Data Science und Künstliche Intelligenz in der f?higkeitsorientierten Produktentwicklung für eine nachhaltige Produktion
 

Die Materialzirkularit?t sollte mit minimalem Bearbeitungsaufwand auf einer hohen Produktstrukturebene erfolgen. Dies erfordert Design for Assembly, Disassembly and Reassembly (DfADR). Laut VDI/VDE 2206 ben?tigen Produktentwicklerinnen und -entwickler frühzeitig ein mentales Modell des Produktionssystems. Besondere Bedeutung haben hierbei die F?higkeiten der Mitarbeiter in Montage, Demontage und Remontage (ADR). Diese Arbeitsschritte k?nnen nicht vollst?ndig vorgeplant werden, sondern erfordern oft situative Entscheidungen. Entwicklerinnen und Entiwckler müssen daher kl?ren: Reichen aktuelle F?higkeiten aus, oder erfordert das Produkt spezifische Ma?nahmen, um weitere F?higkeiten auszubauen?

Der Ansatz Design for Capabilities (DeCap) erg?nzt DfADR um hybride Entscheidungsunterstützung und kombiniert Simultaneous Engineering mit Data Science und Künstlicher Intelligenz (DS/KI). Es werden aktuelle F?higkeiten bewertet und zukünftige Anforderungen auf Basis extremer Daten aus ADR-Prozessen antizipiert. Diese F?higkeiten gelten als Restriktionen für nachhaltige Produktkonzepte und begrenzen den L?sungsraum. Grundfertigkeiten werden oft mit Indikatoren wie Methods-Time Measurement (MTM) gemessen, w?hrend situative Entscheidungen von Prozessdaten abh?ngen, die fehlerbehaftet und komplex sind. Im Projekt wird hierzu ein Metadatenmodell entwickelt, das Produkteigenschaften und Mitarbeiterf?higkeiten ontologiebasiert abgleicht. Dadurch wird Nachhaltigkeit in Produktentwicklung und Wiederaufbereitung frühzeitig gesichert. Produktkonzepte profitieren von der Analyse: Welche Kompetenzen müssen gest?rkt werden, um wirtschaftliche Wiederaufbereitung zu erm?glichen? Hierzu werden menschliche F?higkeiten aus extremen Daten extrahiert und semantisch angereichert.