Künstliche Intelligenz (KI) in der Fahrzeugentwicklung - Grundlagen und Anwendungen
Veranstaltungsnummer: 01SE179
- Potentiale datengetriebener Verfahren in der automobilen Produktentwicklung
- Begrifflichkeiten und Abgrenzungen: Künstliche Intelligenz (KI) - Maschinelles Lernen (ML) - Deep Learning (DL)
- Konstruktions-, Simulations- und Testdaten zur Nutzung identifizieren
Ziel des Seminars ist die Vermittlung eines grundlegenden Verständnisses datengetriebener Verfahren im Kontext von Produktentwicklungsprozessen. Dazu gehört neben der eigentlichen Methodik auch die Kenntnis der Anwendungsmöglichkeiten in der Fahrzeugentwicklung, die nötigen Voraussetzungen, die Limitierungen des Ansatzes sowie absehbare zukünftige Entwicklungen.
Konkret erhalten Sie einen Überblick über die Begrifflichkeiten: Künstliche Intelligenz (KI) - Maschine Learning (ML) - Deep Learning (DL). Es werden die wichtigsten Methoden des maschinellen Lernens vorgestellt und durch interaktive Tutorials erlebbar gemacht. Aktuelle Anwendungsszenarien und Case Studies ermöglichen den Brückenschlag in die praktische Anwendung. Zudem werden wichtige softwaretechnische, methodische und organisatorische Best Practices für erfolgreiche KI-Projekte vorgestellt und diskutiert.
Das Seminar können Sie auch als Wahlpflichtmodul innerhalb des Lehrgangs „Fachingenieur Fahrzeugautomatisierung VDI“ buchen.
Top-Themen
- Potentiale datengetriebener Verfahren in der automobilen Produktentwicklung
- Begrifflichkeiten und Abgrenzungen: Künstliche Intelligenz (KI) - Maschinelles Lernen (ML) - Deep Learning (DL)
- Konstruktions-, Simulations- und Testdaten zur Nutzung identifizieren
- Methoden des maschinellen Lernens auf ingenieurtechnische Daten anwenden
- Aktuelle Anwendungsbeispiele und Softwareframeworks
- Best Practices für erfolgreiche KI-Projekte in der Produktentwicklung
Programm
Diese Inhalte erwarten Sie im Seminar:
Methodische Grundlagen von KI und maschinellem Lernen
Einführung
- Geschichte des Machine Learnings
- Grundlagen des maschinellen Lernens
- Begrifflichkeiten und Abgrenzung zu anderen Methoden aus dem Bereich der künstlichen Intelligenz
- Vorstellung und Einordnung der wichtigsten Methoden im Bereich des Deep Learnings
- Übersicht über Anwendungen im Bereich der Fahrzeugentwicklung
Klassifikation mit ML-Verfahren am Beispiel von
„Convolutional Neural Networks“
- Grundlagen der Convolutional Neural Networks
- Anwendungen im Bereich der Bildverarbeitung
- Wichtige Validierungsstrategien und Qualitätsmetriken für tiefe neuronale Netze
Hands-on Tutorial: Klassifikation von Bauteilen auf Basis von CNNs mit Tensorflow
Ähnlichkeitsanalyse und Anomaliedetektion mittels Deep Learning
- Grundlagen unüberwachter Lernverfahren
- Typische Anwendungen im Ingenieurwesen
- Generative Verfahren und andere zukünftige Entwicklungen
Hands-on Tutorial: Automatisches Clustering von Sensordaten zur Fehleranalyse↓
Anwendungen in der Fahrzeugentwicklung
Anwendungen von Deep Learning in der Fahrzeugentwicklung
- Case Study Predictive Maintenance: Best Practices und erste Schritte für ein erfolgreiches KI-Projekt
- Case Study Simulation: Schnellere Variantenentwicklung in der passiven Sicherheit
- Case Study Messtechnik: Schnellere Testauswertung im Bereich NVH
- Case Study Prozessautomatisierung: Bewertung von Konstruktionsdaten
- Case Study Prozessüberwachung: Anomaliedetektion in Simulations- und Messdaten
- Ausblick: Digitaler Konstruktionsassistent und generatives Design
Der Weg zur erfolgreichen KI-Anwendung
- Definition des Anwendernutzens und des geschäftlichen
Mehrwerts - Erste Schritte zum Minimum Viable Product: Datenexploration und Prototyping der Algorithmen
- Begeisterung wecken und Vertrauen schaffen: Gelungene datengetriebene Kommunikation mit allen Stakeholdern
- Operationalisierung von ML-basierten Applikationen
Hands-on Tutorial: Bereitstellung einer ML-basierten Engineering App als Webservice
Zusammenfassung und Abschlussdiskussion
- Wo liegen weitere aktuelle und zukünftige Anwendungen der Technologien?
- Wie verändert sich das Berufsbild von Entwicklungsingenieuren?
- Welche neuen Geschäftsmodelle werde durch AI-assisted Engineering möglich?
Zielgruppe
Das Seminar wendet sich an Fach- und Führungskräfte in der Automobilindustrie und bei Entwicklungsdienstleistern, z.B. aus den Bereichen
- Konstruktion & Entwicklung.
- Simulation
- Testing
- Projektmanagement
Ihr Seminarleiter im Seminar "KI in der Fahrzeugentwicklung":
Dr. Stefan Suwelack, CEO, Renumics GmbH, Karlsruhe
Der Elektrotechniker studierte an der TU Darmstadt und der Heriot-Watt University in Edinburgh und promovierte am Karlsruher Institut für Technologie (KIT) zum Thema "Real-time biomechanical modeling for intraoperative soft tissue registration“. Seit 2008 arbeitet er als wissenschaftlicher Mitarbeiter am Institut für Anthropomatik und Robotik im Bereich der numerischen Simulation und der maschinellen Lernverfahren am KIT. Er ist Mitgründer der Firma Renumics und dort in der Geschäftsführung tätig.
Veranstaltung buchen