KITurbo

Projektlaufzeit: 6/2025 - 1/2028

Die Prozessindustrie steht vor wachsenden Herausforderungen: steigende Prozesskomplexität, Fachkräftemangel, demografischer Wandel und höhere Fluktuation führen zu kontinuierlichem Wissensverlust. Besonders bei der Fehlerdiagnose in Verdichter- und Turbinensystemen ist aufgrund vieler wechselwirkender Prozessparameter langjähriges Expertenwissen nötig.

Mit dem Digitalen Zwilling verfügt AviComp bereits über ein Framework zur Abbildung solcher Systeme. Es wurde im gemeinsamen Projekt TwinTurbo entwickelt und umfasst ein Simulationsmodell für statisches und dynamisches Anlagenverhalten. Im Projekt SmartTurbo wurde es um Methoden zur Anlagenüberwachung und -optimierung erweitert. Die bisherigen Ergebnisse sind erfolgreich, zeigen aber auch: Aufgrund steigender Komplexität und veränderter Kundenanforderungen ist eine Weiterentwicklung notwendig.

Ein zentraler Ansatz ist der Einsatz KI-gestützter Assistenzsysteme, die aus komplexen Daten konkrete Maßnahmen ableiten und Entscheidungen unterstützen. Die steigende Datenverfügbarkeit in der Prozessindustrie schafft dafür eine wichtige Grundlage und ermöglicht neue Ansätze für Echtzeitüberwachung und prädiktive Wartung. KI kann dabei im Digitalen Zwilling u. a. eingesetzt werden für:

• Datenaufbereitung und -anreicherung
• Automatisierung der Erstellung des Digitalen Zwillings durch Digitalisierung und Auslesen relevanter Dokumente (z. B. R&I-Fließbilder, Kennfelder)
• Verbesserung des Anlernprozesses durch multikriterielle Optimierung
• Reduktion von Simulationszeiten durch Surrogate-Modelle
• Detektion und Identifikation komplexer Fehlerszenarien (z. B. Fouling) durch Klassifikatoren

Das FTZ-Teilprojekt „Entwicklung KI-getriebener Methoden zur teilautomatisierten Generierung und Laufzeitbeschleunigung von Digitalen Zwillingen sowie zur Klassifikation von Fehlerzuständen“ und fokussiert sich auf grundlegende, methodische und datenwissenschaftliche Entwicklungen, die insbesondere zur Effizienz und Funktionalität der Digitalen Zwillinge beitragen. Die zentralen Aufgaben sind:

• die Entwicklung eines Lösers für die Simulation stationärer Betriebszustände, der die mit Metadaten angereicherten und klassifizierten Betriebsdaten verarbeitet und Ausgangspunkt für darauf aufbauende Analysen und Optimierungen ist,
• die Implementierung von hybriden Modellansätzen, die physikalische und datenbasierte Methoden kombinieren, um die Simulationslaufzeiten zu reduzieren und die Analyse großer Datenmengen zu ermöglichen sowie
• die Entwicklung und das Training von KI-Modellen zur Klassifikation und Diagnose von Fehlerzuständen.