Das Projekt „KI-Booster“ hat heute offiziell unter der Leitung von Martin Heckmann, Professor für Data Science und Machine Learning an der Hochschule Aalen, begonnen. Im Rahmen dieses ambitionierten Vorhabens sollen neueste Technologien der künstlichen Intelligenz (KI) eingesetzt werden, um Fertigungsdaten zu verarbeiten. Das Ziel des Projekts ist die Unterstützung von Unternehmen in der Region Ostwürttemberg bei der digitalen Transformation.
Die Laufzeit des Projekts beträgt vier Jahre, wobei die Carl-Zeiss-Stiftung eine Finanzierung in Höhe von 2,7 Millionen Euro bereitstellt. Die Förderung umfasst ein Promotionskolleg mit sieben Stellen, das der Qualifizierung des wissenschaftlichen Nachwuchses dient. Besonders fokussiert wird hierbei die Analyse und Verarbeitung von Fertigungsprozessdaten, insbesondere in Bereichen wie der Batterieproduktion oder der additiven Fertigung.
Zusammenarbeit und Forschung
Ein zentrales Element des „KI-Booster“-Projekts ist die enge Zusammenarbeit mit einem Netzwerk aus Industrie- und Forschungspartnern. Dies gewährleistet, dass die Projektergebnisse optimal an die praktischen Anforderungen angepasst werden können. Die Expertise von sechs Arbeitsgruppen der Hochschule Aalen wird gebündelt, um die Forschungsziele zu erreichen. Im Rahmen des Promotionskollegs haben sechs Wissenschaftler die Gelegenheit, ihre Promotion zu innovativen Themen durchzuführen, unterstützt durch einen Postdoc.
Der Schwerpunkt liegt dabei auf der Entwicklung innovativer KI-Methoden, die physikalisches Wissen einbeziehen, um präzise und anwendungsorientierte Vorhersagen auch bei begrenzten Datenmengen zu ermöglichen. Ein Kickoff-Meeting hat bereits stattgefunden, um die nächsten Schritte im Projekt zu diskutieren. Die Ergebnisse des „KI-Booster“ werden darüber hinaus durch öffentliche Seminare und Veranstaltungen einer breiten Zielgruppe zugänglich gemacht, wie [schwaebische.de](https://www.schwaebische.de/regional/ostalb/aalen/promotionskolleg-ki-booster-gestartet-3324153) berichtete.
Ein besonderes Augenmerk gilt auch den eingesetzten Transformer-Modellen. Diese Architekturen in der maschinellen Lernforschung revolutionieren die Verarbeitung und das Verständnis von Textdaten, indem sie Selbst-Aufmerksamkeitsmechanismen nutzen, um Teile einer Eingabe in Beziehung zu setzen, ohne rekurrente Netzstrukturen zu verwenden. Die Grundlagen dieser Entwicklung wurden 2017 mit der Veröffentlichung des Papers „Attention is All You Need“ gelegt, das die erste Architektur ohne rekurrente Netzwerke vorstellte. Anwendungen dieser Modelle umfassen Maschinenübersetzung, Textzusammenfassung und Sentiment-Analyse, wie [gpt5.blog](https://gpt5.blog/transformer-modelle/) darstellt.
Durch die Kombination klassischer Verfahren mit modernsten Technologien möchten die beteiligten Forscher und Unternehmen die Möglichkeiten der digitalen Transformation in der Region Ostwürttemberg nachhaltig erweitern und anwenden.
