistik und Konfigurationsprozesse durch intelligente Entscheidungshilfen und Produktionspläne.

• Automatisierung von Fertigungsprozessen: Einsatz von KI zur Planung von Produktionsaufträgen und Arbeitskräften in Echtzeit basierend auf Betriebsdaten und aktuellen Auftragsdaten.

• Integration und Bewertung: Einbindung und Evaluierung der entwickelten Assistenzsysteme in die Produktionssysteme der Partnerunternehmen, einschließlich der Analyse der wirtschaftlichen Tragfähigkeit und Akzeptanz.

Bezug zum Thema Data Science

Das Projekt integriert zentrale Methoden der Data Science, darunter Datenvorverarbeitung, Datenanalyse und maschinelles Lernen – insbesondere Reinforcement Learning – zur Optimierung von Produktionsprozessen in der Praxis. Es bietet eine einzigartige Gelegenheit, theoretisches Wissen in einem industriellen Umfeld anzuwenden und sich an der Schnittstelle von KI und Fertigung weiterzuentwickeln.

Verfügbare Ressourcen

Die Zusammenarbeit mit Industriepartnern bietet Zugang zu realen Produktionsumgebungen, Betriebsdaten und IT-Infrastrukturen für die Entwicklung und Implementierung von KI-Modellen und -Systemen. Zusätzlich stellt das Center for Applied Data Science Gütersloh eine hochmoderne Test-IoT-Factory für praktische Tests und Experimente bereit. Eine moderne Cloud-Umgebung wird für die Softwarebereitstellung genutzt, unterstützt durch umfangreiche Rechenressourcen des Data Analytics Clusters der Hochschule. 

Projektplan

Erstes Semester: Forschungsexposé mit erster Konzeptualisierung von KI-Modellen zur Produktionsoptimierung.

Zweites Semester: Systematische Literaturrecherche zu bestehenden KI-Anwendungen im Bereich Mass Customization und Produktionsoptimierung.

Drittes Semester: Entwicklung und erste Tests der KI-Modelle und Assistenzsysteme in einer simulierten Produktionsumgebung.

Viertes Semester: Masterarbeit mit Fokus auf Integration, Evaluierung und Optimierung der KI-Systeme in realen Produktionsumgebungen, gefolgt von einem Kolloquium.

Eignungskriterien

Zwingend:

• Bachelorabschluss in Data Science, Produktionslogistik, Informatik oder einem verwandten Fachbereich.

• Programmierkenntnisse, bevorzugt in Python.

• Grundlegendes Verständnis von maschinellem Lernen, Statistik und Optimierung.

• Interesse an der Anwendung von Data Science in realen industriellen Herausforderungen.

Optional:

• Erfahrung mit Operations-Research, Reinforcement Learning oder Prozesssimulation.

• Kenntnisse in Produktionsplanung, ERP-Systemen oder verwandten Bereichen.

Erwerbbare Kompetenzen

Kompetenzen, die durch das Projekt erworben werden

• Praktische Anwendung fortgeschrittener Methoden des maschinellen Lernens und Künstlicher Intelligenz in komplexen, realen Produktionsumgebungen.

• Tiefgehendes Verständnis von Herausforderungen und Lösungen im Bereich Mass Customization aus der Perspektive der Data Science.

• Erweiterte Forschungskompetenzen durch die Entwicklung, Implementierung und Evaluierung modernster KI-Systeme in einem interdisziplinären Umfeld.