Die Area Analytics integriert modernste Methoden der Datenwissenschaft, um Organisationen von der Rohdatenerfassung bis hin zu fundierten, proaktiven Entscheidungen zu begleiten. Der Ansatz kombiniert Computational Data Science, Kausalanalyse, visuelle und interaktive Schnittstellen sowie Entscheidungsunterstützungssysteme. Ziel ist es, datenbasierte Intelligenz in umsetzbare Erkenntnisse und Empfehlungen zu verwandeln, ermöglicht durch KI, erklärbare Modelle und innovative Visualisierungstechniken.
Dieser Bereich befähigt Fachkräfte mit modernen Werkzeugen, sodass Organisationen ihre Prozesse optimieren, Qualitätsstandards einhalten und Wartungsbedarfe vorausschauend erkennen können.
Forschungsansatz
Wir verbinden datengetriebene und kausale Methoden mit interaktiven, KI-gestützten Benutzerschnittstellen. Unsere Forschung entwickelt skalierbare Lösungen, die auf fortschrittlichen Machine-Learning- und Deep-Learning-Algorithmen basieren und durch erklärbare KI (xAI) Transparenz gewährleisten. Personalisierte Visualisierungen, die auf die Bedürfnisse der Anwender zugeschnitten sind, sorgen für Verständlichkeit und Benutzerfreundlichkeit. Durch die Kombination von Kausalinferenz und Entscheidungsunterstützungssystemen gehen unsere Lösungen über reine Vorhersagen hinaus. Sie decken zugrunde liegende Ursachen auf und liefern umsetzbare, evidenzbasierte Handlungsempfehlungen.
Technologien und Innovationen
- Interpretierbare und erklärbare Methoden des Machine Learning
- Menschzentriertes und kontextsensitives Machine Learning (Human-Aware AI)
- Kausalitätsbasierte Machine-Learning-Lösungen
- Kausales Reinforcement Learning zur datengetriebenen Entscheidungsoptimierung
- Multimodale KI-Ansätze und Sensorfusion zur Integration heterogener Datenquellen
- Vertrauenswürdige, robuste generative KI-Systeme
- Personalisierte und adaptive Benutzeroberflächen sowie interaktive Dashboards
- Embodied AI Agents für den Einsatz in realen industriellen Umgebungen
- Weltmodelle zur Simulation und Steuerung verkörperter und autonomer Systeme
Anwendungsfelder in der Industrie
- Predictive Maintenance auf Basis multimodaler Industriedaten
- Zustandsüberwachung und Zuverlässigkeitsanalyse industrieller Anlagen
- KI-gestützte Prozessoptimierung für nachhaltige und ressourceneffiziente Produktion
- Qualitätssicherung in der Produktion durch intelligente Prüf- und Kontrollsysteme
- Anomalieerkennung in hochdimensionalen Prozess- und Produktionsdaten
- Embodied AI Agents für autonome Inspektion, Navigation und industrielle Assistenzsysteme
- Generative KI zur kontextsensitiven Informationsgewinnung aus heterogenen industriellen Datenquellen
Themenbereiche
Maschinelles Lernen, Deep Learning, statistische Analysen und Zeitreihenprognosen zur Entwicklung robuster Modelle für Vorhersage, Klassifikation und Anomalieerkennung in komplexen Prozessen.
Root-Cause-Analysen, Kausalitätsentdeckung und kontrafaktische Erklärungen (z. B. für Was-wäre-wenn-Analysen), um über reine Korrelationen hinauszugehen und fundierte Entscheidungen zu ermöglichen.
Interaktive, erklärbare KI (z. B. SHAP, Saliency Maps) mit maßgeschneiderten Dashboards und Visualisierungen zur transparenten Entscheidungsunterstützung.
KI-gestützte Empfehlungssysteme, Wissensmodelle und generative Ansätze (z. B. LLMs, vLLMs), die Daten in konkrete Empfehlungen für operative und strategische Prozesse umwandeln.
