AI for Scarce Data (AI4ScaDa)

Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten

Abstract

Das Projekt AI4ScaDa zielt darauf ab, spärliche Daten für KI-Modelle zur Optimierung von Verfahren, Produkten und Prozessen am Beispiel von drei realen Use-Cases der Unternehmen GEA Westfalia Separator Group GmbH, Miele & Cie KG und SAATEN-UNION BIOTEC GmbH zu nutzen. Um die Qualität der spärlichen Daten zu verbessern, werden verschiedene Informationsfusions-, Vorverarbeitungs- und Transformationsmethoden eingesetzt sowie zusätzliche Daten durch algorithmisch erstelle Versuchspläne erhoben. Zur Approximation der Daten werden intrinsisch interpretierbare Modelle verwendet, die durch Methoden des aktiven Lernens um zusätzliche Daten angereichert werden.