Forschungsprojekt KREEN - Datenbasis zum Energie sparen

Spurensuche im Datendschungel • Grafik: plusmeta GmbH, Viktoria Kurpas/Shutterstock.com

KREEN steht für “KI-Anwendung zur Recherche und Extraktion der Entscheidungsbasis für den nachhaltigen und Ressourcen-schonenden Betrieb von Maschinen und Anlagen”. Dank einer Landesförderung können wir unser mittlerweile drittes Forschungsprojekt angehen. Den Forschungsgegenstand und die Ziele des Projekts stellen wir Ihnen in diesem Blogbeitrag vor.

KI made in BW

Mit dem Förderprogramm “INVEST BW Innovation II” fördert das Land Baden-Württemberg Forschungs-, Entwicklungs-und Innovationsvorhaben, die branchenübergreifend auf neue Produkte, neue Dienstleistungen, neue Geschäftsmodelle und Geschäftsprozesse abzielen. Wir freuen uns, dass wir mit der plusmeta-Plattform und unserem Vorhaben überzeugen konnten.

KREEN wird vom Wirtschaftsministerium Baden-Württemberg gefördert • Bild: invest-bw.de

Die Förderung gibt uns die Möglichkeit, neue KI-Methoden zu implementieren. Im Geschäftsalltag fallen Projekte mit derartigen Innovationssprüngen in der Regel Zeitdruck und Budgetgrenzen zum Opfer.

Mit solider Datenbasis Energie sparen

Um die Ziele des European Green Deal zu erreichen, sind in der Industrie im Bereich Treibhausgasminimierung bis 2050 Einsparung von ca. 50 % gegenüber 1990 notwendig. Diese Einsparungen können unter anderem durch Energie-Managementsysteme, Betriebsoptimierung sowie regelmäßige Wartung und Instandhaltung erreicht werden. Hierfür ist allerdings eine entsprechende Datenbasis erforderlich. Das Konzept des digitalen Zwillings sieht vor, dass alle Daten zu einem Produkt entlang des gesamten Produktlebenszyklus Instanz-spezifisch digital vorgehalten werden.

Ist-Werte abgleichen

Mit Hilfe von Soll-Werten zu Energieverbrauch und Förderleistung beispielsweise einer Pumpe, die in einem digitalen Zwilling granular zugreifbar zur Laufzeit mit Ist-Werten verglichen werden können, kann dauerhaft überwacht werden, ob die Pumpe effizient betrieben wird, oder ob eine Wartung oder Ersatz notwendig sind.

Abgleich von Ist- und Soll-Werten zur Laufzeit • Bild: plusmeta GmbH

Diese Soll-Werte sind aufgrund ihrer Einforderung durch Gesetzgeber und Normung (z. B. Maschinenrichtlinie 2006/42/EG) in Form von Technischen Unterlagen vorhanden. Oft sind diese Daten jedoch nicht direkt digital nutzbar. Gerade im Maschinen- und Anlagenbau, wo Produkte im Idealfall über Jahrzehnte in Betrieb sind, gibt es eine enorme Menge an unstrukturierten Bestandsdaten, digital oder auch auf Papier. Für eine Gesamtanlage betrachtet, stammen Technische Unterlagen in der Regel aus unterschiedlichsten Quellen und sind daher sehr heterogen aufgebaut.

Digitale Zwillinge erstellen

In unserem Forschungsprojekt wollen wir Verfahren entwickeln, um diese unstrukturierten Daten automatisch auszuwerten und damit digitale Zwillinge zu erstellen bzw. zu ergänzen. Technische Daten werden überwiegend in Tabellen dargestellt. Bei herkömmlichen OCR-Verfahren gehen die Zusammenhänge der Daten, die in Tabellen über das Layout hergestellt und visuell transportiert werden, verloren.

Eine Tabelle und die nach der Texterkennung extrahierten Daten • Bild: plusmeta GmbH

Die großen Herausforderungen in diesem Projekt bestehen also darin, die Zusammenhänge von tabellarischen Daten beim maschinellen Auslesen zu erhalten bzw. wieder herzustellen und sie anschließend einer konkreten Kategorie und einem Produkt zuzuordnen.

Was ist die beste Methode?

Das Forschungsprojekt bietet uns den Rahmen und notwendigen Freiraum, um abseits vom Arbeitsalltag verschiedene Verfahren wie Natural Language Processing, Large Language Modells und Layoutanalyse auszuprobieren und miteinander zu kombinieren, um das effizienteste Vorgehen zu identifizieren.

Am Ende der Verarbeitungskette steht der Export der aufbereiteten Daten in geeignete Formate zur Verarbeitung in weiteren Systemen. Für digitale Zwillinge kommen hier verschiedene Teilmodelle der Verwaltungsschale in Frage. Für Wartungsinformationen bietet sich hier z. B. das Teilmodell “Maintenance” an, für Technische Daten das Teilmodell “Generic Frame for Technical Data for Industrial Equipment in Manufacturing”, für Handlungsinformationen “Intelligent Information for Use”. Auch das Teilmodell “Carbon Footprint” kann eine Rolle spielen.

Synergie aus Forschung und Praxis

Unser erklärtes Ziel ist es, eine webbasierte, intuitive Anwendung mit nachvollziehbaren KI-Ergebnissen bereitzustellen, die es Industrie-Unternehmen ermöglicht, Energiesparpotenziale offenzulegen und auf Basis von Simulationen bezüglich der Energie- und Ressourcen-Effizienz nachhaltige Entscheidungen zu treffen. Dieses Ziel können wir nur erreichen, wenn wir ausreichend Trainings- und Testdaten haben. Die besten Ergebnisse erzielen wir sicher, wenn wir direkt mit realistischen Daten aus der Industrie arbeiten. Unternehmen, deren Daten wir im Forschungsprojekt nutzen dürfen, bekommen bereits in einem frühen Stadium Einblicke in unsere Forschungsergebnisse. plusmeta-Kunden, die eine Datenpartnerschaft mit uns eingehen, dürfen Entwicklungen, die im Rahmen des Projekts entstehen, vor allen anderen testen und einsetzen.

Sie sind neugierig geworden? Dann schreiben Sie uns eine E-Mail an hallo@plusmeta.de!