Digital Engineering – Technische Hochschule Nürnberg Georg Simon Ohm

Verkürzen Sie Ihre Entwicklungszeiten und optimieren Sie Ihre Prozesse bereits vor der ersten Inbetriebnahme. Durch die synergetische Verbindung von Digitalen Zwillingen, leistungsstarken Physiksimulationen und Künstlicher Intelligenz schaffen wir eine hocheffiziente Entwicklungsumgebung, in der sich Steuerprogramme und Regelungsstrategien autonom trainieren. Wir transformieren Ihre komplexen Daten in adaptive Systeme, von der virtuellen Inbetriebnahme bis zum laufenden Betrieb, die Ihre Anlagen über den gesamten Lebenszyklus hinweg kontinuierlich weiterentwickeln.

Kontaktieren Sie uns Projekte ansehen

Digitaler Zwilling: Ihr System jederzeit im Blick

Treffen Sie datenbasierte Entscheidungen mit höchster Präzision durch eine virtuelle Repräsentation Ihrer realen Prozesse und Systeme. Der Digitale Zwilling gleicht sich kontinuierlich mit Ihren Echtzeitdaten ab und ermöglicht so eine tiefgreifende Analyse Ihrer Betriebsabläufe. Nutzen Sie dieses simulationsgestützte Design, um bestehende Systeme zu optimieren oder neue Lösungen risikofrei zu entwickeln.

Künstliche Intelligenz: Komplexe Muster nutzbar machen

Automatisieren Sie Ihre Entscheidungsfindung und erkennen Sie Fehler, bevor sie entstehen. Durch die Integration von Machine Learning identifizieren unsere Systeme Muster in großen Datenmengen, die für das menschliche Auge unsichtbar bleiben. So treffen Sie frühzeitig optimale Entscheidungen, steigern die Qualität Ihrer Produktion und verbessern die Effizienz Ihrer Systeme kontinuierlich.

KI-Lernparadigmen und unsere Projekte

Unsere Forschung konzentriert sich darauf KI in Schlüsselbereichen der Automatisierungstechnik einzusetzen. Gleichzeitig engagieren wir uns aktiv im Wissens- und Technologietransfer zur Unterstützung von Unternehmen jeder Größe.

Hierbei wird in drei fundamentale Lernansätze unterschieden:

Überwachtes Lernen:

Die KI lernt anhand von Beispielen mit bekannten Lösungen und wird beispielsweise bei SPAM-Filtern in Mailprogrammen eingesetzt. Ein Projekt, was dieses lernen anwendet ist KISoSys.

Nicht-Überwachtes Lernen:

In diesem Paradigma findet die KI selbstständig Muster in den Daten, ohne bekannte Lösungen vorgegeben zu haben. Online-Shops nutzen dies, um Kunden mit ähnlichen Interessen zu gruppieren und passende Produkte vorzuschlagen. Die Umsetzung dieser Methode sieht man am Beispiel von KIHelpSys.

Reinforcement Learning:

Hierbei lernt die KI durch Ausprobieren in einer Umgebung, indem Belohnungen und Bestrafungen vergeben werden. Ein Beispiel hierfür sind Empfehlungssysteme,
in denen ein Kundeninteresse für eine angezeigte Empfehlung als Belohnung von der KI wahrgenommen wird. Ein Beispiel in Projektform ist KIRoPro.

Virtuelle Inbetriebnahme: Starten Sie fehlerfrei durch

Sparen Sie wertvolle Zeit und Kosten, indem Sie potenzielle Probleme bereits in der virtuellen Welt beheben. Unsere Simulationen erlauben eine virtuelle Inbetriebnahme Ihrer Anlagen unter realitätsnahen Bedingungen. Das bedeutet für Sie: Kürzere Stillstandzeiten bei Umrüstungen, maximale Sicherheit bei der Implementierung und ein reibungsloser Übergang in den Realbetrieb.

Typische Optimierungen durch Virtuelle Inbetriebnahme

Parallele Software-Entwicklung:

Wir validieren die Steuerungslogik am Digitalen Zwilling, während die Anlage noch gefertigt wird. Das löst die klassische, zeitintensive Abfolge der Gewerke auf und spart Wochen in der kritischen Projektphase.

Drastisch verkürzte Vor-Ort-Zeiten:

Da die Software bereits virtuell „eingefahren“ und auf Fehlerszenarien geprüft wurde, reduziert sich die finale Inbetriebnahme an der realen Maschine auf ein Minimum. Ihr System geht schneller in den produktiven Betrieb.

Fehlerkorrektur ohne Stillstand:

Optimierungen und Anpassungen werden digital durchgeführt, statt langwierig an der physischen Anlage zu experimentieren. Das minimiert das Risiko von ungeplanten Verzögerungen und Hardware-Schäden während der Startphase.

Adaptive Regelung: Optimale Leistung in jeder Situation

Sichern Sie sich eine konstant hohe Performance durch Systeme, die mit ihren Aufgaben wachsen. Unsere Methoden zur Regelung und Optimierung basieren auf einer intelligenten Kombination aus Modellbildung und KI. Wir entwickeln für Sie adaptive Strategien, die sich fließend an veränderte Bedingungen anpassen – für eine hocheffiziente Prozessführung, die auch bei komplexen Zusammenhängen stabil bleibt.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einer einfachen Simulation und einem Digitalen Zwilling?

Während eine klassische Simulation ein statisches Modell ist, tauscht der Digitale Zwilling aktiv Daten mit der realen Anlage aus. Er „lebt“ mit Ihrem Prozess mit und ermöglicht so Optimierungen und Vorhersagen in Echtzeit direkt während des laufenden Betriebs.

Wie aufwendig ist die Einführung einer virtuellen Inbetriebnahme?

Der initiale Modellierungsaufwand zahlt sich schnell aus: Sie reduzieren die Zeit vor Ort an der Maschine drastisch und vermeiden teure Hardware-Schäden durch Softwarefehler, da das System bereits digital „fertig programmiert“ und geprüft ankommt.

Benötige ich riesige Datenmengen, um KI-Methoden sinnvoll zu nutzen?

Nicht zwingend. Durch die Kombination von Physiksimulationen und KI (Physics-informed AI) können wir Systeme auch mit kleineren Datensätzen effektiv trainieren. Das Modell „kennt“ die physikalischen Grundgesetze bereits und muss nur noch die spezifischen Feinheiten Ihres Prozesses erlernen.