Data Science und Künstliche Intelligenz in der fähigkeitsorientierten Produktentwicklung für eine nachhaltige Produktion
Die Materialzirkularität sollte mit minimalem Bearbeitungsaufwand auf einer hohen Produktstrukturebene erfolgen. Dies erfordert Design for Assembly, Disassembly and Reassembly (DfADR). Laut VDI/VDE 2206 benötigen Produktentwicklerinnen und -entwickler frühzeitig ein mentales Modell des Produktionssystems. Besondere Bedeutung haben hierbei die Fähigkeiten der Mitarbeiter in Montage, Demontage und Remontage (ADR). Diese Arbeitsschritte können nicht vollständig vorgeplant werden, sondern erfordern oft situative Entscheidungen. Entwicklerinnen und Entiwckler müssen daher klären: Reichen aktuelle Fähigkeiten aus, oder erfordert das Produkt spezifische Maßnahmen, um weitere Fähigkeiten auszubauen?
Der Ansatz Design for Capabilities (DeCap) ergänzt DfADR um hybride Entscheidungsunterstützung und kombiniert Simultaneous Engineering mit Data Science und Künstlicher Intelligenz (DS/KI). Es werden aktuelle Fähigkeiten bewertet und zukünftige Anforderungen auf Basis extremer Daten aus ADR-Prozessen antizipiert. Diese Fähigkeiten gelten als Restriktionen für nachhaltige Produktkonzepte und begrenzen den Lösungsraum. Grundfertigkeiten werden oft mit Indikatoren wie Methods-Time Measurement (MTM) gemessen, während situative Entscheidungen von Prozessdaten abhängen, die fehlerbehaftet und komplex sind. Im Projekt wird hierzu ein Metadatenmodell entwickelt, das Produkteigenschaften und Mitarbeiterfähigkeiten ontologiebasiert abgleicht. Dadurch wird Nachhaltigkeit in Produktentwicklung und Wiederaufbereitung frühzeitig gesichert. Produktkonzepte profitieren von der Analyse: Welche Kompetenzen müssen gestärkt werden, um wirtschaftliche Wiederaufbereitung zu ermöglichen? Hierzu werden menschliche Fähigkeiten aus extremen Daten extrahiert und semantisch angereichert.
