Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV
Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV

TrustME - Zertifizierbare KI-Anwendungen in Luftfahrt-Produktionssystemen

Vertrauenswürdige KI für effiziente und flexible Flugzeugproduktion

Künstliche Intelligenz bietet großes Potenzial, Produktionsprozesse in der Luftfahrt sicherer, effizienter und flexibler zu machen – etwa durch vorausschauende Qualitätsprognosen oder automatisierte Bildauswertung. Gleichzeitig sind Zulassung und Einsatz von KI in sicherheitskritischen Umgebungen stark reguliert.

 

Herausforderungen
Bislang fehlen standardisierte Verfahren, um KI-Anwendungen in der Luftfahrtproduktion zu zertifizieren. Black-Box-Modelle sind schwer nachvollziehbar, Daten liegen oft unstrukturiert vor und es existieren kaum erprobte Konzepte, wie KI vertrauenswürdig in bestehende Montage- und Prüfprozesse integriert werden kann.

Zielgruppe
Adressiert werden Flugzeughersteller und -zulieferer, Produktionsplaner:innen, Qualitätsverantwortliche, Automatisierungs- und IT-Abteilungen sowie Forschende und Zulassungsstellen, die KI-Lösungen in der Produktion entwickeln, bewerten oder einsetzen wollen.

Ziele des Projekts TrustME
TrustME entwickelt Architekturen, Methoden und Werkzeuge für zertifizierbare und vertrauenswürdige KI in der Luftfahrtproduktion. Dazu gehören Predictive-Quality-Modelle, KI-basierte Bildverarbeitung, Ontologien, generative KI (LLM, RAG) und Multiagentensysteme. Die Ansätze werden in realitätsnahen Laborumgebungen in Hamburg und Augsburg erprobt und entlang regulatorischer Vorgaben wie EU AI Act und EASA-Roadmap ausgerichtet.

Zertifizierbare KI als Schlüssel für die Luftfahrtproduktion von morgen

TrustME entwickelt Methoden und Architekturen, um KI-Anwendungen in der Luftfahrtproduktion zertifizierbar und vertrauenswürdig zu machen. Auf Basis von Vorgaben wie EU AI Act und EASA-Roadmap entsteht ein Rahmenwerk, das technische, regulatorische und dokumentarische Anforderungen für KI-Systeme in der Fertigung definiert.

Datenbasierte Qualitätsprognosen und optische Prozessüberwachung
Für roboterbasierte Montageprozesse werden Predictive-Quality-Modelle entwickelt, die Bohrungsqualität aus Prozessdaten vorhersagen und Prüfaufwand gezielt reduzieren. KI-basierte Bildverarbeitung erkennt fehlerhafte Dichtmittelaufträge; synthetische Trainingsdaten und GANs sollen die Erkennungsgenauigkeit bei gleichzeitig geringer Datenakquise deutlich erhöhen.

Semantische Datenmodelle, Ontologien und generative KI in der Fertigung
Eine PPR-Ontologie (Produkt–Prozess–Ressource) bildet Produktionswissen strukturiert und maschinenlesbar ab und dient als Single Source of Truth für alle Partner. Über Retrieval-Augmented Generation werden Ontologien und Wissensgraphen mit Large Language Models gekoppelt, um domänenspezifische Fragen nachvollziehbar zu beantworten und KI-Entscheidungen erklärbarer zu machen.

Multiagentensysteme für Planung, Steuerung und Assistenz in der Produktion
TrustME entwickelt ein LLM-basiertes Multiagentensystem, das Produktionsplanung und -ausführung unterstützt. Über Function Calling greifen KI-Agenten auf Planungswerkzeuge, Datenbanken und standardisierte Schnittstellen zu Produktionsressourcen zu. Sprachbasierte Assistenzsysteme verknüpfen Qualitätsprognosen, Bildverarbeitung und Ontologien und erleichtern so Nicht-Experten die Nutzung der KI.

Validierung an Demonstratoren in Hamburg und Augsburg
Alle Methoden werden in realitätsnahen Laborumgebungen erprobt: in Hamburg an einer automatisierten Rumpfmontage, in Augsburg an einer roboterbasierten Baugruppenmontage. Dort werden KI-Modelle für Qualitätsprognose, Bildverarbeitung, Assistenz und Robotergenauigkeit integriert, bewertet und im Hinblick auf Zertifizierbarkeit und industrielle Skalierbarkeit weiterentwickelt.