Das Forschungsprojekt „Analyse der Vertrauenswürdigkeit von Modellen am Beispiel der Zerspanung zur Qualifizierung für die übergeordnete Planung von Fertigungsprozessen“ ist ein Kooperationsprojekt zwischen dem Lehrstuhl für Data Science and Data Engineering, der Arbeitsgruppe Software Engineering by Algorithms and Logic und der Arbeitsgruppe Virtual Machining innerhalb des Forschungsbereichs Industrie und Produktion des Lamar-Instituts für Maschinelles Lernen und Künstliche Intelligenz. Ziel des Projektes ist es, wissenschaftliche Grundlagen zu schaffen, um die Genauigkeit und Zuverlässigkeit von datenbasierten Modellen zur Vorhersagen von Prozesscharakteristiken in der spanenden Fertigung verbessern zu können.

Ein zentraler Fokus dabei ist die Erforschung hybrider Lernmethoden, welche Simulationen und reale Messungen kombinieren. Diese Ansätze sollen dazu beitragen, die Anzahl notwendiger realer Experimente zu minimieren, indem durch Simulationen zusätzliche Daten generiert werden. Darüber hinaus wird die Erweiterung des Merkmalsraums durch die Simulation nicht-messbarer Prozessgrößen erforscht, um die Vorhersagegenauigkeit weiter zu verbessern. Weiterhin sollen generative Modellierungsansätze genutzt werden, um die Datenbasis zu augmentieren und somit die Ressourceneffizienz zu erhöhen.

Um die Interpretierbarkeit und Akzeptanz datenbasierter Modelle in der Industrie zu erhöhen soll zusätzlich die Integration von Erklärbarkeitsmethoden aus dem Bereich Trustworthy AI erforscht werden. Dies ist besonders wichtig, um die Anwendung der Modelle in sicherheitskritischen Bereichen zu ermöglichen.