dtec.bw "Produktionsnahe Modellwerkstatt zur Forschung an Digitalisierungsthemen im Bereich der Luftfahrzeuginstandhaltung" (im Folgenden: ProMoDi) - UT 7116

Das dtec.bw-Projekt ProMoDi hat sich zum Ziel gesetzt, die Fehlerdiagnose und Instandhaltungsplanung für MRO (Maintenance, Repair, Overhaul)-Dienstleister erheblich zu verbessern. Hierfür soll die Forschung an Digitalisierungsthemen im Bereich der Instandhaltung von komplexen Cyber-Physischen Systemen vertieft werden. Die HSU/UniBw H und die Lufthansa Technik AG (LHT) wollen ihre 2021 begonnene Zusammenarbeit im dtec.bw-Projekt ProMoDi in den Jahren 2025 und 2026 fortführen. Im Rahmen der fortgeführten Zusammenarbeit beabsichtigen die Parteien, die gemeinschaftlich entwickelte und aufgebaute Modellwerkstatt weiterzuentwickeln, um dabei im Speziellen die operative Validierung der Erkenntnisse im realen, physischen Lebenszyklus von Flugzeugkomponenten zu ermöglichen. Auftragsgegenstand ist die gemeinsame Vertiefung der Forschung an Digitalisierungsthemen im Bereich der Instandhaltung von komplexen Cyber-Physischen Systemen. In Zusammenarbeit mit der HSU/UniBw H erbringt LHT die folgenden Leistungen: • Weiterer Betrieb der in der ersten dtec.bw-Phase errichteten Modellwerkstatt: Die bereits errichtete Modellwerkstatt stellt die technische Ausstattung zur Erforschung der Digitalisierung der Instandhaltung bereit. Dazu gehört u.a. das Bereitstellen der durch LHT generierten, geeigneten Daten und digitaler Modelle über eine Experimentalplattform sowie das Vermitteln des Know-hows zur Instandhaltung komplexer Flugzeugsysteme durch Ingenieurinnen und Ingenieure von LHT; • Die Erforschung der Diagnose im Bereich MRO mittels KI-Methoden: Hierzu fehlt es bislang an relevanten Daten, sodass hier ein Schwerpunkt der gemeinsamen Zusammenarbeit liegen wird. Lösungsoptionen sind das Einbringen von formalisiertem Vorwissen in ML-Verfahren (bspw. Knowledge Graph Embeddings), das Trainieren von Foundation Models aus gegebenen Simulationen, um Einsichten in den Testprozess zu gewinnen, und das Nutzen von abstrakten Modellierungsverfahren zur Fehlerdiagnose wie Hybrid Bond Graphs.