Fraunhofer-Institut für Werkstoffmechanik IWMIhr wertvollstes Wissen steckt oft in Prüfberichten, Datenblättern und den Köpfen einzelner Fachkräfte – und ist weg, sobald diese das Unternehmen verlassen. Wir sichern dieses Wissen und machen es nutzbar: Wir bauen KI-Assistenten, die firmeneigene Daten, Fachliteratur und Prozessinformationen durchsuchbar machen und Antworten mit Quellenangabe belegen – statt plausibel klingender, aber nicht überprüfbarer Chatbot-Antworten. Wir modellieren dafür Ihre Datenquellen, bauen Wissensgraphen auf und gleichen Kundenanforderungen automatisiert mit Fertigungsdaten und Normen ab. Das Ergebnis: schnellere, besser fundierte Entscheidungen in Entwicklung, Qualität und Fertigung, weniger Doppelarbeit, geringeres Risiko, relevante interne Daten zu übersehen – und ein Unternehmen, das sein Erfahrungswissen über Generationen hinweg bewahrt, statt es stillschweigend zu verlieren.
KI-gestütztes Wissensmanagement und Entscheidungsunterstützung
KI-gestützter Zugriff auf integrierte Material- und Prozessdaten (Chatbot)
Wir entwickeln eine Chatbot-Schnittstelle, mit der Ihre Teams in natürlicher Sprache silo-übergreifend Material- und Prozessdaten zugreifen können. Antworten basieren auf hinterlegten Unternehmensdaten und werden mit Quellenangaben belegt. Sie beschleunigen damit FuE-Entscheidungen, nutzen vorhandenes Wissen besser, vermeiden Doppelarbeit und senken das Risiko, relevante interne Daten zu übersehen.
FuE Leistungen:
- Anbindung Material- und Prozessdatenquellen
- Entwicklung einer Chatbot-Schnittstelle in natürlicher Sprache
- Hinterlegung von Quellenangaben zur Überprüfbarkeit jeder Antwort
- Definition von Zugriffsrechten und Freigabestufen je Nutzerrolle
- Integration in bestehende FuE- und Dokumentationssysteme
Referenzprojekt:
- ORCHESTER: Digitales Ökosystem für eine resiliente und nachhaltige Versorgung mit funktionssicheren Werkstoffen
Fraunhofer Leitprojekt ORCHESTER
KI-gestützter Abgleich von Kunden- und Prozessdaten
Wir setzen Sprachmodelle ein, um Kundenanforderungen automatisch mit internen Fertigungsdaten und allgemeinem Wissen (Spezifikationen, Normen, offenen Wissensdatenbanken) abzugleichen. Sie minimieren damit Fehler, vermeiden ungeplante Kosten und steigern die Effizienz Ihrer Angebots- und Fertigungsprozesse.
FuE Leistungen:
- Automatische Extraktion von Kundenanforderungen aus Spezifikationen
- Abgleich der Anforderungen mit internen Fertigungsdaten
- Prüfung gegen relevante Normen und offene Wissensdatenbanken
- Markierung von Abweichungen und fehlenden Nachweisen
- Frühwarnung bei potenziellen Konflikten vor Auftragsbeginn
Wissensbasis für die Werkstoffentwicklung: Literatur und firmeneigene Dokumente
Wir bauen eine werkstoff- und prozessspezifische Wissensbasis auf, sowohl aus wissenschaftlicher Literatur mit Zitationsnetzwerken als auch aus Ihren firmeneigenen Prüfberichten, Datenblättern, Zeichnungen und Normen, und machen dieses Wissen mit KI in natürlicher Sprache zugänglich. Sie treffen damit schnellere, besser fundierte Entscheidungen durch Zugriff auf verstreutes Fach- und Erfahrungswissen, erhalten fakten-basierte Antworten statt Vermutungen und bewahren Unternehmens-Know-how über Generationen hinweg.
FuE Leistungen:
- Erschließung wissenschaftlicher Literatur inklusive Zitationsnetzwerken
- Integration firmeneigener Prüfberichte, Datenblätter und Zeichnungen
- Aufbau einer werkstoff- und prozessspezifischen Wissensbasis
- Semantische Suche mit Quellenverknüpfung für jede Antwort
- Laufende Erweiterung der Wissensbasis um neue interne Dokumente
Wissensgraphen-basierte Ursache-Wirkungs-Analyse
KI-gestützte Auswertung und Neurosymbolic AI sind aktueller Forschungsgegenstand zur Identifikation bislang unbekannter Einflussfaktoren auf KPIs wie Qualität oder Ausschuss sowie zur Entscheidungsunterstützung bei Materialauswahl oder Prozessroute. Sie senken damit Kosten durch Nutzung vorhandener Daten statt neuer Tests und treffen risikoärmere, datenbasierte Entscheidungen.
FuE Leistungen:
- Modellierung von Ursache-Wirkungs-Beziehungen in Wissensgraphen
- Identifikation unbekannter Einflussfaktoren auf Qualitäts- und Ausschuss-KPIs
- Entscheidungsunterstützung bei Materialauswahl und Prozessroutenwahl
- Nutzung von Neurosymbolic AI zur Verknüpfung von Daten und Fachregeln
- Ableitung priorisierter Hypothesen für gezielte Folgeversuche
Referenzprojekt:
- Digitale Modellierung und Simulation für die Entwicklung, Verarbeitung und Herstellung fortschrittlicher Werkstoffe
EU-Projekt DiMat
Forschungsthema unternehmensübergreifendes, IP-sicheres Lernen
Wir forschen am Einsatz von Federated Learning zum IP-sicheren Lernen über Unternehmensgrenzen hinweg, mit Fraunhofer als vertrauenswürdigem Partner. Perspektivisch wahren Sie damit Ihr geistiges Eigentum bei gleichzeitiger gemeinsamer Optimierung unternehmensübergreifender Wertschöpfungsketten.
FuE Leistungen:
- Konzeption von Federated-Learning-Architekturen für mehrere Unternehmenspartner
- Verbleib sensibler Rohdaten im jeweiligen Unternehmen
- Austausch ausschließlich geeigneter Modellinformationen statt Rohdaten
- Fraunhofer als vertrauenswürdiger, neutraler Mittler im Lernprozess
- Prüfung gemeinsamer Optimierungspotenziale entlang der Wertschöpfungskette
Referenzprojekt:
- Digitale Modellierung und Simulation für die Entwicklung, Verarbeitung und Herstellung fortschrittlicher Werkstoffe
EU-Projekt MaterialsCommons