| Forschungsprojekt: | "TrustMe" |  |
| ZerTifizierbare KI-Anwendungen in Luftfahrt-ProduktionssysteMEn | ||
| Forschungsbereich: | Artificial Intelligence, Transfer Learning, Imitation Learning, Process Certification, Manufacturing Process Optimization | |
| Gefördert durch: | Bundesministerium für Wirtschaft und Energie | |
| (LuFo VII-1) | ||
| In Zusammenarbeit mit: | Airbus Operations GmbH (Airbus), Airbus Aerostructures GmbH (ASA) Fraunhofer Gesellschaft e.V. (FhG) Deutschen Zentrum für Luft- und Raumfahrt (DLR) Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg (HSU) Universität Augsburg (UA) | |
| Verbundführer: | Airbus Operations GmbH | |
| Beginn des Projekts: | Dezember 2025 | |
| Ende des Projekts: | Mai 2029 | |
| Ansprechpartner am Institut: | M.Sc.Ehssan Roshankar |
Beschreibung:
TrustMe - ZerTifizierbare KI-Anwendungen in Luftfahrt-ProduktionssysteMEn
Das übergeordnete Projektziel von TrustME ist die Etablierung einer Grundlage für den sicheren und zertifizierbaren Einsatz von KI in der Luftfahrtproduktion.
Das zentrale Ziel von TrustME ist die Entwicklung und Validierung von Architekturen, Methoden und Verfahren, die es ermöglichen, KI-Anwendungen im Kontext der Luftfahrt-Produktion
zertifizierbar, transparent und überprüfbar zu gestalten. Indem ein Trustworthiness Framework geschaffen wird, das die Nachvollziehbarkeit von KI-Entscheidungen sicherstellt, soll die
Hauptbarriere für den industriellen Einsatz der Technologie überwunden werden. Das ultimative Ziel ist die Ermöglichung einer effizienteren, qualitativ hochwertigeren und nachhaltigeren
Fertigung durch den sicheren, vertrauenswürdigen Einsatz von Künstlicher Intelligenz.
Die TUHH, vertreten durch das Institut IPMT und das IFPT, konzentriert sich auf die Entwicklung zertifizierbarer KI-gestützter Ansätze zur Qualitätsprädiktion und Optimierung von Bohrprozessen für Nietbohrungen in der Flugzeugkomponentenmontage. Der besondere Fokus liegt auf der Entwicklung von KI-Modellen, die mittels Transfer Learning und Imitation Learning schnelle und datenarme Anpassungen an neue Fertigungsprozesse ermöglichen. Transfer Learning wird eingesetzt, um Bohrungsqualitätsvorhersagen mit geringem Aufwand auf neue Prozessvarianten zu übertragen. Gleichzeitig ermöglicht Imitation Learning die Übertragung manueller Prozesskennzeichen auf robotische Bohranwendungen, wodurch qualitativ hochwertige Nietbohrungen mit flexiblen Robotersystemen realisiert werden können. Ein weiterer zentraler Aspekt des Projekts ist die Entwicklung und Anwendung von Methoden zur Zertifizierung der KI-Modelle und des robotischen Bohrprozesses. Hierbei wird die bereits bestehende Zertifizierung des manuellen Bohrprozesses als Grundlage genutzt, um die Zertifizierung des automatisierten, robotischen Verfahrens zu vereinfachen und somit eine Brücke zwischen theoretischer Forschung und praktischer luftfahrtspezifischer Validierung im Labormaßstab zu schlagen. Durch diesen ganzheitlichen Ansatz trägt das Projekt "TrustMe" maßgeblich zur Steigerung der Prozessqualität, Effizienz und Sicherheit in der Luftfahrtfertigung bei.
Ansprechpartner am Institut: M.Sc.Ehssan Roshankar