NLP-Driven Configuration for Mass Customization (NLP-KiMaC)

Das KiMaC-Projekt ist ein innovatives Vorhaben im Bereich der Mass Customization, die das Know-how der GRAUTHOFF Türengruppe GmbH und der Solarlux GmbH mit fortschrittlichen KI-Technologien kombiniert, um die Produktion von Türen und Glasfaltwänden zu optimieren. Die Initiative hebt nicht nur die technologische Innovation hervor, sondern auch die Nachhaltigkeit und die Anpassungsfähigkeit, die KI in die Fertigungsprozesse einbringt. Das vorgeschlagene Folgeprojekt wird sich auf die Integration von NLP-Techniken in das KiMaC-Projekt konzentrieren.

GRAUTHOFF und Solarlux werden zum Projekt reale Produktionsszenarien beisteuern und Betriebsdaten bereitstellen, um die Entwicklung und Validierung der NLP-gestützten Konfigurationssysteme zu unterstützen. Ihre Beteiligung stellt sicher, dass die Lösungen praktisch und effektiv sind und den Anforderungen der Industrie entsprechen. Das NLP-KiMaC-Projekt zielt darauf ab, NLP-Technologien zu nutzen, um den Konfigurationsprozess zu rationalisieren und eine benutzerfreundliche und effiziente Produktion von hoch personalisierten Produkten zu ermöglichen. Diese intelligenten Systeme ermöglichen eine bessere Kommunikation zwischen den Beteiligten, eine höhere Präzision beim Design und schnellere Produktionszyklen ohne Qualitätseinbußen.

Die Synergie zwischen dem Know-how von GRAUTHOFF und Solarlux, gepaart mit dem transformativen Potenzial von NLP versetzt NLP-KiMaC in die Lage, Interaktion, Effizienz und Personalisierung in der Fertigung neu zu definieren.

Der Studentin / dem Studenten kommt die Schlüsselrolle bei der Integration von NLP-Techniken in den Konfigurationsprozess zu, die dafür sorgt, Konfiguration in eine nahtlos integrierte und effiziente Aufgabe zu verwandeln. Zu den Hauptaufgaben gehören:

1. Entwicklung von NLP-gesteuerten Konfigurationssystemen:

Entwerfen intuitiver Systeme, die es den Benutzern ermöglichen, auf natürliche Weise mit Konfigurationssytemen über dialogorientierte Schnittstellen zu interagieren und so komplexe Arbeitsabläufe zu vereinfachen.

1. Entwicklung intelligenter Assistenten für die Konfiguration:

Erstellung von NLP-gestützten Assistenten, die Vorschläge in Echtzeit machen, die Entscheidungsfindung vereinfachen und Konfigurationsfehler reduzieren.

1. Evaluierung integrierter Systeme:

Bewertung der Benutzerfreundlichkeit, Geschwindigkeit und Skalierbarkeit von Systemen in

realen Produktionsumgebungen, um ihre Effizienz und Auswirkungen auf die Anpassungsprozesse zu validieren

Das Projekt integriert zentrale Data-Science-Methoden, darunter natürliches Sprachverständnis, maschinelles Lernen und prädiktive Modellierung. Mit diesen Technologien werden reale Herausforderungen angegangen, darunter die Vereinfachung von Konfigurationsprozessen, die genaue Erfassung von Kundenanforderungen und die Gestaltung effizienter Benutzerinteraktionen.

Die Zusammenarbeit mit Industriepartnern bietet Zugang zu realen Produktionsumgebungen,

Betriebsdaten und IT-Infrastrukturen für die Entwicklung und Implementierung von KI-Modellen und Systemen in der Praxis. Für die Entwicklung wird eine moderne Cloud-Umgebung genutzt, die der Hochschule bereitgestellt wird und das Projekt durch umfangreiche Rechenressourcen für ML-Training und Optimierungsaufgaben unterstützt.

Erstes Semester: Forschungsexposé über den Entwurf von NLP-gesteuerten Konfigurationssystemen und die erste Integration von KI-Modellen.

Zweites Semester: Systematische Literaturrecherche zu NLP-Anwendungen im Bereich Mass Customization und User Interaction Design.

Drittes Semester: Entwicklung und Test von NLP-gestützten Konfigurationssystemen in simulierten Umgebungen.

Viertes Semester: Masterarbeit mit Schwerpunkt auf der Integration, Bewertung und Optimierung dieser Systeme in realen Produktionsumgebungen, gefolgt von einem Kolloquium.

Zwingend:

• Bachelor-Abschluss mit Schwerpunkt Informatik, Data Science oder einem verwandten Fachgebiet.
• Fortgeschrittene Kenntnisse in Programmiersprachen wie Python.
• Grundlegendes Verständnis von maschinellem Lernen, Statistik und Optimierung.
• Interesse an der Anwendung von NLP und KI auf industrielle Herausforderungen.

Optional:

• Erfahrung mit fortgeschrittenen NLP-Techniken.
• Erfahrung in der Anwendung von NLP-Technologien auf komplexe, reale Herausforderungen in der Personalisierung und Fertigung.
• Tiefgreifendes Verständnis von Mass Customization Workflows unter Verwendung von NLP.
• Erweiterte Forschungskompetenzen durch die Konzeption, Entwicklung und Evaluierung modernster NLP-Systeme in einem interdisziplinären Kontext.
• Erweiterte Forschungskompetenzen durch die Entwicklung, Implementierung und Evaluierung von innovativen KI-Systemen in einem interdisziplinären Umfeld.