Intelligente Systeme und Machine Learning für Produktionsprozesse

Worum geht's

Du lernst, wie verteilte intelligente Systeme für Produktionsprozesse modelliert, analysiert und entwickelt werden. Das Modul behandelt Systemmodellierung, formale Darstellung von Domänenwissen, Digitale Zwillinge sowie Datenvorverarbeitung und -analyse mit Machine Learning. Am Ende kannst Du geeignete Entwurfskonzepte bewerten und auf reale automatisierungstechnische Anlagen anwenden.

Was du danach kannst

• intelligente automatisierungstechnische Systeme systematisch modellieren und analysieren
• Digitale Zwillinge für Produktionssysteme erstellen und anwenden
• Entwurfskonzepte (Systemmodellierung, Agentensysteme, ML-Bewertung) bewerten
• für eine gegebene Problemstellung eine adäquate Lösung modellieren und entwickeln
• Herausforderungen beim Einsatz von Agenten in Automatisierung und Embedded Systems erkennen
• Herausforderungen bei Datenanalyse und Machine Learning in realen Systemen verstehen und Lösungsansätze entwickeln

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen zu intelligenten Systemen und ML; Diskussion praktischer Beispiele; Gastvorträge
• ÜbungVertiefung der Grundlagen durch praktische Aufgaben an realistischen automatisierungstechnischen Systemen; individuelle Unterstützung
• PraxisblöckeHands-on-Arbeiten: Modellinkonsistenzmanagement mit Semantic Web-Technologien und zwei Praxisblöcke zu Machine-Learning-Implementierungen
• BlockveranstaltungDas Modul wird als Blockveranstaltung durchgeführt

Lehrmethode

• VorlesungErklärung der theoretischen Grundlagen und Diskussion mit praktischen Beispielen
• ÜbungPraktische Vertiefung der Vorlesungsinhalte an Beispielsystemen und individuelle Klärung von Verständnisfragen
• GastvorträgeEinblick in aktuelle Forschungsthemen und Praxisbeispiele durch internationale Forschungspartner
• PraxisblöckePraktische Implementierung von Methoden (Semantic Web, ML) zur Vertiefung des Verständnisses
• FeedbackKontrolle des Lernfortschritts durch Rückmeldungen in Vorlesung und Übung