KI-basierter digitaler Zwilling (KIDZ)

Durch KI-Methoden gewonnene Erkenntnisse liegen oft nur isoliert für Teilaspekte eines Produktionsprozesses vor (z.B. die Ausfallwahrscheinlichkeit einer einzelnen Maschine). Die Erkennung übergreifender Muster für den gesamten Produktionsprozess und Produktlebenszyklus scheitert in der Regel an einem fehlenden Gesamtmodell. Um ein solches Gesamtmodell zu entwickeln, bedarf es der semantischen Annotation der vorhandenen Daten, d.h. der Anreicherung von Datensätzen um Meta- und Kontextdaten. Mittels KI gewonnene Erkenntnisse werden hier in einen Gesamtzusammenhang gebracht. Dies verbessert die Interpretierbarkeit und Erklärbarkeit der KI-Modelle und ermöglicht komplexe Analysen und Prognosen insbesondere durch verschiedene Simulationstechniken. Methoden, die zum Verständnis der KI beitragen (eXplainable AI), ermöglichen dabei die Beschreibung von KI-Modellen und deren Erkenntnissen.