Künstliche Intelligenz in der Messtechnik

Thematische Einordnung

Unter den Begriffen „Maschinelles Lernen“ und „Künstliche Intelligenz“ werden in jüngerer Zeit verschiedenste algorithmische Ansätze zur Datenanalyse und Datenbewertung zusammengefasst. Dabei wird im Grundsatz versucht, bestimmte Entscheidungsstrukturen des Menschen nachzubilden, mit dem Ziel, einen Computer zu befähigen, relativ eigenständig Probleme zu bearbeiten. Die Bandbreite der hierzu eingesetzten Techniken reicht von der vergleichsweise einfachen Regressionsanalyse bis hin zu tiefen neuronalen Netzen. Verbreitete Anwendungsgebiete sind aktuell die Muster- und Objekterkennung, bei welchen häufig eher qualitative Merkmale am Ende der Prozesskette stehen. Derartige Ansätze sind durchaus auch im Bereich der Messtechnik zielführend anwendbar, etwa wenn es darum geht, in aufgezeichneten Messdaten charakteristische Besonderheiten zu identifizieren, welche auf bestimmte Systemzustände hindeuten. Ein bislang in deutlich geringerem Maße erprobtes Anwendungsszenario besteht in der Generierung quantitativer messtechnischer Aussagen mittels künstlicher Intelligenz.

Am IPROM werden in zunehmendem Umfang Ansätze der künstlichen Intelligenz zur Datenanalyse angewendet. Um das Potenzial der künstlichen Intelligenz auf dem Gebiet der Messtechnik weiter auszuloten, sowie um einen niederschwelligen Zugang zu entsprechenden Methoden und Werkzeugen aufzuzeigen, soll das Themengebiet im Rahmen einer Projektarbeit einer eingehenden Betrachtung unterzogen werden.

Aufgabenstellung

Sie erhalten die Aufgabe, sich einen möglichst breiten Überblick der gängigen Ansätze des maschinellen Lernens und der künstlichen Intelligenz zu verschaffen und diesen mit besonderem Blick auf potentielle Anwendbarkeit im Bereich der Messtechnik zu dokumentieren. Anhand exemplarischer Anwendungsfälle sollen ausgewählte Ansätze veranschaulicht werden, wobei insbesondere solche Ansätze betrachtet werden sollen, welche als geeignet für Anwendungen auf dem Gebiet der Messtechnik angesehen werden können.

Die Aufgabenstellung umfasst insbesondere folgende Teilaufgaben:

• Mittels einer Recherche ist ein Überblick gängiger Ansätze des maschinellen Lernens und der künstlichen Intelligenz zu erstellen und zu dokumentieren. Neben den grundlegenden Techniken sollen hierbei auch bereits im Stand der Technik oder dem Stand der Forschung dokumentierte Anwendungen aus dem Gebiet der Messtechnik betrachtet werden.
• Ausgewählte Ansätze sollen unter Nutzung von an der TU Braunschweig ohne zusätzliche Kosten verfügbarer Softwarepakete exemplarisch veranschaulicht werden, um einen niederschwelligen Zugang für zukünftige Anwender*innen am IPROM zu generieren. Als Softwarepakete sind vorzugsweise Matlab mit seinen einschlägigen Toolboxen sowie Python-basierte Bibliotheken wie TensorFlow, Keras oder Scikit-learn in Betracht zu ziehen.

Weitere Einzelheiten der Aufgabenstellung erfolgen in Absprache mit dem Betreuer.

Ihr Kontakt

Dr.-Ing. Marcus Petz
Tel.: (0531) 391-7024
Email: m.petz(at)tu-braunschweig.de