KI in technischen Prozessen - Teil 2 Kompetenzen entwickeln - KI-Methoden in Produktionsprozessen und Qualitätssicherung einsetzen

Die Teilnehmerinnen und Teilnehmer sollten ein grundlegendes Verständnis technischer Prozesse und Abläufe in ihren jeweiligen Arbeitsbereichen mitbringen sowie Kenntnisse in mindestens einer Programmiersprache (z. B. Python, R und/oder KNIME Analytics Platform) haben. Hilfreich ist auch ein grundlegendes Verständnis von mathematischen und statistischen Konzepten, um die Funktionsweise von KI-Algorithmen besser zu verstehen. #Einführung in Künstliche Intelligenz und Maschinelles Lernen
- Wiederholung Inhalte Seminar „KI in technischen Prozessen - Teil 1“
- Grundlagen der Künstlichen Intelligenz
-Einführung in Maschinelles Lernen: Definitionen, Konzepte und Unterschiede zu traditionellen Algorithmen

Datenvorbereitung und -verarbeitung
- Bedeutung von Datenqualität und -vorbereitung
- Methoden zur Datenbereinigung und -normalisierung
- Feature Engineering: Auswahl und Erstellung relevanter Merkmale

Maschinelles Lernen - überwachte und unüberwachte Lernmethoden
- Überblick über verschiedene Lernmethoden
- Überwachtes Lernen: Regression und Klassifikation
- Unüberwachtes Lernen: Clustering und Anomalie Erkennung
- Beispiele und Anwendungsfälle aus der Praxis

Entwicklung und Training von KI-Modellen
- Auswahl geeigneter Algorithmen für spezifische Anwendungsfälle
- Training und Validierung von Modellen
- Hyperparameteroptimierung und Modellbewertung

Implementierung und Integration von KI-Systemen
- Deployment von Modellen in Produktionsumgebungen
- Integration von KI-Systemen in bestehende technische Prozesse
- Herausforderungen und Best Practices#Das Seminar KI in technischen Prozessen - Teil 2 vermittelt Entwicklern, Prozess- und Projektingenieuren das notwendige Wissen und die praktischen Fähigkeiten, um Künstliche Intelligenz (KI) gezielt technische Prozesse einzusetzen. Im zweiten Teil 2 steht die praxisorientierte Entwicklung und das Training von KI-Modellen im Fokus. Die Teilnehmerinnen und Teilnehmer lernen, wie sie geeignete KI-Methoden für unterschiedliche technische Prozesse auswählen und anwenden können. Anhand von Fallstudien und realen Use Cases wird demonstriert, wie Qualitäts- und Prozessdaten effektiv genutzt werden, um Optimierungspotenziale in der industriellen Produktion zu erschließen.

Die Anwendung von KI-Methoden wird praxisnah demonstrieren. Dies erfolgt anhand durchgängiger, seminarbegleitender Use Cases, die reale Herausforderungen aus der Industrie adressieren und aufzeigen, wie diese mithilfe von KI effizient gelöst werden können.

KI und Maschinelles Lernen werden immer mehr zu einem unverzichtbaren Werkzeug, um die Effizienz, Qualität und Innovationskraft im technischen Arbeitsumfeld und damit auch in der Industrie zu steigern. Im zweiten Teil unserer Seminarreihe lernen die Teilnehmerinnen und Teilnehmer, Produktionsprozesse mit Hilfe von Künstlicher Intelligenz effizienter zu gestalten, die Qualitätssicherung zu verbessern und Ressourcen effektiver zu nutzen.

Die Wissensvermittlung erfolgt anhand realer ingenieurwissenschaftlicher Use Cases, die einen engen Bezug zu den Bereichen Qualität und Produktion sowie den dort eingesetzten Prozessen haben. Diese Use Cases basieren auf qualitäts- und prozessrelevanten Daten und orientieren sich an den Aufgabenfeldern von Prozessmanagern, Qualitätsmanagern sowie Produktionsverantwortlichen. Dabei wird der vollständige Entwicklungsprozess von der Definition eines Use Cases über die Analyse der QM-Daten bis hin zur Entwicklung eines vollständigen KI-Systems zur Prozessoptimierung technischer Prozesse abgedeckt.

Darüber hinaus erwerben sie die Kompetenz, KI-Projekte erfolgreich zu planen und zu leiten, was zu einer deutlichen Verbesserung der Qualitätssicherung durch den Einsatz KI-gestützter Methoden führt. Dies bedeutet in der Regel auch eine signifikante Steigerung der Produktivität und Kosteneffizienz.