Das Fachgebiet Fertigungstechnik an der TU Ilmenau hieß akademischen Besuch von der Nelson Mandela University, der Botswana International University of Science and Technology, der University of Botswana, der Dedan Kimathi University of Technology (DeKUT) und der Jomo Kenyatta University of Agriculture and Technology (JKUAT) willkommen. Eine Woche lang fand ein angeregter Wissensaustausch statt – mit spannenden Workshops, Deep Learnings, Unternehmensbesichtigungen und lehrreichen Diskussionen. Auch wir, als ProKI-Ilmenau durften unser Know-How mit den Gästen mit folgenden Workshops teilen:
Der Kurs „Deep Learning“ von Dominik Walther vermittelte den Gästen die Grundlagen von Deep Learning. Die Teilnehmenden implementierten selbstständig ein Deep Learning Projekt von der Datenanalyse bis zum fertig trainierten Model.
Als Aufgabe diente hierfür die automatisierte Erkennung von Nahtunregelmäßigkeiten beim Laserstrahlschweißen. Als Daten wurden die Aufzeichnungen einer langwelligen Infrarotkamera für die Analyse verwendet.
Während des Kurses wurde auf verschiedene wichtige Aspekte hingewiesen und deren Effekte während der Implementierung verdeutlicht. Der Mix aus Präsentation und Implementierung diente dazu, den Übergang von der Theorie zur Praxis zu vereinfachen und wichtige Konzepte anschaulich zu vermitteln.
So konnten die Teilnehmenden im Laufe des Kurses ein Faltungsnetzwerk implementieren, trainieren und anschließend optimieren.
Den Abschluss bildete eine Evaluation des Netzwerkes durch verschiedene Metriken wie Precision und Recall und das Aufzeigen, warum Genauigkeit nicht immer eine geeignete Metrik für die Bewertung ist.
Im Workshop „KI in der Schweißtechnik“ von Kai Ehlich erhielten die Teilnehmenden einen umfassenden Einblick in die Anwendung von Künstlicher Intelligenz (KI) und Machine Learning (ML) in der Schweißtechnik.
Zu Beginn wurde eine fundierte Einführung in die Grundlagen von KI und ML gegeben, wobei der Fokus auf deren potenziellem Nutzen in der Schweißtechnik lag.
Ein zentrales Thema war die Bedeutung von Datenakquise und Datenqualität. Es wurde gezeigt, wie qualitativ hochwertige Daten erhoben werden können, um robuste KI-Modelle zu entwickeln. Im nächsten Schritt wurde das Feature Engineering beleuchtet, also die Frage, welche Informationen und Merkmale für die Modellierung besonders relevant sind. Der Workshop beinhaltete verschiedene Use Cases, die zeigten, wie KI in der Schweißtechnik bereits erfolgreich eingesetzt wird. In einem Hands-On konnten die Teilnehmenden ihr Wissen anhand einer Übungsaufgabe anwenden und vertiefen. Besonders interessant war die Modellierung von KI am Beispiel des FSSW (Friction Stir Spot Welding), das den Anwendungsbezug verdeutlichte.
Insgesamt bot der Workshop eine wertvolle Kombination aus Theorie und Praxis, die den Teilnehmenden ein tieferes Verständnis für den Einsatz von KI in der Schweißtechnik vermittelte.
Wir bedanken uns bei allen Beteiligten für die tolle Zeit und den intensiven Austausch.
Verfasst von: M.Sc. Dominik Walther, M.Sc. Kai Ehlich, Linh Nguyen
