KI-Modell für das Bauwesen entwickeln und trainieren
Das Unternehmen
Pumacy wurde im Jahr 2000 gegründet und ist ein gemeinsames Spin-off der Technischen Universität Berlin und des Fraunhofer-Instituts für Produktionsanlagen und Konstruktionstechnik IPK. Das Unternehmen befähigt seine Kunden, Produkt- und Prozesswissen sowie die Ideen und Erfahrungen der Mitarbeitenden optimal einzusetzen. Dabei greift Pumacy auf ein erprobtes Methoden- und Softwareportfolio zurück. Das Unternehmen bedient eine Vielzahl von Branchen- sowie Kundensegmenten, vornehmlich im Maschinen- und Anlagenbau, an fünf Standorten in Deutschland und Österreich. Die Hauptniederlassung ist in Berlin.
Problemstellung und Ausgangssituation
Im Rahmen eines Use Cases für die Bauindustrie wird die Interaktion und Aktivität eines Werkers aus dem Holzbau mittels Wearables getrackt. Bei den verschiedenen Abläufen und Handgriffen werden immer wieder Werkstücke und Bauteile gefertigt und später zusammengesetzt. Auch die Interaktion mit Robotern für die Zu- und Abführung von Holzzuschnitten spielt eine Rolle. Für die Position des Werkers sowie dessen Tätigkeit werden jede Menge Rohdaten getrackt. Diese Rohdaten gilt es zu verknüpfen, auszuwerten und Rückschlüsse daraus zu ziehen. Für die Modellierung und Detaillierung bzw. das Training werden KI-Lösungen (z. B. neuronale Netze) genutzt.
Projektziele
Mit der genauen und detaillierten Erfassung von Tätigkeiten und Positionen des Werkers können sowohl Gefahrenbereiche für die Mensch-Maschine-Interaktion als auch Abläufe und Optimierungen in den Arbeitsvorgängen erreicht werden. Im Digitalisierungsprojekt steht das Training eines KI-Modells, dessen Validierung und die Optimierung der Hyperparameter im Mittelpunkt. Das KI-Modell soll Aktivitäten der Mitarbeitenden eindeutig erkennen und verschiedene Aktivitätsklassen beschreiben. Daraus lassen sich ergonomische Maßnahmen und Optimierungen von Arbeitsabläufen ableiten, etwa Wegstrecken oder Lean Management. Außerdem schafft das Projekt die Grundlage für die Ableitung zukünftiger Use Cases.
Vorgehen
Für den Aufbau und die Weiterentwicklung des KI-Modells werden verschiedene Roh- und Szenariendaten verwendet und miteinander verknüpft. Anschließend werden die Tätigkeiten und Positionen von Arbeitern im Bereich des Holzbaus analysiert. Damit einher gehen ein Modelltraining und die Validierung. So wird eine Bewertung der Performance, der Genauigkeit und der Robustheit des trainierten KI-Modell unter Verwendung geeigneter Metriken und Validierungstechniken vorgenommen. Im Anschluss erfolgt die Optimierung der Hyperparameter. Diese Feinabstimmung verbessert im Anwendungsfall die Leistung. Im letzten Schritt erfolgen die Dokumentation und Berichterstattung.
