Maschinenführer-zentrierte Parametrierung von Artificial Intelligence für eng gekoppelte, verteilte, vernetzte Steuerungssysteme (OpAI4DNCS)

Methoden der KI bieten das Potenzial, menschliches Wissen nachzubilden und damit für die Automation nutzbar zu machen. Die industrielle Anwendung von KI-basierten Ansätzen in Baumaschinen scheitert bisher an der Zuverlässigkeit, den Kosten, der begrenzten Rechenleistung der Maschinensteuerung und der Akzeptanz der Maschinen-führer.

OpAI4DNCS erforscht den Einsatz von KI auf Steuerungsebene in mobilen Baumaschinen am Beispiel komplexer Schlitzwand-Greifer und deren Hydrauliksubsystemen. Im Fokus liegt die Effizienzsteigerung während des Betriebs, sowohl bei unerfahrenen Maschinenführern als auch bei tagesformabhängigen Leistungseinbrüchen von erfahrenen Maschinenführern. Um dies zu erreichen, werden adaptive, intelligente und lernende Steuerungssysteme entworfen und erprobt. Konventionelle Steuerungskonzepte können mittels des sogenannten Agentenansatzes lernen, also mit kleinstmöglichem Aufwand um KI-Methoden erweitert werden. Die systematische Erhebung und Nutzung menschlichen Wissens stellt den sicheren Maschinenbetrieb auch in Grenzsituationen sicher.

Um bei den Maschinenführern eine möglichst hohe Akzeptanz zu erreichen, werden außerdem Methoden zur Bedienerinteraktion untersucht und evaluiert. Für die Assistenzfunktion betrachtet das Projekt unterschiedliche Level an Bedienerinteraktion und Visualisierung. Das ermöglicht eine anforderungsrechte Unterstützung: von der Empfehlung bestimmter Maschinenbewegungen bis hin zur vollkommen autonomen Operation. Die technische Umsetzbarkeit und experimentelle Erprobung werden im Rahmen des Projekts ebenfalls berücksichtigt. Die intelligente, adaptive Assistenz soll technisch durch datengetriebene Ansätze, regelbasierte Verfahren und Konzepte des maschinellen Lernens umgesetzt werden.