Die Nachwuchsgruppe „Datengetriebene Methoden in der Regelungstechnik“ (DART) am Heinz Nixdorf Institut der Universität Paderborn hat vier Jahre dazu geforscht, wie sich künstliche Intelligenz (KI) gewinnbringend im Bereich der Regelungstechnik einsetzen lässt. Diese Technik wird verwendet, um Systeme zu steuern und zu regeln, z. B. um in der Industrie Prozesse wie das Bedienen von Maschinen und Anlagen zu automatisieren. Daten, beispielsweise in Form von Messungen, spielen hierbei eine zentrale Rolle. Dementsprechend naheliegend ist es, auch in der Regelungstechnik vermehrt datenbasierte Lernalgorithmen zu verwenden.
Die Nachwuchsgruppe konzentrierte sich auf die Entwicklung von hybriden Methoden, die traditionelle Regelungsansätze mit künstlicher Intelligenz verbinden. Dabei fand sie heraus, dass diese kombinierten Techniken besonders viele Vorteile ermöglichen, um technische Systeme zu verstehen und zu optimieren, wenn diese nicht vollständig durch klassische Modelle beschrieben werden können. „In allen Stufen des regelungstechnischen Entwurfsprozesses zeigten unsere Forschungen, dass durch die Nutzung von maschinellem Lernen, also durch KI, fehlerhafte Modelle verbessert und Ungenauigkeiten korrigiert werden konnten. Folglich profitierte auch die Regelung des Systems“, erklärt Dr.-Ing. Julia Timmermann, Leiterin der Nachwuchsgruppe DART. Das Projekt entstand im Rahmen der Förderung von KI-Nachwuchswissenschaftlerinnen. Das Bundesministerium für Bildung und Forschung (BMBF) förderte das Vorhaben mit rund 1,6 Millionen Euro. Ziel dieser Förderlinie ist es, die Beteiligung von Frauen in der deutschen Forschung zu KI zu erhöhen und ihnen akademische Führungspositionen zu ermöglichen.
Entwicklung von praktischen Anwendungen
Neben den theoretischen Arbeiten zu hybriden Methoden entwickelten die Mitarbeitenden und Doktorand*innen des DART-Projekts zwei praktische Anwendungen: einen autonomen Golfroboter und einen selbstbalancierenden Würfel. Der Golfroboter arbeitet mit hybriden Methoden beispielsweise im Bereich der Bilderkennung und der Vorhersage von Schlaggeschwindigkeiten. „Außerdem bietet der Schlagmechanismus gute Möglichkeiten, die neuen Methoden unter realen Bedingungen zu evaluieren“, so Timmermann. Der selbstbalancierende Würfel bringt wiederum viele regelungstechnische Herausforderungen mit sich. Durch die Beschleunigung und das starke Abbremsen von Schwungscheiben innerhalb des Würfels kann dieser sich auf eine Kante und zukünftig auch auf eine Ecke bewegen und dort stabilisiert werden.
Weitere Erfolge, die sich innerhalb der Projektlaufzeit realisieren ließen, betreffen die beteiligten Wissenschaftler*innen und Studierende der Universität Paderborn direkt: drei erfolgreiche Promotionsabschlüsse, 24 geschriebene Abschlussarbeiten und die Beschäftigung von zehn studentischen Hilfskräften. Dadurch war es möglich, dass sich die Studierenden intensiv mit wissenschaftlichen Themen im Bereich des maschinellen Lernens beschäftigten. Die neu gewonnenen Kenntnisse werden sie nach dem Studienabschluss in die Unternehmen der Region tragen können. „Denn auch wenn die Ansätze des maschinellen Lernens aktuell sehr beliebt sind, ist deren Einsatz nicht in jedem Anwendungsfall sinnvoll. Auch diese kritische Reflexion von der Anwendung moderner Forschungstrends in dem Fachgebiet der Regelungstechnik war Inhalt der Gruppe DART“, so Timmermann.
